Hybrid Genetic Algorithm for the Generalised Assignment Problem
Le contrôle et la gestion logistiques comportent des décideurs multiples à différents niveaux. On distingue les décisions stratégiques, tactiques, programmables et opérationnelles. Pour cela, la résolution des problèmes d'optimisation dans une chaîne logistique a toujours été une tâche difficile, surtout en la présence de contraintes non linéaires, implicites ou disjonctives. Cependant, ces contraintes sont utilisées dans l'optimisation basée sur les méthodes de recherche intelligente. Ces méthodes cherchent une solution acceptable proche de l'optimale (ou un ensemble de solutions) plutôt qu'une solution optimale. Nous explorerons ces méthodes pour identifier la flexibilité et l'efficacité d'optimisation par les métaheuristiques.
Logistics control and management typically involve multiple decision makers at different levels. They may include strategic, tactical, scheduling and operational decisions. In such a context, solving logistics optimization problems has always been a challenging task, especially in the presence of nonlinear, implicit or disjunctive constraints. However, constraints are used in optimization based on intelligent search methods. These methods usually search for an acceptable near optimal solution (or a set of solutions) rather then the optimal solution. We will explore these to identify flexibility and efficiency of optimisation afforded by metaheuristic methods.
M.BACCOUCHE, J.BOUKACHOUR, A.BENABDELHAFID
systèmes d'aide à la décision, optimisation, assignement des tâches, algorithme génétique, recherche taboue.
decision support systems, optimization, jobs assignment, genetic algorithm, tabu search.
Anglais
|
