Nousdé rivonstoutd'abordlepro essusdegénérationdesnouvellesdemandesaujour
p+ 1
. Puis, nous proposons des solutions de replani ation, pour l'algorithme mémétique et pour la méthode degénération de olonnes.7.2.1 Génération du problème au jour
p + 1
Nous onsidérons tout d'abord que la harge reste équilibrée au l de l'horizon, et que le nombre de nouvelles demandes est égal au nombre de demandes satisfaites pendant la période é oulée.
Lepro essus degénération d'un problèmepour lapériode
p+ 1
est enfait unemodi ation du problème à la périodep
. Le point de départ est la solution obtenue au problème posé à la périodep
. Nous pro édons en troisétapes:1. Déterminationdesdemandessatisfaitesetinsatisfaitespendantlapériode
p
,etsuppression desdemandes satisfaites.2. Création desnouvelles demandes et ressour es.
3. Ajustements on ernant lespériodesde validité desdemandes.
Ladétermination desdemandes satisfaiteset insatisfaiteslors de lapériodeé oulée estarbi- traire:lesdemandesquiétaient plani éespour ettepériodesont onsidérées omme satisfaites, et don supprimées du problème. Dans le as réel e n'est pas tout-à-fait vrai, ar des évène- mentsperturbateurs de nature urgente peuvent survenir en oursde tournée.Cependant, ette problématique dépasse le adrede ettethèse.
Lesnouvelles demandes sont rééesave l'algorithmeutilisé pour lagénération du problème original,etdé ritau hapitre1.Cependant,lesnouveauxrendez-voussont antonnésàlase onde moitié de l'horizon.Dansle as réel,lespratiquesdièrent d'une régionà l'autre, et iln'est pas possible de générer untype d'instan es représentatif de latotalité des pratiques.Les ressour es asso iéesàlapériode
p
sontsupprimées,etdenouvellesressour es,asso iéesàlanouvellepériodep+ T
, sont réées.L'étaped'ajustementspermetdemettreàjourlespériodesdevaliditéenfon tiondunouveau repère temporel, mais également en fon tion de fa teurs de faisabilité. Ainsi, nous onsidérons qu'une demande qui était valide pour tout l'horizon pré édent est toujours valide pour tout le nouvel horizon. Ce i orrespond à un aspe t de réalisme : à l'é helle de quelques horizons de plani ation, ertaines demandes peuvent être satisfaites à n'importe quel moment, ar elles orrespondent à une é héan e de trèslong terme.
demandes satisfaites (et don devenues obsolètes), et un ensemble de nouvelles demandes. À haque instan e de test est asso ié un s énario unique et générant des instan es satisfaisables, 'est-à-direpourlesquellesilexisteunesolutionsatisfaisanttouteslesdemandes.Pourunemême instan e, les problèmes résolus sont don les mêmes, que e soit ave ou sans réutilisation des solutions partielles despériodespré édentes.
7.2.2 Résolution du problème à la période
p + 1
Àlapériode
p+ 1
, ondisposed'unproblèmemodi é,d'unesolutionpartielleà e problème, et d'unensembledenouvellesdemandes,nonplani ées.Nousproposonsderésoudreleproblème modi éen utilisant la solution partielle. Nousappliquons ette idée à l'algorithme mémétique, puis à laméthode de résolution par génération de olonnes. Cha une de es méthodesné essite une étape préliminairede préparation et miseàjour de lanouvelle solution et desressour es.Résolution appro hée par algorithme mémétique
L'algorithme mémétique présenté au hapitre 4 manipule en permanen e une population de solutions partielles, qu'il omplète et améliore. Par ailleurs, en n d'exé ution de e même algorithme, ondisposed'unepopulationde
µ
parents( hoisisparmi lesmeilleursdesλ
enfants). Cha unede essolutionsest enséeêtrediérente.Ondisposedon ,pourleproblèmeàlapériodep+1
,deµ
solutionspartielles.Nousproposonsderéutiliserl'ensemblede ettepopulationpourla populationdedépart delarésolution dunouveau problème. Nous omplétons essolutionsave lesnouvellesdemandesenappliquantunedes enteenprofondeursurlevoisinagededépla ement de n÷udsdé rit au hapitre 3( evoisinagein lut lesdépla ementsden÷uds nonplani ésdans les tournées). L'algorithme mémétique habituel est ensuiteexé uté normalement (voir hapitre 4 pour plus dedétails).Con ernantle hoixdutauxdemutation(
τ
),nousgardonspourlesexpérimentationsdé rites dans la se tion suivante une valeur onstante. Cette valeur est identique pour les tests ave et sans réutilisation des solutions pré édentes. Il s'agit d'une valeur donnant de bons résultats (τ
=
xe-0.2), maispas les meilleurs (voir hapitre 4). Le but de esexpérimentations n'est pas de trouver dessolutions optimales, maisdemesurer l'impa tde laréutilisationsurlavitessede onvergen e.Résolution par génération de olonnes
Dansle asdelarésolution parBran handPri e,onnedisposepasseulementdelasolution pour lapériode pré édente, mais aussidel'ensemble des olonnesgénérées pour aboutir à ette solution.Certainesde es olonnesnesontplusvalides,pourdiversesraisons.Cependant,d'autres olonnes restent valides. Cette propriété est inhérente à laméthode de génération de olonnes, et non àlare her he arbores ente. Aussi,nousexpérimentons ex lusivement laréutilisationdes olonnessurl'algorithmedegénérationde olonnes.End'autrestermes, nousnepar ouronsque lepremier n÷udde l'arbredu Bran hand Pri e.
Les olonnes qui ont été générées lors de résolutions su essives de sous-problèmes sont de bonnes olonnes; une nouvelle résolution en repartant dire tement d'une simple solution réali- sable, et sans réutiliser les olonnes déjà générées, passerait sans doute par une se onde géné- ration de es olonnes, qui serait oûteuse en temps. Réinje ter es olonnes dans le nouveau problème-maître ne oûte rien, et représente un gainpotentiel surletemps de al ul, e qui est
omme solutionde départpour larésolution duproblème àlapériode
p+ 1
,les olonnes orres- pondant àla nouvelle solution trouvée par une heuristique,auxquelles nousajoutons toutes les olonnespré édemment généréeset qui sont toujoursvalides. Une olonne peut devenirinvalide à lapériodep+ 1
dansdeux as:Ellevisitedesdemandesquiontétévisitéespendantlapériode
p
,etquisontdon obsolètes. La ressour e asso iée àla olonne orrespond à lapériodep
, et estdon périmée.Avant de ommen er la résolution, es olonnes invalides sont don supprimées du Problème- Maître. Dans la pratique, entre 5 et 40% des olonnes sont onservées d'une période à l'autre. Puis, larésolutionestee tuéenormalement, lasolutionde départétantfournie parune heuris- tique oumétaheuristique; unensemble debonnes olonnes, utilisables dèslapremière itération de l'algorithmede génération de olonnes, estsimplement ajoutéau problème-maître.