Thèse de Arnaud Liefooghe

Métaheuristiques pour l'optimisation multiobjectif: Approches coopératives, prise en compte de l'incertitude et application en logistique

De nombreux problèmes d'optimisation issus du monde réel, notamment dans le domaine de la logistique, doivent faire face à beaucoup de difficultés. En effet, ils sont souvent caractérisés par des espaces de recherche vastes et complexes, de multiples fonctions objectif contradictoires, et une foule d'incertitudes qui doivent être prises en compte. Les métaheuristiques sont des candidates naturelles pour résoudre ces problèmes, ce qui les rend préférables aux méthodes d'optimisation classiques. Toutefois, le développement de métaheuristiques efficaces découle d'un processus d'ingénierie complexe. Le cœur de ce travail réside en la conception, l'implémentation et l'analyse expérimentale de métaheuristiques pour l'optimisation multiobjectif, ainsi que leurs applications à des problèmes logistiques de tournées et d'ordonnancement. Tout d'abord, une vue unifiée de ces approches est présentée, puis intégrée dans une plateforme logicielle dédiée à leur implémentation, ParadisEO-MOEO. Ensuite, plusieurs approches de coopération, combinant des métaheuristiques pour l'optimisation multiobjectif, sont proposées. Enfin, la question de la prise en compte l'incertitude est abordée dans le contexte de l'optimisation multiobjectif.

Jury

Directeur de Thèse : El-Ghazali Talbi, Professeur des Universités, Lille 1 Co-encadrant : Laetitia Jourdan, Chargé de Recherche, INRIA Lille-Nord Europe Rapporteurs : Alexandre Caminada, Professeur des Universités, Belfort-Montbéliard Jin-Kao Hao, Professeur des Universités, Angers Examinateurs : Nour-Eddine Oussous, Professeur des Universités, Lille 1 Dirk Thierens, Professeur des Universités, Utrecht (Pays-Bas) Daniel Tuyttens, Professeur des Universités, Mons (Belgique)

Thèse de l'équipe Dolphin soutenue le 8 décembre 2009

Retour vers les autres thèses