• Langue : Anglais
• Discipline : Informatique
• Identifiant : 2011LIL10140
• Type de thèse : Doctorat
• Date de soutenance : 02/12/2011

Résumé en langue originale

Beaucoup de problèmes dans le monde réel ont une nature dynamique et peuvent être modélisés comme des problèmes dynamiques d'optimisation combinatoire. Cependant, les travaux de recherches sur l'optimisation dynamique se concentrent essentiellement sur les problèmes d'optimisation continue et ils ciblent rarement les problèmes combinatoires. Une des applications dans le domaine des problèmes dynamiques combinatoires ayant reçu un intérêt croissant au cours de ces dernières décennies est le système de transport en ligne où dynamique. Un problème typique de ce domaine est le Problème Dynamique de Tournées de Véhicules (PDTV). Dans ce dernier, le dynamisme peut être attribué à plusieurs facteurs (conditions météorologiques, nouvelle commande client, annulation d'une commande précédente, véhicule tombant en panne, etc.). Dans un tel problème, les informations ne sont pas complètement connues a priori, mais plutôt révélées au décideur progressivement avec le temps. Par conséquent, les solutions des différentes instances doivent être trouvées au fur et à mesure du temps, simultanément avec les informations entrantes. Ces problèmes font appel à une méthodologie capable de suivre les solutions optimales au cours du temps. Dans cette thèse, le problème dynamique de tournées de véhicules est étudié et le développement de méthodologies générales appelées métaheuristiques pour sa résolution est traité. Leur capacité à s'adapter à l'évolution de l'environnement et leur robustesse sont discutées. Les résultats des expérimentations montrent grâce à des mesures de performance dynamique que nos méthodes sont efficaces sur ce problème et ont donc un grand potentiel pour d'autres problèmes combinatoires dynamiques.

Résumé traduit

Many problems in the real world have dynamic nature and can be modeled as dynamic combinatorial optimization problems. However, research on dynamic optimization focuses on continuous optimization problems, and rarely targets combinatorial problems. One of the applications in dynamic combinatorial problems that has received a growing interest during the last decades is the on-line or dynamic transportation systems. A typical problem of this domain is the Dynamic Vehicle Routing Problems (DVRPs). In this latter, the dynamism can be attributed to several factors (weather condition, new customer order, cancellation of old demand, vehicle broken down, etc.). In such application, information on the problem is not completely known a priori, but instead is revealed to the decision maker progressively with time. Consequently, solutions for different instances have to be found as time proceeds, concurrently with managing the incoming information. Such problems call for a methodology to track their optimal solutions through time. In this thesis, dynamic vehicle routing problem is addressed and developing general methodologies called metaheuristics to tackle this problem is investigated. Their ability to adapt to the changing environment and their robustness are discussed. Results of experiments demonstrate thanks to dynamic performance measures that our methods are effective on this problem and hence have a great potential for other dynamic combinatorial problems.