S

1
Sélection de scénarios-Métaheuristique pour
loptimisationcombinatoire multiobjectifs
Claude BARON Samuel ROCHET Rachid
CHELOUAH Équipe Systèmes Embarqués
Critiques Laboratoire dÉtude des
Systèmes Informatiques et Automatique (LESIA)
INSA de Toulouse
2
Position du travail dans le contexte général du
projet
Aide à la décision entre les alternatives pour
constituer un plan de travail
3
AJUSTER ! (trouver une solution de repli ?)

• Avantages
• - aide à la conduite
• - gain de temps
• possibilité dexplorer des solutions à
  priori écartées
• élimination de solutions non valides
• simulations précision à la main

Le rôle difficile du chef de projet
4
Projet modélisé par un graphe
tâche
Objectif trouver un ou plusieurs meilleurs
chemins dans le graphe pour
atteindre les objectifs du projet Moyen
trouver une méthode qui fournit une solution
optimale ou proche de loptimal
en un temps acceptable
5
Méthode dOptimisation Multimodale
Minimum local
Minimum aussi intéressant que le minimum global
Minimum global
S domaine de recherche

• Sur un ensemble de solutions S, on cherche à
  optimiser une fonction f,
• Cette fonction sappelle " fonction objectif ".
• ? On cherche le (ou un) minimum ou maximum
  global.

6
Optimisation Multi-objectifs

• Sélection des scénarios, problème difficile
• Multiobjectifs (coût, durée, qualité, risque)
• Prise en compte
• Ressources (disponibilité, charge)
• Précédences entre tâches
• l'optimum n'est plus une simple valeur mais un
  ensemble de points
• l'ensemble des meilleurs compromis le front de
  Pareto

solutions
qualité
Front Pareto
meilleurs compromis
coût
7
Techniques doptimisation multiobjectifs

• Méthode exacte
• Avantages - la garantie de la solution
• Inconvénients - explosion combinatoire
• - temps de calcul
  important
• - nécessite une modélisation du
  problème
• Méthode approchée
• Avantages - exploration de lespace des
  solutions réduite
• - obtention dune solution
  acceptable
• Inconvénient - convergence de lalgorithme
  (méthode itérative)
• - garantie de
  loptimalité de la solution
• Exemple de méthode approchée
• Heuristique méthode spécifique pour résoudre
  un type de problème donné

NON
8
Existence de différentes heuristiques

• Méthode de recherche locale, notion de voisinage
  et de mouvement
• méthode de la descente
• recherche tabou
• recuit simulé
• Méthode de recherche globale
• algorithme génétique
• colonie de fourmis
• essaim particulaire
• Avantages majeurs des méthodes globales
• permettent la mise en œuvre d'approches Pareto
  (mécanismes de sélection )
• mais aussi non Pareto (agrégation des
  objectifs, ...)
• Inconvénients
• le nombre dévaluation de la fonction objectifs
• utilisation des ressources (mémoire)

9
Travail effectué, Résultats et Perspectives

• Travail effectué (stage DEA stages étudiants)
• Étude de faisabilité réalisation dun outil
  utilisant les algorithmes génétiques
• Résultat bonne qualité des solutions
  obtenues, faible temps de calcul
• Perspective de poursuite (stage post-doctoral
  stages étudiants)
• Contraintes de projet,
• Modélisation du problème,
• Ajuster la stratégie de recherche de solution
• Réalisation dun nouvel outil plus complet
• Comparaison algorithme génétique, algorithme
  de colonie de fourmis
• Coopération inter-universitaire (Tours, le
  Havre, Paris Val de marne)
• Intérêt industriel
• Thèse Cifre IERSET avec Airbus (SW)
• Renault Research ?