Contribution à l’ordonnancement d’ateliers agroalimentaires utilisant des méthodes d’optimisation hybrides

par Asma Karray

Thèse de doctorat en Automatique et informatique industrielle

Sous la direction de Pierre Borne et de Mohamed Benrejeb.

Soutenue le 05-07-2011

à l'Ecole centrale de Lille en cotutelle avec École nationale d'ingénieurs de Tunis (Tunisie) , dans le cadre de École doctorale Sciences pour l'ingénieur (Lille) , en partenariat avec Laboratoire d'automatique, génie informatique et signal (LAGIS) (laboratoire) .

Le président du jury était Noureddine Ellouze.

Le jury était composé de José Ragot.

Les rapporteurs étaient Abdellah El Moudni.

mots clés

• Ordonnancement
• Optimisation
• Métaheuristiques
• Algorithmes génétiques
• Recherche tabou
• Recuit simulé
• Hybridation
• Ateliers à une machine
• Ordonnancement (gestion)
• Optimisation mathématique
• Programmation heuristique
• Algorithmes génétiques
• Recuit simulé (mathématiques)
• Hybridation

Résumé

Nos travaux concernent la mise en œuvre de méthodologies pour la résolution de problèmes d’ordonnancement en industries agroalimentaires. Trois nouvelles approches basées sur les algorithmes génétiques, sont proposées pour la résolution de problèmes d’ordonnancement multi-objectifs : les algorithmes génétiques séquentiels (SGA), les algorithmes génétiques parallèles (PGA) et les algorithmes génétiques parallèles séquentiels (PSGA). Deux approches coopératives multi-objectifs en mode relais, SH_GA/TS et SH_GA/SA, hybridant toutes les deux des métaheuristiques de haut niveau, sont par la suite proposées. Un algorithme évolutionnaire et un algorithme de recherche locale sont, dans ce cas exécutés séquentiellement

mots clés

• Scheduling
• Optimization
• Metaheuristics
• Genetic algorithms
• Tabu search
• Simulated annealing
• Hybridation
• Single-machine workshop

Titre traduit

Using hybrid optimization methods for the agro-food industry scheduling problem

Résumé

The purpose of our works is the implementation of methodologies for the resolution of the agro-food industry scheduling problem. Three new approaches based on genetic algorithms are proposed to solve multi-objectives scheduling problems: sequential genetic algorithms (SGA), parallel genetic algorithms (PGA) and parallel sequential genetic algorithms (PSGA). Two high-level hybrid algorithms, SH_GA/TS et SH_GA/SA, are also proposed. The purpose in this hybridization is to benefit the exploration of the solution space by a population of individuals with the exploitation of solutions through a smart search of the local search algorithm