Optimisation pour la logistique de l'urgence sous incertitude

Optimization for emergency logistics under uncertainty

• Auteur / Autrice : Jing Li
• Direction : Feng Chu, Ada Che
• Type : Projet de thèse
• Discipline(s) : Informatique mathématique
• Date : Inscription en doctorat le 01/12/2021
• Etablissement(s) : université Paris-Saclay en cotutelle avec Northwestern Polytechnical University
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : IBISC - Informatique, BioInformatique, Systèmes Complexes
• Partenaire(s) de recherche : Equipe de recherche : AROBAS : Algorithmique, Recherche Opérationnelle, Bioinformatique et Apprentissage Statistique
• Partenaire(s) de recherche : référent : Université d'Évry-Val-d'Essonne (1991-....)

Mots clés

Mots clés libres

Logistique de l'urgence

Localisation de sites

Gestion des stocks

Incertitude

Optimisation robuste

Optimisation stochastique

Emergency logistics

Facility location

Inventory management

Uncertainty

Robust optimization

Stochastic optimization

Résumé

Avec une urbanisation rapide et une augmentation exponentielle de la population mondiale, l'exposition aux risques de catastrophes naturelles a considérablement augmenté au cours des dernières années (Hoeppe 2016). Afin de minimiser les dommages causés par les catastrophes naturelles, la gestion des secours en cas de catastrophe a attiré beaucoup d'attention de praticiens et de chercheurs au cours des dernières années (Duran et al. 2011, Sabbaghtorkan et al. 2020). La gestion des secours peut être classée en gestion pré-catastrophe et gestion post-catastrophe. Tufekci et Wallace (1998) soulignent que les décisions prises indépendamment avant et après la catastrophe ne peuvent obtenir que des solutions sous-optimales. Par conséquent, certains chercheurs investissent le problème de la localisation-allocation, qui consiste à localiser les sites de secours et à prépositionner la quantité de ressources de secours avant la catastrophe, et à distribuer ses ressources après la catastrophe. Comme indiqué dans Liberatore et al. (2013), l'incertitude est inévitable dans la gestion des secours, car les catastrophes sont intrinsèquement imprévisibles en termes de calendrier, d'ampleur, et sure les zones touchées. Les travaux existants pour le problème de la localisation-allocation proposent de modèles et de méthodes basé sur l'optimisation stochastique ou robuste pour faire face aux incertitudes (Dönmez et al. 2021). Les modèles basés sur l'optimisation stochastique se concentrent sur l'optimisation de la performance de secours moyenne, tandis que les méthodes liées à l'optimisation robuste s'intéresse à la performance de secours dans le pire cas. La plupart des chercheurs étudient le problème de la localisation-allocation pour une seule catastrophe (Rawls et Turnquist 2010, Bozorgi-Amiri et al. 2013, Bärmann et al. 2016, Mahootchi et Golmohammadi 2017, Ni et al. 2018, Balcik et al. 2019, Velasquez et al 2020, Stauffer et Kumar 2021). Cependant, de multiples catastrophes qui causent de pertes de vie et de la destruction de ressources naturelles et physiques, se produisent avec une fréquence croissante dans le monde. Par exemple, le 14 août 2021, un séisme de magnitude 7,2 a frappé Haïti, faisant plus de 1 419 morts et des milliers de blessés. Seulement deux jours plus tard, la tempête tropicale Grace a balayé Haïti avec des pluies torrentielles. Dans le même temps, la population doit subir également la pandémie de coronavirus (NPR 2021). Dans la littérature, seuls trois articles étudient le problème de la localisation-allocation des catastrophes secondaires, qui surviennent après les catastrophes primaires (Wang et Nie 2019, Li et al. 2020, Li et al. 2021). Il est reconnu que la gestion des secours en cas de catastrophes multiples est un grand défi à relever, et de nombreux problèmes scientifiques correspondants restent ouverts. Ainsi, il est important et urgent d'estimer les impacts de multiples catastrophes et de fournir d'outils d'aide à la décision appropriés basés sur les approches innovantes et les nouvelles technologies, en particulier d'étudier le problème de la localisation-allocation en cas de catastrophes multiples qui est un des problèmes clés pour la gestion des catastrophes multiples. De plus, la plupart des études existantes se concentrent sur des problèmes de la localisation-allocation à monocritère pour minimiser le coût or la durée de recours (Rawls et Turnquist 2010, Ni et al. 2018, Balcik et al. 2019, Velasquez et al. 2020, Stauffer et Kumar 2021), mais ignorent les impacts environnementaux et sociaux négatifs. En réalité, les catastrophes dramatiques peuvent provoquer des pertes économiques, des dégradations environnementales et des crises sociales. Ainsi, la gestion des secours doit considérer l'ensemble de ces conséquences dramatiques. Cependant, seuls quelques chercheurs abordent le problème de la localisation-allocation à multi-objectifs, mais pour une seule catastrophe (Bozorgi-Amiri et al. 2013, Bastian et al. 2016, Mahootchi et Golmohammadi 2017). À notre meilleure connaissance, le problème de la localisation-d'allocation à multi-objectifs pour les multiples catastrophes qui vise à trouver une meilleur compromis entre l'efficacité des ressources employées, les impacts environnementaux et sociaux n' a jamais été étudié. Ce projet doctoral s'intéresse au problème de la localisation-allocation à multi-objectifs en cas de multiples catastrophes. L'objectif est de développer des approches innovantes et efficaces pour la gestion des secours en cas de multiple catastrophes, basées sur une optimisation stochastique et robuste.

With fast urbanization and an exponential increase in the global population, the risk exposure to natural disasters has grown significantly over the past years (Hoeppe 2016). To minimize the damage caused by natural disasters, disaster relief management has attracted the attention of decision-makers and researchers alike over the last few years (Duran et al. 2011, Sabbaghtorkan et al. 2020). Disaster relief management can be classified into pre-disaster and post-disaster management. Tufekci and Wallace (1998) point out that independently pre- and post-disaster decisions can obtain only sub-optimal solutions. Therefore, some researchers investigate the location-allocation problem, which consists of locating facilities and determining the amount of prepositioned relief supplies in opened facilities before disaster, and distributing resources after disaster. As stated in Liberatore et al. (2013), uncertainty is unavoidable in disaster relief management, because disasters are inherently unpredictable in terms of timing, affected areas, and magnitude. The existing works for location-allocation problems apply stochastic or robust optimization to deal with the uncertainties (Dönmez et al. 2021). Models based on stochastic optimization often focus on risk-neutral perspectives by optimizing an expected resource objective, while methods related to robust optimization address emergency logistics problems from risk-averse perspectives. Most of researchers investigate the location-allocation problem with a single disaster (Rawls and Turnquist 2010, Bozorgi-Amiri et al. 2013, Bärmann et al. 2016, Mahootchi and Golmohammadi 2017, Ni et al. 2018, Balcik et al. 2019, Velasquez et al. 2020, Stauffer and Kumar 2021). However, multiple disasters occur with an increasing frequency around the world, causing catastrophic loss of life and destruction of natural and physical resources. For example, on August 14, 2021, a magnitude 7.2 earthquake struck Haiti, causing more than 1,419 deaths and thousands of injuries. Only two days later, tropical storm Grace swept over Haiti with drenching rains. At the same time, the population must also suffer the coronavirus pandemic (NPR 2021). In the literature, only three papers investigate the problem of location-allocation with secondary disasters, which occur after primary disasters (Wang and Nie 2019, Li et al. 2020, Li et al. 2021). It is recognized that multiple disasters relief management is a big challenge, and many related scientific problems are still open. Thus, it is important and urgent to estimate the impact of multiple disasters and provide appropriate decision-aid tools based on innovative approaches and new technologies, especially investigating the location-allocation problem with multiple disasters that is one of the key issues for multiple disaster management. In addition, most of the existing studies focus on single objective location-allocation problems to minimize the resource cost or the recourse duration (Rawls and Turnquist 2010, Ni et al. 2018, Balcik et al. 2019, Velasquez et al. 2020, Stauffer and Kumar 2021), but ignore negative environmental and social impacts. In reality, dramatic disasters can cause economic losses, environmental degradations and social crises. Thus, disaster relief management must consider these dramatic consequences together. However, only a few researchers address the multi-objective location-allocation problem for a single disaster (Bozorgi-Amiri et al. 2013, Bastian et al. 2016, Mahootchi and Golmohammadi 2017). To the best of our knowledge, the multi-objective location-allocation problem for multiple disasters that aim to find a best trade-off among resource efficiency, environmental and social impacts has never been investigated. This PhD project investigates multi-objective location-allocation problems for multiple disasters. The objective is to develop innovative and efficient approaches for disaster relief management based on stochastic and robust optimization.