Mod` eles pour les probl` emes de synth` ese de r´ eseaux de mobilit´e
2.2. Un cas simple : un routage satisfaisant au niveau temps
a ce mod`ele simplifi´e. La premi`ere motivation est de proposer diff´erentes alternatives dans le cadre d’une aide `a la d´ecisionen fonction des objectifs recherch´es, tel un jeu de construction.
Nous cherchons aussi `a obtenir des mod`eles qui soient directement exploitables par des sol-veurs de programmes lin´eaires comme CPLEX, XPRESS ou GLPK, mˆeme si nous explorons des pistes qui sont clairement non lin´eaires ou font intervenir d’autres m´ecanismes (multiob-jectif par exemple). On se servira donc du formalisme issu de la programmation lin´eaire en nombre entier. Lesecond objectif est de pouvoir disposer d’unpanel de solutionslorsque cela est possible pour servir de r´ef´erence et ainsi permettre l’´evaluation de la qualit´e des m´etaheuristiques que nous avons adapt´ees pour cette famille de probl`emes.
2.2. Un cas simple : un routage satisfaisant au niveau temps
Ce cas simple du mod`ele g´en´eral se concentre sur les temps de d´eplacement des pro-duits. On mesure la qualit´e de service en fonction du temps d’acheminement correspondant de l’origine `a la destination de la commodit´ek. On appelle Φkla fonction de qualit´e de service d´ependante du temps. Elle sera en g´en´eral param´etr´ee par diff´erents temps de d´eplacement, dits de r´ef´erence, qui serviront `a ´etablir sa forme, suivant sa nature.
Chapitre 2. R´eseaux de mobilit´e - Mod`eles Lo¨ıc Yon
2.2.1. Fonction objectif
On noteS la fonction objectif du probl`eme, i.e. la satisfaction totale. Si l’on appelletkΓ le temps de parcours de la commodit´ek induit par le syst`eme de transport Γ, on a :
S=QoS= X
k∈K
DkΦk(tkΓ(fk))
Par abus de notation, on notera ´egalementScomme une fonction directement du multiflot f et non pas du temps induit, c’est-`a-dire :S= X
k∈K
DkΦk(fk)
2.2.2. Contraintes sur le syst`eme de transport recherch´e (conteneurs) Nous rappelons que nous cherchons `a d´eterminer le syst`eme de transport Γ, un flot re-pr´esentant le d´eplacement des conteneurs. Plusieurs contraintes peuvent ˆetre associ´ees `a ce flot :
• les contraintes de conservation de flottout d’abord, qui s’´ecrivent naturellement : X
e∈ω−(u)
xe− X
e∈ω+(u)
xe= 0,∀u∈VA
• on peut vouloir ensuite contrˆoler le coˆut du syst`eme de transport et donc, si l’on dis-pose d’une famille de coˆut (pe)e∈A et d’une borne sup´erieure pmax de ce coˆut, on a la contrainte budg´etairesuivante :
X
e∈A
pexe≤pmax
• enfin, on peut tout `a fait prendre en compte descontraintes de capacit´esur les arcs, c’est-`a-dire sur le nombre de conteneur circulant sur un arc, et ainsi, si (M AXe)e∈Aest une famille de bornes positives, on a :
0≤xe≤M AXe,∀e∈A 2.2.3. Contraintes sur le routage induit des produits
De cet objet principal d´ecoule le routage des produits que l’on mod´elise sous la forme d’un multiflot. Pour simplifier la mod´elisation, on prend unmultiflot fractionnaire`a valeurs dans l’intervalle r´eel [0,1]. Pour connaˆıtre la quantit´e de produitksur un arce, il suffit de multiplier fek par la demande Dk associ´ee `a la commodit´e. Celui-ci doit donc respecter les contraintes de conservation du flot pour chaque composante :
X
e∈ω−(u)
fek− X
e∈ω+(u)
fek=bku,∀u∈V,∀k
o`ubku est une constante d´ependante de la nature du sommetuconsid´er´e pour la commodit´ek.
k
Lo¨ıc Yon Chapitre 2. R´eseaux de mobilit´e - Mod`eles
par le syst`eme de transport pour une commodit´e donn´ee k ∈ K. Connaissant les temps de parcoursce des arcs de G, ce temps s’´ecrit naturellement comme suit :
tkΓ=X
e∈E
cefek
Par abus de notation, on le notera le plus souventtk. 2.2.4. Contraintes de couplage
Les contraintes de couplage sont au cœur du probl`eme que nous ´etudions. Elles symbolisent la relation forte entre le routage des produits et le flot des conteneurs qui circulent sur le r´eseau.
Comme dans tous les probl`emes de synth`ese de r´eseaux, ce sont ces contraintes qui rendent leprobl`eme difficile.
Elles se d´eclinent de plusieurs fa¸cons, suivant les param`etres que l’on veut prendre en compte ou encore suivant les m´ethodes de r´esolution (certaines contraintes peuvent avoir un meilleur comportement vis-`a-vis des diff´erentes relaxations comme on a pu le constater lors de l’´etude des diff´erents probl`emes au chapitre consacr´e `a l’´etat de l’art).
Conteneurs de taille infinie
Supposons tout d’abord que la capacit´e des conteneurs est infinie (ce qui peut ˆetre le cas par exemple sur un r´eseau si, sur une ´echelle de temps donn´ee, la fr´equence des conteneurs est suffisamment ´elev´ee pour absorber tout le trafic). On peut normaliser les demandes des produits, X
k∈K
Dk= 1 et alors les contraintes de couplage sont : X
k∈K
fek≤xe,∀e∈A
Ce qui donnem contraintes de couplage.
On peut tr`es bien choisir d’´eclater cette contrainte au niveau des commodit´es, et plutˆot choisir de l’´ecrire :
fek≤xe,∀e∈A,∀k∈K
On a alorsmKcontraintes. Mais cette formulation peut ˆetre plus forte en terme de relaxation.
Conteneurs identiques de taille donn´ee
Supposons maintenant que la capacit´e des conteneurs, tous identiques, est finie et fix´ee `a la valeurQ. La contrainte de couplage entre le flot et le multiflot, s’´ecrit naturellement :
X
k∈K
Dkfek ≤Qxe,∀e∈A
Chapitre 2. R´eseaux de mobilit´e - Mod`eles Lo¨ıc Yon
2.2.5. Mod`ele
Voici donc une instance simple du probl`eme de synth`ese de r´eseaux de mobilit´e avec demande ´elastique o`u les conteneurs sont de capacit´e infinie et o`u le support temps est limit´e :
Trouver sur un r´eseau G = (V, E), un flot conteneur x = (xe)e∈A et un multiflot produitf = (fek)k∈Ke∈E tels que S= X
k∈K
DkΦk(fk) soitmaximale (20.0) sous les contraintes :
X
e∈A
pexe≤pmax (20.1)
X
e∈ω−(u)
xe− X
e∈ω+(u)
xe= 0 ∀u∈VA (20.2)
X
e∈ω−(u)
fek− X
e∈ω+(u)
fek=bku ∀u∈V,∀k (20.3) fek≤xe ∀e∈A,∀k (20.4) xe∈N,0≤xe≤M AXe ∀e∈A (20.5) fek∈[0,1] ∀e∈E,∀k (20.6) connaissant A ⊂ E, des commodit´es (Dk, ok, dk)k∈K, des coˆuts pmax, (pe)e∈A et (ce)e∈E, et des capacit´es (M AXe)e∈A
Pl.20 : Instance simple du probl`eme de synth`ese de r´eseaux de mobilit´e
En raison de la probl´ematique soulev´ee en introduction qui consiste `a ˆetre capable de connaˆıtre des fonctions de qualit´e de service acceptables et r´ealistes, nous avons laiss´e une forme encore tr`es g´en´erale dans cette formulation. Nous allons choisir des expressions parti-culi`eres de ces fonctions au point 2.3.
Ce mod`ele se place dans l’optique o`u l’on cherche des lignes de transport associ´ees aux conteneurs. Avec une mod´elisation par flot, ces lignes sont ferm´ees, on peut donc aussi parler de circuits ou encore de tourn´ees. Un tel mod`ele ne permet pas de connaˆıtre, a priori, ni le nombre de lignes cr´e´ees ni leurs qualit´es intrins`eques (forme, taille, ...). Sans analyse, on ne sait pas non plus si des connexions complexes sont pr´esentes sur le r´eseau. Nous verrons comment ajouter des contraintes pour fixer le nombre de tourn´ees d´esir´ees au point 2.4.6.
Comme nous l’avons d´ej`a ´evoqu´e, ce mod`ele ne prend pas en compte certains probl`emes li´es `a la gestion du temps : synchronisation des lignes et connexions complexes.
Nous pouvons juste supposer qu’il y a suffisamment de conteneurs (au niveau de la fr´equence) pour absorber la demande globale.
Le d´eplacement des conteneurs se fait sur les arcs rapides sur des lignes d´etermin´ees par x. Le d´eplacement des produits se fait suivant la r`egle du plus court chemin (PCC) de
Lo¨ıc Yon Chapitre 2. R´eseaux de mobilit´e - Mod`eles
Le nombre de variables enti`eres, le nombre d’arcs rapides a, peut devenir probl´ematique lors de la r´esolution d’un probl`eme.
2.2.7. Complexit´e th´eorique
Montrons que ce probl`eme, mˆeme avec une formulation aussi simple, est un probl`eme NP-difficile.
Pla¸cons-nous dans les conditions suivantes :A=E, Φk(fk) =P
ecefek,Dk = n(n−1)2 . On cherche alors `a minimiserP
exe. Chercher une telle somme inf´erieure ou ´egale `a n(n=|V|) revient `a trouver un cycle hamiltonien et se ram`ene donc `a un probl`eme de Voyageur de Commerce qui est NP-difficile [LR81], mˆeme si quelques unes des instances de ce probl`eme peuvent ˆetre r´esolues en temps polynomial [LAP92].
2.2.8. Borne sup´erieure sur la fonction objectif
Nous aimerions r´epondre `a la question de savoir si on peut disposer d’une bonne borne sur l’´evaluation de la fonction objectif S.
Naturellement, si la contrainte (20.1) est relˆach´ee, il est tr`es facile de calculer une borne sup´erieure Smax de S. En effet, elle est obtenue si toutes les commodit´es sont rout´ees avec une qualit´e de service optimale et vaut :
Smax= X
k∈K
Dk
Bien entendu, dans le cas g´en´eral, cette borne est grossi`ere et doit ˆetre mod´er´ee suivant les contraintes sur le coˆut du syst`eme de transport Γ , notamment (20.1). Nous ne disposons pas d’une borne plus fine qui s’exprimerait en fonction de ce coˆut. Cependant, on peut esp´erer obtenir une bonne estimation en r´esolvant un programme lin´eaire o`u les contraintes d’int´egrit´e du flot sont relˆach´ees : en effet, la satisfaction r´eelle ne peut ˆetre sup´erieure `a la satisfaction obtenue en relˆachant ces contraintes. Nous discutons du gap, ´ecart d’´evaluation de la fonction objectif entre la solution enti`ere et la solution obtenue par relaxation, `a la section 2.5.