Branch-and-price algorithms for the solution of the multi-trip vehicle routing problem with time windows (MTVRPTW) 1.

Slides:



Advertisements
Présentations similaires
Equipe optimisation TempoSoft
Advertisements

Génération de colonnes
GPA750 Les ateliers multigammes Chapitre 5
Génération de colonnes pour la résolution des problemes de foresterie
Problème de voyageur de commerce
Le Règlement Médiateur FSA / Médiatrice FSA Reglement Mediator SAV/Mediatorin SAV Pierre Kobel Hirsch Kobel.
Proposition d’une heuristique efficace pour l’ordonnancement des machines parallèles 1 Benjamin Vincent Nikolay Tchernev Christophe Duhamel Libo Ren 21e.
Les systèmes d'information 1- Une pratique quotidienne 2- Les données 3- Approche conceptuelle 4- Notion de serveur 5- Conception d'un système d'information.
1- Introduction 1ère partie Le langage SQL 2- Connexion 3- Structure & Contenu 4- Requêtes.
Active Learning for Natural Language Parsing and Information Extraction, de Cynthia A. Thompson, Mary Elaine Califf et Raymond J. Mooney Philippe Gambette.
الهيئة العامة لحماية المستهلك أساليب الترويج وتأثيراتها على المستهلك خليفة التونكتي - مستشار المنافسة - 1.
MRP Étapes 1/12 Introduction Définitions JP Rennard Objectifs Toute entreprise appelée à fournir des biens et services est amenée à gérer la double contrainte.
1. Introduction.
Outils de Recherche Opérationnelle en Génie MTH 8414A
Outils de Recherche Opérationnelle en Génie MTH 8414
INF3500 : Conception et implémentation de systèmes numériques Pierre Langlois Rappel - analyse et.
Module de gestion des tournées de livraison
Introduction au Langage Pascal
Construire des requêtes
6. Analyse postoptimale.
10 - CREATION D’UNE ACTION
Visite guidée - session 3 Les postes de charge et les gammes
Laboratoire de Génie Informatique et d’Automatique de l’Artois (LGI2A)
Planification de la production
Visite guidée - session 8 L’ordonnancement Métier : Fabrication
Algorithmique Avancée et Complexité Chap2:Complexité et Optimalité
3. Les tests et la forme du contenu
Université Abou Bakr Belkaid Faculté des Sciences Département d’informatique Algorithmique Avancée et Complexité Chap5: Les méthodes de résolution exactes.
Informatique et Sciences du Numérique
La gestion par « affaire »
Master Réseaux et Systèmes Distribués (RSD)
Lecture et interprétation des Taux de Croissance Moyens
Les bases de données et le modèle relationnel
1 Prévision d’une série chronologique par lissage exponentiel Michel Tenenhaus.
Techniques d’Optimisation Chapitre 3: Programmation en 0-1 (bivalente)
Technologies de l’intelligence d’affaires Séance 11
Université Abou Bakr Belkaid Faculté des Sciences Département d’informatique Algorithmique Avancée et Complexité Chap7: Les méthodes de résolution exactes.
SEGMENTATION STRATEGIQUE ET AVANTAGE CONCURRENCIEL
République Algérienne Démocratique et Populaire Ministère de l'Enseignement Supérieur et de la Recherche Scientifique Université Saad.
Planification de la production
Construire un GANTT.
L E C ORPS D ’ UN A LGORITHME / P ROGRAMME – L A PARTIE I NSTRUCTION Réalisé par : OUZEGGANE Redouane Département de Technologie Faculté de Technologie.
LA GESTION DE PROJET APPROCHE, MÉTHODOLOGIE ET OUTILS.
Plan Introduction Parcours de Graphe Optimisation et Graphes
Cyber-Sphinx Séance 2.
La méthode du simplexe. 1) Algorithme du simplexe  Cet algorithme permet de déterminer la solution optimale, si elle existe, d’un problème de programmation.
Structure D’une Base De Données Relationnelle
1 La gestion par activités (ABM) pour mieux gérer les coûts et les processus dans l’organisation. S o l u t i o n s `
1. Introduction.
La démarche d’investigation se définit en 7 étapes 1.La situation problème 2.L’appropriation du problème 3.La formulation d’hypothèses 4.La résolution.
OPTIMISATION 1ère année ingénieurs
La gestion optimale de la production électrique : un exemple d’application industrielle de l’algorithme de point intérieur S. Charousset, G. Vignal.
M. Moumnassi, S. Bordas, R. Figueredo, P. Sansen
Les méthodes non paramétriques
OPTIMISATION 1ère année ingénieurs
Variable Neighborhood Descent (VND) Réalisée par Nadia Sassi Eya baghdedi AU
1 CHAPITRE: GESTION DES STOCKS. 2 Plan Plan IntroductionDéfinitionNature du stockLes niveaux des stocks Suivi du stock: Méthodes d’approvisionnement Conclusion.
Contribution du LHyGeS
CSI 3505 Algorithmes Voraces
RABAH M ed Ali 2018/2019
CSI 3505 / Automne 2005: Conception et Analyse des Algorithmes I.
Tableau de bord d’un système de recommandation
Encadrée par: - Mr. Abdallah ALAOUI AMINI Réalisée par : -ERAOUI Oumaima -DEKKAR Amal - ES-SAHLY Samira -Houari Mohammed PROGRAMMATION MULTIOBJECTIFS.
Progressivité des différentes fonctions dans l’entreprise
Introduction  La PLNE regroupe l’ensemble des techniques permettant de résoudre des programmes linéaires dont les solutions doivent être entières.  Formellement,
Impact Evaluation 4 Peace March 2014, Lisbon, Portugal 1 Echantillonage pour une Evaluation d’Impact Latin America and the Caribbean’s Citizen Security.
GESTION DE LA PRODUCTION Réalisé par : EL MAROUSSI Mohammed DRIOUCHI Mohammed Abdeljabbar WAKENNOU Salah CRMEF Grand Casablanca Cycle de préparation à.
DONNÉE DE BASE QM Manuel de formation. Agenda 2  Introduction  Objectif de la formation  Données de base QM: Caractéristique de contrôle Catalogue.
La programmation dynamique
Transcription de la présentation:

Branch-and-price algorithms for the solution of the multi-trip vehicle routing problem with time windows (MTVRPTW) 1

Introduction  Problème considéré : Vehicle routing problem  Spécificité : Les Véhicules doivent visiter tous les clients Pas de limite temporelle  Solution apportée 2 branch-and-price frameworks basé sur 2 types de couvrements - 1 ) les colonnes = itinéraires (séquence de trajets) - 2) les colonnes = trajets individuels. 2

I) Modèle  [0, T] horizon de planification  G = (V, A) graphe orienté - Sommet 0 : le depot - Sommet 1,..., n the customers - G = (V, A) graphe orienté  arc (i, j) ∈ A.  Pour chaque client i ∈ {1,..., n} - coût cij - temps de trajet tij - Fenêtre temporelle [ai, bi], - Temps de service sti, temps de chargement li (depot), une demand di  Autres variables - U véhicules, Capacité de chargement Q 3 3

 Master pb : Trouver un ensemble de trajets à coût minime : En utilisant au plus U véhicules, (i) tous les clients soient servis, (ii) (ii) deux voyages ne peut pas être affecté au même véhicule si les horaires de ces déplacements,y compris le chargement et le retour au dépôt, se chevauchent (iii) (iii) les chargements sont conformes avec des capacités de véhicules (iv) (iv) des contraintes de temps chez les clients et le Dépôt sont satisfaits. Formulation initiale du problème 4

II) Branch-and-price pour la formulation SSP (stands for Scheduling in SubProblem) Explication du problème de tarification : Trouver des itinéraires à coût réduit négatif A chaque étape de l'algorithme : - un sommet est sélectionné et toutes ses étiquettes non encore traitées sont étendues vers chaque sommet successeur possible. - Les étiquettes irréalisables sont rejetées. Les sommets du graphique sont traités itérativement jusqu' à ce qu'il n' y ait plus de nouveau sont créées. - Règles de dominance doivent être introduit afin d'éliminer les étiquettes non optimales Points clés : Chargement au depot  l'extension d'une étiquette à un autre sommet retarde le temps de service pour tous les sommets déjà présents. Revenir au dépôt à une étape intermédiaire de l'itinéraire Solution : Choix de revenir de l'extension à l'envers des étiquettes, Extension d'une étiquette correspond à placer un nouveau client au début de la séquence de livraisons. 5 5

III) Branch and Price pour la formation SMP  Variables = trajets plutôt que des itinéraires complets de véhicules. une heure de départ dkstart et une durée dkmin (départ – service – retour) Le MTVRPTW = un ensemble couvrant le problème, avec des contraintes d'exclusion mutuelle, où les variables représentent des déplacements. Exclusion mutuelle : visent à permettre l'affectation de trajets sélectionnés aux véhicules U, tout en évitant le chevauchement de deux trajets affectés au même véhicule. Solution : Discrétiser le temps et de définir un utc indicateur booléen qui indiquerait si trip k inclut t dans son horaire. 6 6

III) Branch and Price pour la formation SMP 7 Problème de tarification : Variables duales relatives à (7) et (8)

IV ) Solution pour la tarification pour la formulation SMP 8 8 ck est le coût réduit du trajet partiel posk = j est le sommet à partir duquel le chemin partiel commence hk est l'heure de début du service à j dk est la date d'arrivée à destination d; chk représente le temps de chargement rtk est la durée pendant laquelle une étiquette peut être retardée et encore être réalisable

V ) Méthode d’accélération  Un des Pb : Le nombre de d'exclusion mutuelle de l'ensemble couvrant la formulation présentées précédemment peut provoquer une explosion combinatoire. (6) – (10)  Solution : Appliquer une relaxation de substitution de ces contraintes en considérant des intervalles de temps plus gros que le temps  Nouvelles contraintes : 9 9

VI ) Réusltats 10

Conclusion  Deux solutions pour le problème de MTVRPTW  Deux méthodes de résolution sont basées sur branch-and-price, mais avec des formulations de couverture différentes SSP : route complète SMP : déplacements  Nécessité de contraintes d'exclusion temporelle mutuelle pour gérer combinaison trajets/routes (étiquettes représentatives + groupe)  Pb non constance du temps de chargement  Backward label + dynamic prog. 11