Cartes auto-organisatrices et approche évolutionniste pour les problemes de tournées de véhicules avec regroupements

Self-organizing maps and evolutionary approach for the vehicle routing problem with clustering

• Auteur / Autrice : Noureddine Hayari
• Direction : Abder Koukam
• Type : Thèse de doctorat
• Discipline(s) : Génie informatique
• Date : Soutenance en 2005
• Etablissement(s) : Besançon
• Partenaire(s) de recherche : autre partenaire : Université de technologie de Belfort-Montbéliard (1999-....)

Mots clés

Mots clés contrôlés

Optimisation combinatoire

Algorithmes

Transport de voyageurs

Résumé

Le but principal des travaux de recherche présentés dans ce mémoire est l'étude des problèmes de tournées de véhicules avec regroupement. Le regroupement consiste à affecter les usagers à des points de ramassage ou arrêts de bus et déterminer les tournées optimales passant par ces points. Quatre variantes du problème, de complexité croissante sont étudiées : le TSPCluster qui est une extension du problème du voyageur de commerce, le MTSCluster qui est une généralisation du problème précédent en considérant le cas de plusieurs véhicules, le VRPCluster qui introduit les contraintes de capacités des véhicules, et enfin le VRPTWCluster qui tient compte de contraintes de fenêtres de temps. Pour résoudre ces problèmes, une approche metaheuristique basée sur l'incorporation de l'algorithme des cartes auto-organisatrices de Kohonen dans un algorithme de population est développée. L'approche propose une réponse aux problèmes de regroupement en ce qu'elle traite le regroupement et le routage simultanément. Elle introduit le concept de modèle visuel soumis à des déformations continuelles. Cet aspect permet de suivre en temps réel et visuellement le déroulement de l'optimisation. La validation de l'approche développée et l'analyse de ses performances sont réalisés, à l'aide d'un environnement logiciel de simulation, sur les principaux jeux de tests, rencontrés dans la littérature et représentatifs de la problématique. Les résultats de l'approche proposée sont comparés avec ceux des stratégies neuronales. Nous avons avons observé d'après nos résultats que notre méthodologie d'étude est en mesure de résoudre des problèmes non résolus par les techniques classiques.

The main purpose of this work is the study of the vehicle routing problem with clustering. Clustering consists of assigning users to collect points or bus stops and to find the optimal routes passing by these points. Four variants, with increasing complexity are studied: The TSPCluster which is an extension of the traveling salesman problem, the MTSCluster which is a generalization of the previous problem with several vehicles, the VRPCluster which introduces the capacity constraints, and finally the VRPTWCluster which requires time windows. To solve these problems, we have developed a metaheuristic approach which incorporates the Kohonen's self-organizing maps into a population based algorithm. This approach is able to find good solutions for clustering problems in the sense that it handles the clustering and routing simultaneously. Moreover, by introducing the concept of visual model subjected to continual deformations, Our contribution allows to visually follow the optimization progress. We have observed from our results that our methodology is able to handle some problems which have not been solved by classical methods.