Ordonnancement de projet avec contraintes de ressources et aide à la décision multi-objectif - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2017

Resource constraint project scheduling problem and multi-objective decision-making

Ordonnancement de projet avec contraintes de ressources et aide à la décision multi-objectif

Résumé

This thesis deals with the multi-objective Resource Constraint Project Scheduling Problem (RCPSP). After a specific literature review, we solve the problem with exact approaches in the first place: the Two Phases Method and the Parallel Partitioning Method. Due to the NP-hardness of the problem, the exact methods are only able to solve small instances. For this reason, we apply the approximated methods to deal with larger problems. The genetic algorithms are firstly adopted to solve large-scaled instances. Moreover, we propose to improve the basic scheme with several hybridizations. A local search with Mapping Method is applied for a better exploration of the solution space. Next, we consider a special case where the decision-makers wish to reduce the number of solutions. Thus, in this part of the thesis, we try to select the most interesting solutions among the whole non-dominated front. For this purpose, several dominance relationships are considered as alternatives of the Pareto dominance. These dominance rules are implemented in the basic genetic algorithm schemes, as well as those with local search. The results show that the considered hybridizations enhance highly the basic method results. Our future research will highlight more complex multi-objective RCPSP problems and the industrial application
Cette thèse porte sur la résolution multi-objectif du problème d’ordonnancement de projet avec contraintes de ressources. Après avoir dressé un état de l’art sur le problème, nous le résolvons dans un premier temps avec les approches exactes : la méthode à deux phases et la méthode de partitionnement parallèle. Face à un problème NP-difficile, les méthodes exactes ne permettent de résoudre que des instances de petites tailles. Par conséquent, les méthodes approchées sont mises en œuvre pour traiter les problèmes de plus grandes tailles. Les algorithmes génétiques sont d’abord adoptés pour résoudre notre problème. Au-delà des schémas de base, nous proposons d’améliorer les solutions par plusieurs hybridations. Une recherche locale avec la méthode de Mapping est appliquée pour une meilleure exploration de l’espace de recherche. Nous considérons ensuite un cas spécial où les décideurs souhaitent réduire le nombre de solutions afin de faciliter leur travail. Nous avons donc réalisé les pré-sélections vis-à-vis d’un ensemble de solutions de grande taille. Pour ce faire, plusieurs alternatives de dominance de Pareto sont intégrées. Ces règles de dominances sont implémentées dans les schémas des algorithmes génétiques classiques et hybridés avec des recherches locales. Les résultats montrent que les hybridations considérées permettent d’améliorer significativement les méthodes de base. Nos recherches dans le futur proche s’appuient sur la résolution des problèmes plus complexes et en relation avec les cas industriels au plus proches de la réalité
Fichier principal
Vignette du fichier
Xixi_Wang_2017TROY0022.pdf (24.57 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02954785 , version 1 (01-10-2020)

Identifiants

  • HAL Id : tel-02954785 , version 1

Citer

Xixi Wang. Ordonnancement de projet avec contraintes de ressources et aide à la décision multi-objectif. Recherche opérationnelle [math.OC]. Université de Technologie de Troyes, 2017. Français. ⟨NNT : 2017TROY0022⟩. ⟨tel-02954785⟩
116 Consultations
27 Téléchargements

Partager

Gmail Facebook X LinkedIn More