Marie-José Huguet
2023-2024 - Métaheuristiques
Intervenants : Marie-José Huguet, Arthur Bit-Monnot, Mohamed Siala,Valentin Antuori, Olivier de Mouzon
Support de cours et sujet de TP : tout est sur la page moodle 1354 (meta2024)
2022-2023 - Métaheuristiques
Intervenants : Marie-José Huguet, Arthur Bit-Monnot, Mohamed Siala,Valentin Antuori, Olivier de Mouzon
Support de cours et sujet de TP : tout est sur la page moodle
2021-2022 - Métaheuristiques - (Page moodle)
Intervenants : Marie-José Huguet, Arthur Bit-Monnot, Mohamed Siala,Valentin Antuori, Olivier de Mouzon
- Support de cours et sujet de TP : tout est sur la page moodle
2020-2021 - Métaheuristiques - (Page moodle)
Intervenants : Marie-José Huguet, Arthur Bit-Monnot, Mohamed Siala,Valentin Antuori, Olivier de Mouzon
UF Systèmes Intelligents
- Support de cours
- Ressources associées :
- Synthèse cours S. Tison (Univ. Lille) p8 à 15 - Les métaheuristiques : quelques conseils pour en faire bon usage (A. Hertz)
- Présente des focus sur le principe de certaines méthodes : Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison - C. Blum and A. Roli, 2003
- Très intéressant (moins de précision sur chaque méthode mais donne une vue d'ensemble) : A History of Metaheuristics - K. Sörensen - M. Sevaux - F. Glover, 2017
- Handbook of Heuristics, 2018
- Ressources associées :
- TP - à venir
- sujet
- Bibliographie pour TP :
- Article (1996) mais présentant des heuristiques gloutonnes ou règles de priorité (à partir de la page 12)
- Extrait thèse (2006) sur le Job Shop + voisinages + Tabou
- Extrait thèse (2006) sur le Job Shop + AG
- Article (2017) : Application du Job Shop dans l'industrie 4.0
2019-2020
Intervenants : Marie-José Huguet, Arthur Bit-Monnot, Valentin Antuori, Olivier de Mouzon, Tom Portoleau
UF Systèmes Intelligents
Cours (6 séances)
- Support
- Séance 1 et 2 :
- Introduction générale Optimisation Combinatoire - Document complémentaire
- Méthodes approchées : heuristique gloutonne + Exemple Job Shop
- Séance 3 et 4 : Méthodes de recherche locale et Méthodes à population
- Lire le support de cours en autonomie
- A lire pour compléter les supports
- (1) Important : Synthèse cours S. Tison (Univ. Lille) p8 à 15 - Les métaheuristiques : quelques conseils pour en faire bon usage (A. Hertz)
- (2) Présente des focus sur le principe de certaines méthodes : Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison - C. Blum and A. Roli, 2003
- (3) Très intéressant (moins de précision sur chaque méthode mais donne une vue d'ensemble) : A History of Metaheuristics - K. Sörensen - M. Sevaux - F. Glover, 2017
- Séance 5 et 6 : Exercices
- Sujet d'exercices préparatoires au TP
- Article ancien (1996) mais présentant des heuristiques gloutonnes ou règles de priorité (à partir de la page 12)
- Extrait thèse sur le problème de Job Shop + voisinages + Tabou (2006)
- Extrait thèse sur le problème du Job Shop + AG (2006)
- Application du Job Shop dans l'industrie 4.0
- Séance 1 et 2 :
- Remerciements aux collègues dont je me suis inspiré pour la réalisation de ces supports
- Compléments
TP (5 séances)
- Sujet : Ordonnancement d'activités avec contraintes de ressources
- Dans le sujet :
- lien vers le github du code fourni
- lien vers le document de suivi des TP
- lien vers la chaine discord
- Dans le sujet :
Evaluation : rapport de TP (dépôt sur moodle) + code (lien vers dépot git)
2018-2019
Intervenants : Marie-José Huguet, Valentin Antuori, Olivier de Mouzon, Tom Portoleau, Jules Waldhart
UF Systèmes Intelligents
Cours (6 séances)
- Support diapo 01-134 // 135 - 195
- Remerciements aux collègues dont je me suis inspiré pour la réalisation de ces supports
- Lundi 1er avril : séance 1 : 1-33 et séance 2 : 34-83
- Lundi 8 avril : séance 3 : 84-109 et séance 4 : 109-147
- Lundi 15 avril : séance 5 : 148-195 et séance 6 : Préparation du TP
- Exemple (basé sur le format du TP) : les données - une solution (réalisable mais non optimale)
- Note : dans cet exemple, le sommet 0 et les arcs partant de 0 ne servent à rien dans le plan d'évacuation .... cela pour dire que tous les arcs des graphes des jeux de données ne font pas partie du plan d'évacuation.
- schéma associé à l'exemple
- Exemple (basé sur le format du TP) : les données - une solution (réalisable mais non optimale)
TP (5 séances)
- Sujet : Planification d'évacuations
- Objectif : Minimiser la date de fin d'évacuation de l'ensemble des personnes
- Serveur du GEI : (accès depuis les salles de TP ou en VPN-SSL)
- Jeux de données (actualisation du 17/04/19 - Integer) : sur le site ou ici
- Vérification de solutions
- Pour aller plus loin :
- Présentation sur le RCPSP
- Page du projet GeoSafe
- Article sur le projet GeoSafe
2017-2018
Intervenants : Marie-José Huguet, Pierre Coupechoux, Idir Hamaz
UF Systèmes Intelligents - Note : auparavant le cours était en 5e année
Cours (6 séances)
- Support
TP (5 séances)
- Sujet: Ordonnancement (Job Shop Flexible)
- Jeux de données : à récupérer ici
- Quelques pistes :
- article 2017, article 2016,
- Résumé état de l'art (2016) - en attente
- Etapes du projet
- Lecture des jeux de données
- Calcul d'une solution initiale (ex : heuristique gloutonne)
- affectation / séquencement
- Représentation / Mémorisation d'une solution
- 2 vecteurs : Machine Assignement (MA) - Operation Sequence (OS)
- Vérification de l'admissibilité d'une solution
- La solution est-elle réalisable ?
- Evaluation d'une solution
- à partir des 2 vecteurs MA et OS : quelle est la valeur de la fonction objectif ?
- Amélioration solution(s) initiale(s) : modification de solutions
- voisinages
- croisement / mutation
- Stratégie de résolution
- ex : méthode Hill-Climbing (Descente)
- ex : Recuit Simulé
- ex : Algo Evolutionnaire
- Note : ne pas oublier de vérifier que les solutions proposées sont réalisables
- Evaluation expérimentale des solutions obtenues
- tests comparatifs
- Exemple représentation de solution
- 2 vecteurs : Machine Assignement (MA) - Operation Sequence (OS)
- Sur l'exemple (Table2) : une solution serait
- MA=(M1, M2, M2, | M2, M1, M3, | M3, M2)
- OS = (1, 1, 1, 2, 2, 2, 3, 3)
- Placer toutes les opérations du job 1 (en respectant les précédences) sur les machines demandées quand elles sont disponibles puis placer de la même façon toutes les opérations du job 2 puis du job 3.
- Pour la même valeur MA on pourrait aussi avoir OS=(1, 2, 3, 1, 2, 3, 1, 2) et plein d'autres combinaisons ...