1 Logiciels de confection automatique d’horaires.

Slides:

Advertisements

Présentations similaires

Projet LAGAN Développement d’un programme de gestion d’ascenseurs

Advertisements

E-learning Evolutif Albarelli Corinne Behem Patrice Guillot Jérôme

Fabrice Lauri, François Charpillet, Daniel Szer

3. Variantes de l’algorithme

S. Meshoul & M. Batouche Equipe Vision, Laboratoire LIRE

Enseigner la technologie

Conception Préliminaire de Manipulateurs Mobiles et Génération de Consignes Évolutionnaires : une Méthodologie pour Intégrer la Commande dans l’Évaluation.

Réalisation dun compréhenseur multidimensionnel Projet Master Informatique 1ère année Année 2005 Christophe MOUFLIN Jérôme COPPENS.

Métaheuristiques pour l’optimisation combinatoire

Application de réseaux bayésiens à la détection de fumées polluantes

A Pyramid Approach to Subpixel Registration Based on Intensity

Mesure et Instrumentation

Les démarches de développement

Optimisation dans les télécommunications

A.Faÿ 1 Recherche opérationnelle Résumé de cours.

Génération de coupes pour la planification d’agents

El-Djillali TALBI Doctorant systèmes industriels

Gestion et Ingénierie des Systèmes Hospitaliers GISEH 2010

Forum Des Professeurs Agrégés Du Maroc

5. Algorithme du simplexe

Génération de colonnes

Animation de solides en contact par modèle physique

Sélection automatique d’index et de vues matérialisées

République Algérienne Démocratique et Populaire Ministère de l’Enseignement Supérieur et de la Recherche Scientifique.

Le cycle de conception Technologie.

SPATIAL WOODSTOCK ET STANLEY

UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D’ORAN

Application des algorithmes génétiques

CHALLENGE ROADEF 2001 Résolution par une métaheuristique à base de recherche à voisinage variable et propagation par contraintes Fabrice BUSCAYLET Fabrice.

DEA Intelligence Artificielle et Optimisation Combinatoire

Journée thématique du GDR IFS « Réduction de modèle en IFS » ENSAM – Jeudi 18 mai 2006 Validation de l’approche de la réduction a priori - POD sur l'équation.

Programmation linéaire

Hybridation dune Méthode Glouton et dune Recherche Locale Weinberg Benjamin Laboratoire dInformatique Fondamental de Lille, France.

Programmation linéaire en nombres entiers Algorithme de la subdivision successive («Branch and Bound Algorithm»)

Lergonomie des IPM : pourquoi, comment ? Présentation 9 Novembre 2005 Mireille Bétrancourt - TECFA TECFA Technologies pour la Formation et lApprentissage.

Mise en oeuvre des MMCs L'utilisation des MMCs en reconnaissance des formes s'effectue en trois étapes : définition de la topologie de la chaîne de Markov,

Détection du meilleur format de compression pour une matrice creuse dans un environnement parallèle hétérogène Olfa HAMDI-LARBI.

DONG Xiaoguang HONG Liang OULDBABA Fadel WANG Min

Modélisation géométrique de base

IA IPR Académie de Rennes L’algorithmique une nouveauté ? Regard sur les programmes et les ressources ; quelques pistes.

les méthodes de recherche locale

Amélioration de la simulation stochastique

Génération de tests pour la localisation automatique d’erreurs Yves Le Traon et Franck FLEUREY.

Optimisation par la méthode des abeilles

Programmation linéaire en nombres entiers

1 Alain Casali Christian Ernst Extraction de Règles de Corrélation Décisionnelles 29 Janvier 2009.

Travaux Pratiques Optimisation Combinatoire

Recherches locales et méta-heuristiques

Équilibre de satisfaction

Optimisation de structures : Implémentation d’outils d’aide à la conception basés sur les méthodes d’optimisation topologique d’homogénéisation Thomas.

Classification de données par l’algorithme FPSO-GA

Suivi rapide d’objet en mouvement

Optimisation pour la Conception de Systèmes Embarqués

L’enseignement de spécialité SLAM

Algorithmes génétiques en optimisation combinatoire

Sujet 5 : Intégration d’une loi d’ordonnancement dans un modèle

Présenté par : ABED Djemaa; BAKHOUIA Roqiya.

20/06/2015propagation de signatures lexicales dans le graphe du Web 1 Propagation de signatures lexicales dans le graphe du Web M. Bouklit M. Lafourcade.

4ème journées PDM IA - Vendredi 7 mai 2004 Recherche en ligne pour la résolution de PDMs Laurent Péret, Frédérick Garcia INRA Toulouse, équipe Méthodes.

Logiciel pour la résolution des programmes linéaires : « LINDO »

Optimisation des horaires de personnel

Informatique et Sciences du Numérique

Problème du Car Sequencing

3. Variantes de l’algorithme

Modélisation et simulation

Programmation par contraintes Réalisé par: WETCHA Chaima MOKDED Mohamed Ali FIA3-GL-AL 1 1.

Projet de session Par Eve Grenier Dans le cadre du cours SCG Réalisation d’applications en SIG Jeudi le 20 avril 2006.

Algorithmes Branch & Bound Module IAD/RP/RO Master d ’informatique Paris 6 Philippe Chrétienne.

8e Congrès AQIPA, Association québécoise des intervenants auprès des personnes amputées Mathieu Baril, Thierry Laliberté, François Routhier et Clément.

Techniques d'Optimisation Master

Transcription de la présentation:

1 Logiciels de confection automatique d’horaires

2/11 Logiciels de confection automatique d'horaires ä ä Trois différentes approches : ä ä IRIS : génération de colonnes ä ä HIBISCUS : programmation par contraintes ä ä HORINF : recherche locale

3/11 Problème d'optimisation sous contraintes ä ä Défini par : ä ä un ensemble de solutions potentielles (infirmières, jours, quarts) ä ä des contraintes (contraintes dures) ä ä une fonction objectif (préférences, contraintes molles) ä ä On demande : ä ä une solution réalisable (satisfaction des contraintes) ä ä optimale selon l'objectif

4/11 ä ä HIBISCUS : ä ä Une approche de programmation par contraintes

5/11 HIBISCUS : utilisation d’un logiciel de PPC ä ä Logiciels de PPC : ä ä des outils de développement pour la résolution des problèmes d'optimisation sous contraintes ä ä nous utilisons ILOG Solver ä ä Caractéristiques : ä ä souplesse pour modéliser les contraintes du problème à résoudre, les modifier ä ä fournissent des algorithmes de recherche que l’utilisateur peut facilement utiliser, paramétrer, modifier

6/11 HIBISCUS : Techniques de résolution ä ä Recherche arborescente : ä ä on part d'un horaire vide ä ä on construit l’horaire progressivement ä ä choix d'une case infirmière-jour à remplir ** ä ä choix d'un quart dans cette case ** ä ä en cas d’échec : retour arrière ä ä Réduction de l’espace de recherche : ä ä techniques de filtrage pour détecter les échecs le plus tôt possible

7/11 HIBISCUS : Conclusions et perspectives ä ä Ce qui a été réalisé : ä ä expression des contraintes du problème ä ä techniques de résolution de base ä ä Tests expérimentaux : ä ä sur un jeu de 50 infirmières ä ä Travail en cours : ä ä amélioration des techniques de résolution ä ä prise en compte de l’objectif

8/11 ä ä HORINF : ä ä Une approche de recherche locale

9/11 HORINF : Schéma de l'algorithme ä ä 1. Construire une solution potentielle initiale ** ä ä 2. Itérativement : ä ä modifier cette solution ** ä ä en se guidant sur la fonction d'évaluation ** ä ä 3. Renvoyer : ä ä la meilleure solution trouvée

10/11 HORINF : Description d’un itération ä ä Modification de la solution courante(mouvement) ä ä on modifie globalement l'horaire d'une infirmière quelconque ä ä Fonction d'évaluation : tient compte de ä ä pénalités pour les contraintes violées ä ä l'objectif du problème ä ä Choix du mouvement à effectuer : ä ä si possible : ä ä amélioration de la solution courante ä ä sinon : ä ä modification aléatoire de quelques quarts

11/11

12/11 HORINF : perspectives ä ä Originalité de l’approche : ä ä utilisation d'un voisinage étendu ä ä algorithme efficace pour trouver le meilleur horaire d’une infirmière ä ä Résultats expérimentaux : ä ä performances satisfaisantes pour un jeu de 50 infirmières ä ä Amélioration envisagée : ä ä utiliser la stratégie tabou