HAL Id: tel-00797855
https://tel.archives-ouvertes.fr/tel-00797855
Submitted on 7 Mar 2013
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
ordonnancement et communications
Rodolphe Giroudeau
To cite this version:
Rodolphe Giroudeau. ordonnancement et communications. Recherche opérationnelle [cs.RO].
Univer-sité Montpellier II - Sciences et Techniques du Languedoc, 2012. �tel-00797855�
S ien es et Te hniques du Languedo
Habilitation à Diriger des
Re her hes
présentéeau Laboratoired'Informatique de Robotique etde Mi roéle tronique de Montpellier
Spé ialité :Informatique
Formation Do torale : Informatique É ole Do torale : Information, Stru tures, Systèmes
Ordonnan ement et Communi ations
par Rodolphe GIROUDEAU
Date de soutenan e : le 19 o tobre 2012
Composition du jury
Messieurs Vangelis Pas hos Rapporteurs
Christophe Pi ouleau
Denis Trystram
Madame Alix Munier-Kordon Présidente du Jury
Monsieur Stéphan Thomassé Examinateur
Je tiens àremer ier lesmembres demonjury de thèse:
Alix Munier-Kordonpour l'honneurqu'ellem'a faitde présider e jury.
Chrisitophe Pi ouleau, Vangelis Pas hos et Denis Trystram pour avoir a epté d'être lesrapporteurs de ette volumineuse habilitation. C'estpour moi une grande joie, de savoir que des her heurs de ette qualité aient appré iémon travail.
Je tiens à remer ier Jean-Claude König et Stéphan Thomassé d'avoir a eptés d'être membre dujury.
JetiensàexprimermaplusprofondegratitudeàJean-ClaudeKönig,ave qui j'ai beau oup de plaisir à travailler,qui m'a initié à la re her he et qui s'est toujoursintéressé à montravail.Jean-Claudeest plusqu'un ollègue.
J'adresse mes remer iements à tous les membres du Laboratoire pour leur aidepré ieuse auquotidien.
JevoudraiexprimermonamouràmamamanCatherineKermarre ,tout simplement ar 'estmamaman.
JetiensàmentionnerlesnomsdeBernardLemoine,ledaronetdeFran k Cardarelli pour e qui m'ont apportésur lesterrains et àl'extérieur.
Je tiens à exprimer ma sin ère amitié à mon frère Gaël Thomas pour les heures passéessurles terrainsde sportseten dehors.C'est unplaisir de t'avoir omme frère.
JevoudraipournirexprimermonamouràSéverine,RomaneetMaëlle pour m'avoiren ouragé dansles momentsdéli ats, d'êtreprésentesau quo-tidien, de m'é outer etdem'aimer telqueje suis.
I Présentation générale et rappels 1
1 Présentation 3
1.1 Introdu tion . . . 3
1.2 Organisation de lathèse . . . 4
2 Rappelssurlathéoriedela omplexitéetdel'approximation 7 2.1 Introdu tion . . . 7
2.2 Quelquesrappels en théoriede la omplexité. . . 7
2.2.1 Complexité ettransformationpolynomiale . . . 7
2.2.2 Le théorème del'Impossibilité . . . 9
2.2.3 Leslimites del'approximation :late hnique dugap 10 2.3 Quelquesrappels en théoriede l'approximation . . . 12
2.3.1 Sur lané essité de ompléter la lassi ation des pro-blèmes . . . 12
2.3.2 Mesure dela qualitéd'une solutionappro hée . . . 12
2.3.3 Approximation àrapport dépendant de l'instan e . . . 13
2.4 Méthodologies . . . 14
2.4.1 Lesméthodesénumératives . . . 14
2.4.2 Lesheuristiques etlesalgorithmes appro hés . . . 17
2.5 Listedesproblèmes
N P
- omplets. . . 182.5.1 Le problème
SAT
. . . 192.5.2 Le problème
3SAT
. . . 192.5.3 Le problème
M onotone
-one
-in
-3SAT
. . . 192.5.4 Le problème
One
− In − (2, 3)SAT (2, ¯1)
. . . 192.5.5 Le problème dela lique maximum . . . 20
2.5.6 Leproblèmed'unsous-ensembleindépendantéquilibré dansun graphebiparti . . . 20
2.5.7 Le problème
3
-partition . . . 203 Dénition, analyse et lassi ation des problèmes
d'ordon-nan ement 23
3.1 Dénition desproblèmes d'ordonnan ement . . . 23
3.1.1 Des ription destâ hes . . . 23
3.1.2 Environnement despro esseurs . . . 24
3.1.3 Critères d'optimalité . . . 25
3.1.4 Notion de granularité. . . 27
3.2 Appro hes etstratégies derésolution desproblèmes d'ordon-nan ement . . . 28
3.3 Classi ation desproblèmes d'ordonnan ement déterministes 31 3.3.1 Présentation de lanotation à trois hamps . . . 31
3.3.2 Commentaires sur ette notation etdépendan es . . . 33
II Ordonnan ement pour le parallélisme 37 4 Communi ations homogènes 39 4.1 Présentation etmotivations . . . 39
4.1.1 Introdu tion. . . 39
4.1.2 Analyse desrésultatsexistants . . . 40
4.1.3 Présentation du hapitre . . . 41
4.2 Les grandsdélais de ommuni ation . . . 43
4.2.1 Rappeldesrésultatsexistantssurlesgrandstemps de ommuni ation . . . 43
4.2.2 Motivation . . . 45
4.2.3 Seuil d'approximation pour les grands délais de om-muni ation . . . 45
4.2.4 Un algorithme polynomial pour
C
max
= c + 2
avec
∈ {2, 3}
. . . 544.2.5 Approximationpar dilatation . . . 55
4.3 Analyse desrésultats . . . 58
4.4 Con lusion. . . 59 5 Communi ations hiérar hiques 63 5.1 Présentation etmotivations . . . 63 5.1.1 Introdu tion. . . 63 5.1.2 Motivations . . . 66 5.1.3 Présentation du hapitre . . . 66
5.2 Résultats surlanon-approximabilité pourtous ouples dev a-leurs . . . 67
5.2.2 La minimisation delasomme destemps de omplétude 72
5.3 Un algorithmepolynomialpour
C
max
= c + 1
. . . 725.4 Dis ussion . . . 72 5.5 Approximation . . . 73 5.6 Con lusion. . . 74 6 Communi ations lo ales 75 6.1 Présentation etmotivations . . . 75 6.1.1 Introdu tion. . . 75 6.1.2 Présentation du hapitre . . . 78
6.2 Résultats existantsen omplexitéetapproximation . . . 79
6.2.1 Motivations . . . 79
6.2.2 Le prin ipe dupliage en ordonnan ement . . . 80
6.3 Etude de latopologieen anneau. . . 82
6.3.1 Introdu tion. . . 82
6.3.2 Complexité . . . 82
6.3.3 Algorithmes d'approximation . . . 82
6.4 Etude de latopologieen étoile. . . 86
6.4.1 Introdu tion. . . 86
6.4.2 Complexité . . . 87
6.4.3 Un algorithmepolynomial . . . 92
6.4.4 Minimisation de lasommedes temps de omplétude . 92 6.4.5 Algorithme appro hé surl'étoile . . . 93
6.4.6 Etude de la topologie d'ungraphe stru turé en étoile de diamètre
d
. . . 956.5 Etude de latopologied'ungraphe stru turéde diamètre
d
. . 986.5.1 Introdu tion. . . 98
6.5.2 Complexité . . . 98
6.5.3 Dis ussion . . . 108
6.5.4 Algorithmed'approximationpour ungraphestru turé diamètre
d
. . . 1086.6 Con lusion. . . 109
III Appli ations des problèmes d'ordonnan ement 111 7 Communi ations exa tes et in omprésibles 113 7.1 Introdu tion . . . 113
7.2 Le problème d'a quisition de données pour une torpille en
immersion . . . 114
7.2.1 Motivations . . . 114
7.2.2 Des ription destâ hes d'a quisitionetde traitement . 115 7.2.3 Présentation etdes ription dumodèle . . . 117
7.2.4 Complexité etapproximation pour lestâ hes ouplées en présen ed'ungraphe de ompatibilité omplet . . . 117
7.2.5 Résultatsde omplexitésurlestâ hes- oupléesen pré-sen e d'ungraphede ompatibilité . . . 118
7.2.6 Résultats d'approximation sur les tâ hes- ouplées en présen e d'ungraphede ompatibilité . . . 123
7.2.7 Con lusion surles tâ hes- ouplées . . . 125
7.3 Le problème d'ordonnan ement destâ hesviti oles . . . 125
7.4 Con lusion surl'ordonnan ement de tâ hesviti oles . . . 128
8 Con lusion et perspe tives 131 8.1 Con lusion. . . 131
8.2 Perspe tives . . . 134
8.2.1 Etude des problèmes d'ordonnan ement ave l'ap-proximation diérentielle. . . 134
8.2.2 Ave l'appro heFTP (Fixed-Parameter Algorithms) . 137 8.2.3 Trois appro hes méthodologiques omplémentaires . . 138
2.1 Problème d'un plus ourt hemin . . . 15
3.1 Un graphe depré éden e . . . 27 3.2 Un ordonnan ement pour le graphe de pré éden e donné par
la gure 3.1 . . . 27 3.3 Appro he synthétique fa e àun problème d'optimisation
om-binatoire et enparti ulier les problèmes d'ordonnan ement . . 29 3.4 Illustrationsdesdiérentesrelationsentredesparamètres
par-ti uliers . . . 35
4.1 Prin ipaux résultats de omplexité pour le modèle
U ET
pour la minimisation dela longueur de l'ordonnan ement . . . 42 4.2 Prin ipaux résultats d'approximation pour le modèleU ET
pour la minimisationdela longueur de l'ordonnan ement. . . 43 4.3 Graphe partiel du graphe de pré éden e utilisé pour la
preuve de la
N P
- omplétude du problème d'ordonnan ement¯
P
|prec; c
ij
= c
≥ 3; p
i
= 1
|C
max
.. . . 46 4.4 Graphe partiel du graphe de pré éden e pour ladémonstra-tiondela
N P
- omplétude pourleproblèmed'ordonnan ement¯
P
|prec; c
ij
= 2; p
i
= 1
|C
max
. . . 51 4.5 Illustration de la notion de dilatation . . . 56 4.6 Prin ipaux résultats de omplexité pour le modèle homogènepour la minimisationdela longueur de l'ordonnan ement. . . 60 4.7 Prin ipauxrésultatsd'approximationpourlemodèlehomogène
pour la minimisationdela longueur de l'ordonnan ement. . . 61
5.1 Ordonnan ementpartielsurun luster
K
i
,etsous-graphe par-tiel du graphe de pré éden e pour une lauseC = (y
∨ z ∨ t)
pour le problèmeP (P l
¯
≥ 4)|prec; (c
ij
, ǫ
ij
) = (c
≥ 3, 1)|C
max
. 685.2 Résultats de omplexité pour le problème UET-UCT dans le
as du pire as . . . 73
6.1 Illustration de l'inuen e de l'allo ation des prédé esseurs d'une tâ he . . . 78
6.2 Ordonnan ementréalisable pour
σ
chain,
∞
pour le as oùm
′
≤
√
n
. . . 846.3 Ordonnan ementréalisable pour
σ
chain,
∞
pour le asm
′
>
√
n
84 6.4 Instan e pour laquelle leratio est stri tement inférieur à2
√
n
3
85 6.5 Illustrationde l'instan e onstruite pourle problème d'ordon-nan ementà partir du problèmeN P
- omplet lique . . . 886.6 Les ontraintesdepré éden e entrelesensembles
X, Y, Z, W
etU
à partir del'instan e donné par la gure 6.5 . . . 896.7 Ordonnan ementde longueur inq . . . 90
6.8 Un ordonnan ementde longueur
2θ + 3
. . . 976.9 Un exemple d'unPrisme graphede taille
k
etdelongueurL
. 99 6.10 GrapheZ
2
. . . 1016.11 Ordonnan ement réalisable pour le graphe
Z
2
en temps trois sur une haîne de longueur quatre . . . 1016.12 Début del'illustrationdela onstru tiondugraphe
W
àpartir du grapheG
∗
. . . 1026.13 Suite de la onstru tion de
W
. Création des haînes de lon-gueurtroisetajoutdes ontraintesdepré éden e entrelestâ hes103 6.14 Partition dugrapheG
∗
enfon tiondes ensemblesdesommetsV
1
,K
etV
. . . 1046.15 Graphe
W
résultant issudes diversestransformations . . . 1047.1 Illustration d'unetâ he d'a quisition
A
i
. . . 1157.2 Illustration d'unetâ he detraitement
τ
i
. . . 1167.3 Illustration dela ontrainte d'in ompatibilité . . . 116
7.4 Visualisation globale de la omplexité des problèmes d'or-donnan ement ave tâ hes d'a quisition en présen e de ontraintes d'in ompatibilité . . . 119
7.5 Visualisation globale de la omplexité des problèmes d'or-donnan ement ave tâ hes d'a quisition en présen e de ontraintes depré éden e . . . 120 7.6 Visualisation globale de la omplexité des problèmes
d'ordon-nan ement ave tâ hes d'a quisition et tâ hes de traitement en présen e de ontraintes depré éden e et d'in ompatibilité . 121
7.7 Un ontre-exemplepourleproblème
Π
P G
4
.Ilest intéressantde noterque dans le asoùlegraphe de ompatibilité est omplet le problème devient polynomial en utlisant la re her he d'un ouplage de taillemaximum. . . 122 7.8 Un ontre-exemple pourleproblèmeΠ
P G
6
.Chaquetâ heA
i
est équivalente aumodèle(a
i
= L
i
= p, b
i
= b)
. Pourun ouplage donné, l'ordonnan ementb)
exé ute les tâ hes de l'arête de poids maximum en premier mais rée un slot, alors que dans le asa)
l'ordonnan ementest sanstempsd'ina tivitésinous n'exé utons pas la tâ he depoids maximum enpremier.. . . . 1238.1 Vision globale des modèles présentés liés au parallélisme . . . 132 8.2 Alare her he d'unmodèleàdélaide ommuni ationgénéralisée133
4.1 Résultats de omplexité pour lemodèle à ommuni ation ho-mogène en présen eounon de grandsdélais de ommuni ation 44 4.2 Résultats d'approximation pour le modèle à ommuni ation
homogèneenprésen eounondegrandsdélaisde ommuni ation 45 4.3 Tableau 4.1 omplété . . . 58 4.4 Nouveauxrésultatsd'approximation . . . 59
5.1 Tableau omparatif sur la omplexité et sur la (non)-approximation des problèmes d'ordonnan ement en présen e de ommuni ations homogènesethiérar hiques obtenus dans [68 ℄. . . 65 5.2 Résultats de omplexitépour lase tion5.2 . . . 67
6.1 Résumé desrésultatsde omplexité antérieurs montrés sur e modèle . . . 80
6.2 Résumé des nouveaux résultats
mon-trés sur e modèle. Notons que
G
∗
∈
{Arbre binaire, Grille, T ore, Connected Cube cycle, . . .}
.La distan ed(π
l
, π
h
)
est le nombre d'ar s dans le graphe des pro esseurs
G
∗
. . . 109
7.1 Résumé des résultats de omplexité pour les tâ hes- ouplées ave ungraphe de ompatibilité omplet . . . 117 7.2 Résumé desrésultatsd'approximationpour lestâ hes- ouplées118 7.3 Tableau synthétisant les résultats d'approximation sur les
6.1 Ordonnan ement sur
m
pro esseurs à partir d'un ordonnan- ementσ
∞
surunnombre inni. . . 80 6.2 Ordonnan ement pour le problème
(P, ´
etoile)
|prec, c
ij
=
d(π
i
, π
j
), p
Présentation générale et
1
Présentation1.1 Introdu tion
Il est ommunément admis que les problèmes d'ordonnan ement s'in-téressent à l'allo ation (optimale) des diérentes parties d'une appli a-tion, représentée par un graphe de pré éden e
G = (V, E)
qui ara té-rise les ontraintes hronologiques entre es diérentes parties, aux res-sour es/ma hines, an que l'appli ation soit a omplie le plus rapidement et/
ouaumoindre oût.Cettedénitionesttrèsgénérique etpermetde ou-vrir un large spe tre de problèmes d'optimisation ombinatoire. Nous pou-vons iter ommedomainesd'appli ation:ordonnan ementdeprojet(viala méthode PERT), les problèmes liés aux ateliersde produ tion, lignes d'as-semblage,lessystèmesd'exploitationdesordinateurs,lessystèmesdistribués et systèmes embarqués, les problèmes d'emplois du temps, des problèmes d'ae tation, de transports,de tournées,. . .
Quoique ré ente (début des années
1960
), la théorie de l'ordonnan e-ment a fait l'objet d'études très poussées, tant au niveau de la omplexité, que de lare her he de solutions exa tes ou de solutions appro héesave ou sansgarantiedeperforman e1
.Denombreux ouvragesspé iqueset dédiés aux problèmes d'ordonnan ement ont étépubliés. Nous pouvons référen er trois livres lassiques portant sur l'étude des problèmes d'ordonnan ement en général [16℄,[99℄, [133 ℄.
Je me suis intéressé aux problèmes d'ordonnan ement lorsque j'ai om-men é ma thèse de Do torat sous ladire tion de Evripidis Bampis en
1996
à l'université d'Évry Vald'Essonnedont lesujetportaitsur L'impa t des délaisde ommuni ationshiérar hiquessurla omplexitéetl'approximation des problèmes d'ordonnan ement . J'ai poursuivil'étude de es problèmes depuis mon intégration dans l'équipe APR ( Algorithme et Performan es1
des Réseaux ) au sein du LIRMM. Ce manus rit établit une synthèse de mestravauxdepuis quelquesannées.
1.2 Organisation de la thèse
Leplande ettethèse omportetroisgrandesparties(detaillesinégales). La première partie porte sur la présentation générale de e manus rit, un rappel sur la théorie de la omplexité et de l'approximabilité et pour nir les problèmes d'ordonnan ement. La suivante se fo alise sur les problèmes d'ordonnan ementpourleparallélisme.Ladernière on ernedesappli ations potentielles pour deuxproblèmes d'ordonnan ement.
Au hapitre 2 nous pro éderons à un rappel sur la théorie de la om-plexité et de l'approximabilité. Nous y présenterons les bases telles que la notion de transformation polynomiale, les lasses de omplexité (
P, N P
etN P
- omplet). Nousillustronsvia deuxexempleslané essitéde poursuivre, de ompléterla lassi ation enutilisantlathéoriedel'approximation.Nous donnerons lethéorème de l'impossibilité qui permet de déterminer un seuil d'approximation pour un problème d'optimisationΠ
à partir d'un résultat deN P
- omplétude pour unevariantedé isionnelle deΠ
.Nousrappellerons également le théorème du gap qui permet la détermination d'un seuil d'approximationk
pour un problème d'optimisationΠ
à partir d'un seuil d'approximationk
′
pour un problèmed'optimisation
Π
′
.Danslalittérature ette rédu tion est appelée la
gap
-rédu tion. Nous présenterons également les lasses d'approximation dépendant del'instan e.Nous listerons les problèmes
N P−
omplets qui seront utilisés dans la suite lorsdesdiérentestransformations polynomialesproposées.Au hapitre 3 les dénitions fondamentales, les hypothèses et les on epts, en théorie de l'ordonnan ement, qui seront utilisés dans la suite de emanus ritserontdé rits. Nous ommen eronsparprésenterl'ensemble destâ hes.Ensuite,nousdé rironsviadeuxmodèlesdebaseen ordonnan e-ment statique(le systèmemultipro esseur etles pro esseurs dédiés), l'envi-ronnement des pro esseurs etl'inuen e surles ara téristiquesdes tâ hes. Pour nir, nousénumérons les ritères d'optimalité (ou fon tionsobje tifs) lassiquesen théorie de l'ordonnan ement. Un exemple viendra illustrer les diérents ritères d'optimalité.
Après,nousénuméronslesvoiespossiblesetlesstratégiespourtenterde résoudreau mieux(notion quisera formaliséedans e hapitre)les pro-blèmesdontla omplexitédesmeilleursalgorithmes onnusestexponentielle. Nousdétaillerons lanotation synthétique (usuelle) à trois hamps
α
|β|γ
.le parallélisme. Le but de l'ordonnan ement pour le parallélisme est d'ob-tenir desmodèles de plusen plusables etréalistes tout en onservant des résultats théoriques exploitables. Les modèles faisant abstra tion de la hié-rar hiemémoire nepeuvent êtreutilisés danslesar hite tures modernes,et ainsila notionde ommuni ation doit êtreprise en ompte.
Le hapitre 4 abordera les résultats de non-approximabilité et d'ap-proximation dansle as dumodèlehomogène en présen edes grandsdélais de ommuni ation etnousredémontrerons lerésultat lassiquepour le pro-blème
U ET
− UCT
,enutilisant unetransformation àpartir d'unevariante de3SAT
.Le modèleave ommuni ationhomogène estun modèletrès lar-gement étudié dansles années90
. Ce modèle apture la notion de délai de ommuni ationpotentielleentredeuxtâ hesi
etj
,soumisesàune ontrainte de pré éden e. Les ontraintes de pré éden e entre les tâ hes sont données par un graphe de pré éden e. Le délai n'est ee tif que si les deux tâ hesi
etj
s'exé utent sur deux pro esseurs diérents. Dans e hapitre nous présenterons,une lassi ation tanten omplexité qu'enapproximation, des prin ipaux résultats onnus sur e modèle.Au hapitre 5, nous présenterons un modèle ave des ommuni ation hiérar hiques dans lequel plusieurs niveaux de ommuni ations sont pris en ompte. Ce modèle tente de modéliser les ar hite tures où les pro es-seurs sont regroupéssous formedegrappesde pro esseurs.Une grappesera onstituée de deuxou plusieurs pro esseurs reliés par un réseau totalement onne té. Les grappes seront également reliées entre-elles par un réseau to-talement onne té. Ave es ara téristiques, nous pouvons hiérar hiser les délaisde ommuni ations entrelestâ hessoumisesà des ontraintesde pré- éden e. En eet, nousdistinguons les ommuni ations inter-grappes etles ommuni ations intra-grappes. Ce modèle estune généralisation dumodèle à ommuni ations homogènes. Nous étudierons e modèle au niveau de la omplexité et de l'approximation, et nous étudierons également les straté-gies et les te hniques qui résistent aux passages du modèle homogène au modèlehiérar hique.
Le hapitre 6 sera dédié à la présentation d'un modèle qui prend en ompte le pla ement des tâ hes sur les pro esseurs omme une donnée es-sentielle.Cemodèlese ara tériseparlefaitquedanslaplupartdesmodèles d'ordonnan ement étudiés le graphe de pro esseurs (sur lesquels les tâ hes s'exé utent)estimpli itementsupposé ommeétant omplet(tousles pro es-seurssonttotalement onne tés).Dans e hapitre,nousrelaxons ette hypo-thèse sur l'environnement des pro esseurs en onsidérant plusieurs graphes stru turés( haîne, hyper ube,
. . .
).Et noussouhaitonsmesurer l'impa tdel'introdu tion des réseaux de pro esseurs sur la omplexité et l'approxima-tiondesproblèmes d'ordonnan ement.
Demême,plusieurs résultatsde omplexitéetd'approximation selonles hypothèsesseront développés.
Le hapitre 7 portera sur des appli ations. Dans un premier temps, nous étudierons du point de vue de la omplexité et sur le développement de solutions algorithmiques pour un problème d'ordonnan ement appliqué à l'a quisition de données pour une torpille en immersion. Dans e adre, nous utiliserons le modèle des tâ hes- ouplées sur un monopro esseur en présen e d'un graphe de ompatibilité. Les tâ hes- ouplées est un modèle pour lequel les tâ hessont onstituées dedeux sous-tâ hes ave undélai de ommuni ation entre es sous-tâ hes indilatable et in ompréssible (dans la littérature, nousretrouvons e modèleave laterminologie " ommuni ation exa te").La présen ed'ungraphede ompatibilitéentrelestâ hes- ouplées imposedes ontraintessur elles- idupointdevuedelapossibilitéde re ou-vrir les délais de ommuni ation exa te par l'exé ution d'une ou plusieurs sous-tâ hes. Nous présenterons, de nouveau, des résultats de omplexité et d'approximation.
La deuxième appli ation on ernera l'ordonnan ement des tâ hes viti- oles dansunenvironnement in ertain.
Le hapitre 8 se onsa rera à la on lusion de ette thèse et aux pers-pe tives dere her he quinoussemblent pertinentesetenvisageables.
2
Rappels sur la théoriede la omplexité et de
l'approximation
2.1 Introdu tion
Dans lasuite de ette thèse, nous fo aliserons notre étude sur la lassi- ation des problèmes d'ordonnan ement selon la théorie de la omplexité etdel'approximation.Ce hapitre est entrésurlaprésentationde quelques notions etrésultatsen omplexitéetenapproximation. Nousrenvoyonsà la le turede ertainsouvragesdédiés ([15℄,[128 ℄, [171 ℄)pour des ompléments sur lesnotions introduites dans e hapitre.
Deplus,nouslisteronségalementlesproblèmes
N P
- ompletsutiliséslors desdiversestransformationspolynomialesquenousavons onstruites.2.2 Quelques rappels en théorie de la omplexité
2.2.1 Complexité et transformation polynomiale
La lasse
P
estla lassedesproblèmesde dé isionpour laquelleilexiste un algorithme (de omplexité polynomiale, dépendant de la taille de l'ins-tan e) qui permetde répondre par oui ou non à une instan e quel- onque.Nousproposonsquelquesproblèmesquiappartiennent à ette lasse de omplexité :le problème de la re her he d'un arbre ouvrant de poids de poids
k
dans un graphenon orienté valuéquel onque. Nouspouvons iterles algorithmes de Prim, Kruskal, Sollin etde Boruvka, pour résoudre e problème.un graphenonorientévaluéquel onque,en sebasant surl'algorithme de Karp.
. . .
La lasse des problèmes
N P
est la lasse des problèmes pour laquelle nouspouvonsvérierl'existen ede laréponseouien tempspolynomial. Nouspouvonslister quelquesproblèmes quiappartiennent à ette lassede omplexité:1. le problème du ir uit hamiltonien dans un graphe non orienté quel- onque,
2. le problèmedu stabledetaille
k
,3. le problème de l'isomorphisme de graphes 1
. A tuellement, nous ne onnaissons pasen orel'appartenan ede eproblèmeàla lasse
P
via un algorithme de omplexité polynomialeou à la lasseN P−
omplet via une transformation polynomiale ou bien à la lasse desproblèmes intermédiaire.4. le problème Prime 2
. Il est important de noter, que la lassi ation omplète de e problème a étéréalisée par Agrawal et al. dans[5 ℄. Ils ont montré l'appartenan ede eproblème à la lasse
P
.Dans le but de dénir la lasse des problèmes de dé ision la plus in-téressante, à mon goût, 'est-à-dire la lasse des problèmes
N P
- omplet, nous rappelons la dénition de la notion de transformation polynomiale. Une transformationpolynomiale d'unproblèmeΠ
2
à unproblèmeΠ
1
(noté parlasuiteΠ
2
∝ Π
1
estunefon tionquiasso iel'ensembledesinstan esdeΠ
2
à l'ensembleàun sous-ensemble desinstan esdeΠ
1
touten satisfaisant lesdeux onditionssuivantes:1. pour haque instan e
I
2
deΠ
2
, laréponse est oui si etseulement si laréponsepourf (I
2
)
deΠ
1
est oui,2. lafon tion
f
est al ulableentempspolynomial(dépendseulementde la taillede|I
2
|
).1
Nousrappelonsqu'enthéoriedesgraphes,unisomorphismedegrapheentresommets dedeuxgraphes
G
etH
est unebije tionf : V (G) → V (H)
(V (G)
désigne l'ensemble dessommetsdeG
) ave lapropriétéquedeuxsommetsu
etv
sontadja entsdansG
si etseulementsif (u)
etf (v)
lesontdansH
.Instan e : Soientdeuxgraphes
G
etH
Question :Est- equelesdeuxgraphes
G
etH
sont isomorphes? 2Instan e :Soit
n
unnombrepoint de vue de la dé ision) appartiennent à la lasse de omplexité
N P−
omplet. Cette lasse de omplexité admet des ara téristiques très fortes. En eet,les problèmes appartenant à ette lasse sont les problèmes les plus di iles de la lasseN P
, ils sont tous de di ulté équivalente par rapport à leurs résolutions polynomiales et il surait de on evoir un al-gorithme polynomial pour l'un d'entre eux pour que tous les autres fassent appelà luipour êtrerésolus entemps polynomial.2.2.2 Le théorème de l'Impossibilité
Ilestintéressantdeproposerunseuild'inapproximabilitépourn'importe quel algorithme appro hé. Pour obtenir e seuil (ou borne inférieure d'ap-proximation), nousutilisonslerésultat de
N P
- omplétude lorsquele ritère d'optimalité estégalà une onstante.Théorème 2.2.1 (Théorème de l'impossibilité [50℄ et [67℄) Étant donné un problème d'optimisation ombinatoire
Π
dont la fon tion obje tif est à valeurentière et soit un entierc
. Si le problème de dé ision asso ié àΠ
et à la valeurc
estN P
- omplet alors nous ne pouvons pas espérer avoir une heuristique3
pourleproblème d'optimisation
Π
ayantunratio 4 inférieur àc+1
c
. PreuveNousnoterons par
OP T (I)
lavaleur d'unesolution optimalepour l'ins-tan eI
. Si nous supposons qu'il existe un tel algorithmeA
, alors par ontradi tion nous montrerons que elui- i peut-être utilisé pour dé ider siOP T (I)
≤ c
en temps polynomial. En eet, nous supposons que l'algo-rithmeA
estunalgorithmeρ
appro hépour leproblèmed'ordonnan ement aveρ <
c+1
c
:Si
A(I) < c + 1
alorsOP T (I)
≤ c
etlaréponseestouioùA(I)
désigne lavaleur del'obje tif surl'instan eI
àpartir de l'algorithmeA
. SiA(I)
≥ c + 1
alorsOP T (I) > c
arA(I)
c+1
<
OP T
(I)
c
(par hypothèse, nousavonsun algorithmeρ
-appro hé). La réponseest don non. Don l'algorithmeA
dé ide orre tement siOP T (I)
≤ c
,etdonN P =
P
. 3Nous appelonsheuristiqueun algorithme qui fournitrapidement (entemps polyno-mial)unesolutionréalisablepasné essairementoptimale
4
La onséquen e de e théorème est double : il permet d'une part de proposer un seuil d'approximation etd'autre part, il garantit qu'il n'existe pasde s héma d'approximation polynomiale.
5
2.2.3 Les limites de l'approximation : la te hnique du gap
La
T uring
-rédu tion ( elle que nous utiliserons par la suite (voir Pa-s hos[128℄)pour une dénitionexpli ite desdeux typesde rédu tions las-siques Karp et Turing)) divise les valeurs d'un problème d'optimisation en deux sous-ensembles de valeurs distin tes. L'undeux est onstitué des ins-tan espourlesquelleslaréponseestouiet l'autrepour lesquelleslaréponse estnon. Nous utiliserons ette te hnique de séparation desvaleursen deux sous-ensembles pour établir un seuil d'approximation pour n'importe quel algorithme. Ce théorème permet d'utiliser un résultat obtenu sur un pro-blème de dé ision, pour dériver une borne inférieure d'approximation pour leproblèmed'optimisation asso iéau problèmede dé ision.Théorème2.2.2 Soit
Π
′
unproblème dedé ision
N P
- ompletetsoitΠ
un problèmed'optimisationdontla fon tionobje tiveest laminimisation.Nous supposonsqu'ilexiste deuxfon tionspolynomialesf : I
Π
′
→ I
Π
(oùI
Π
(resp.I
Π
′
) désigne l'ensemble des instan es deΠ
(resp. deΠ
′
) et
d : I
Π
′
→ IN
et une onstantegap > 0
telleque, pour haque instan ex
deΠ
′
,
S
∗
(f (x)) =
d(x)
six
admet une réponsepositived(x)(1 + gap)
sinonoù
S
∗
désigne une solutionoptimale.
Alors il n'existe pas d'algorithme
r
-appro hé pour le problèmeΠ
aver < 1 + gap
,sous l'hypothèse queP 6= N P
.Preuve
Supposonsqu'ilexisteunalgorithme
r
-appro héA
aver < 1+ gap
pour leproblèmeΠ
.SoitS
lasolutiondonnéeparl'algorithmeA
.Cet algorithme pourraitêtre utilisé pour résoudrele problèmeΠ
enun temps polynomial.Prenons une instan e
x
∈ Π
′
, nous al ulons
f (x)
, et nous appliquons l'algorithmeA
àf (x)
.Nousdevons distinguer lesdeux assuivants:5
x
estuneinstan edontlaréponseestnégative.Parhypothèse,dans e as,S
∗
(f (x)) = d(x)(1 + gap)
, etdon ,S(f (x), A(f (x)))
6≥ d(x)(1 +
gap)
ave .
x
est une instan e dont la réponse est positive. Dans e as sa hant queA
estun algorithmer
-appro hé, nousavons :S(f (x), A(f (x)))
S
∗
(f (x))
≤ r < 1 + gap
Par hypothèse,S
∗
(f (x)) = d(x)
, alorsS(f (x), A(f (x))) < d(x)(1 +
gap)
.Ainsi,
x
est une instan e positive deΠ
′
si et seulement si
A(f (x)) <
d(x)(1 + gap)
, etA
pourrait être utilisé pour résoudre le problèmeΠ
′
en un temps polynomial. Sa hant que
Π
′
est un problème
N P
- omplet, e iimpliquerait que
P = N P
. .Nousverrons dansla se tion suivante, que nouspouvons(dans ertains as) déterminer d'une borne supérieure d'approximation pour une heuris-tique
h
.ainsi, nouspouvonsproposer (siun seuilest possible)unintervalle[ρ
1
, ρ
2
]
(aveρ
1
(resp.ρ
2
) une borne inférieure (resp. supérieure) qui en- adre laqualité d'unesolutionappro hée. Lebut étant de minimiser l'é art|ρ
2
− ρ
1
|
.Anoterquelorsqu'ilexisteunalgorithmeappro héayant une per-forman erelativeρ
2
telqueρ
1
= ρ
2
,alorsnousappellerons etalgorithmeun algorithmeabsolu.Nouspouvons iterdeuxalgorithmesabsolus on ernant le problème de la oloration desarêtes7
etle se ond porte sur leproblème du
k
- entre.8
6
S(f (x), A(f (x)))
indiquelavaleurd'unesolutionpouruneinstan ef (x) ∈ Π
obtenue parl'utilisationdel'algorithmeA
appliquéàl'instan ef (x) ∈ Π
7
Instan e :Soitungraphe
G = (V, E)
nonorienté.Question: Est- equenouspouvons olorierlesarêtestelquedeuxarêtesadja entes admettentdes ouleurs diérentes.Lenombrede ouleursné essaire àla olorationdes arêtesdugraphes'appellel'indi e hromatique.
Il est possible de montrer que dé ider si un graphe possède un indi e hromatique égal à trois est
N P−
omplet (même si le graphe admet un degré au plus trois, voir [90 ℄).L'utilisationduthéorèmedeVizing(voir[94 ℄)permetdedévelopperunalgorithme d'approximationutilisantauplusk + 1
ouleurs8
Instan e :Soient
V
un ensembleden
sites,D
une matri e oùd
ij
est ladistan e entrelessitesi
etj
,k ∈ IN
et∀i, j, k, d
ij
≤ d
ik
+ d
kj
.Question: Trouver
S ⊆ V
,ave|S| = k
,quiminimisemax
v
{dist(v, S)}
oùdist(i, S) =
min
j∈S
(d
ij
)
.Ilestpossiblede onstruireungraphe
G
′
,viaunetransformationpolynomialeàpartir d'ungraphe
G
duproblèmeensembledominant(voir[15 ℄)tellequeG
′
admetun
k
- entre pourlequeld
ij
= 1, ∀{i, j} ∈ E
sietseulementsiG
admetunensembledominantdetaille2.3 Quelques rappels en théorie de l'approximation
2.3.1 Sur la né essité de ompléter la lassi ation des pro-blèmes
La théorie de la omplexité s'intéresse à la lassi ation des problèmes ombinatoiresselonladi ultédetrouverunesolutionoptimale.Cependant, nous devons ompléter et aner ette lassi ation pour une étude sur la possibilitéde trouver etévaluer une solution appro hée : 'estla théoriede l'approximation. Anerla lassi ation estné essaireetfondamentale pour une bonne ompréhension des problèmes d'optimisation ombinatoire. En eet, onsidérons lesdeux problèmes lassiquessuivants:
leproblème du stable 9
et,
leproblème de la ouverture de sommets 10
Ces deux problèmes appartiennent à la lasse des problèmes
N P
-di iles.Cependant,dupointdevuedel'approximation esdeuxproblèmes sont diamétralement opposées. En eet, il est onnu que le problème du stablede taillemaximumn'est pasapproximable,tandis queleproblèmede la ouverture sommetappartientàla lasseAPX(les dénitionsdes lasses d'approximation sont données i-dessous). Ainsi, le omportement on er-nant la détermination de la qualité de la solution appro hée peuvent être très diérentes pour deux problèmesN P
- omplets. Cet exemple est d'au-tant plus saisissant sa hant qu'il existe une transformation polynomiale de l'unàl'autreetré iproquement.Cetexempleillustrebienl'intérêtd'étudier unproblème ombinatoire dupoint devue delathéorie dela omplexité et del'approximation.2.3.2 Mesure de la qualité d'une solution appro hée
Ilestné essaired'utiliserun ritèrequimesurelaqualitéd'unalgorithme appro hé ou qui donne le seuil d'approximation pour un problème. Nous
k
sinond ≥ 2
. Nous pouvonsdévelopperun algorithme2
-appro hé en sebasant surle graphe arréG
2
danslequelnous her honsunensembleindépendantdetaillemaximale. (voir[171 ℄).
9
Instan e :Ungraphe
G = (V, E)
nonorienté Question: Trouverunsous-ensembleV
′
⊆ V
telque∀x, y ∈ V
′
,
l'arête[x, y] /
∈ E
,etV
′
estmaximum 10Instan e :Ungraphe
G = (V, E)
nonorienté Question: Trouverunsous-ensembleV
′
⊆ V
telquepour haquearête[x, y] ∈ E
alorsx ∈ V
′
ou
y ∈ V
′
,ou
x, y ∈ V
asso iéeà une heuristique
h
notéρ
h
omme ritère pour mesurerlaqualité. Cette valeur estdénie ommeétant lemaximumsur toutes lesinstan es
I
entrelavaleurd'obje tifmaximale fourniepar l'algorithmeh
(notéeA
h
(I)
) etlavaleur d'obje tif optimale (notée
OP T (I)
), 'est-à-direρ
h
= max
A
h
(I)
OP T
(I)
.
I
Nousavons demanière évidente que
ρ
h
≥ 1
pour les problèmes de mini-misation (resp.
ρ
h
≤ 1
pour les problèmes demaximisation).
Laperforman erelativeasso iéeàuneheuristique
h
mesurel'é art maxi-mum entre la valeur donnée par la solution proposée par l'heuristiqueh
, pourunefon tion obje tivedonnée,etlavaleurdonnéepar unesolution op-timale. Les deux prin ipales fon tions obje tives à minimiser dansle adre des problèmes d'ordonnan ement sont letemps d'a hèvement maximumou la longueur de l'ordonnan ement, et la somme des temps de omplétude maximum.Ilexiste uneautre mesureappelée mesurediérentielle[128 ℄, nous l'évo-querons dansla on lusion.
2.3.3 Approximation à rapport dépendant de l'instan e
Lesrapportsdépendantsde l'instan esont souvent desfon tionssoit de la taille même de l'instan e d'un problème, soit d'un autre paramètre de ette instan e (parexemple,ledegré, maximumou moyen,d'ungraphe).
1. Log-APX,la lassedesproblèmesadmettantunalgorithmeappro hé à rapport lassiquelogarithmique enlataille del'instan e. La ouver-ture d'ensembleappartient à ette lassed'approximation.
2. Poly-APX,la lassedesproblèmesadmettantunalgorithmeappro hé garantissant unrapportqui estpolynomialen lataille de l'instan e.
3. APX, la lasse des problèmes approximables à rapport lassique onstant, si et seulement s'il existe un algorithme polynomial appro- hé
A
pour un problèmeΠ
et une onstantexéer
∈ IR
+
tels que le rapportd'approximation lassique de
A
est borné parr
.4. PTAS Un s héma polynomial d'approximation (polynomial-time ap-proximation s heme) pour un problème
Π
est une famille de d'algo-rithmes polynomiaux. Un problèmeΠ
est dans la lasse PTAS si etseulement si il admet un s héma d'approximation lassique dont la omplexité est polynomiale en la taille de l'instan e (mais pouvant être exponentielle en
1/ǫ
).5. FPTAS Un s héma pleinement polynomial d'approximation (fully polynomial-time approximation s heme) pour un s héma d'approxi-mationde omplexité polynomiale àlafoisen lataillede l'instan eet en
1/ǫ
. Un problèmeΠ
est dansla lasse FPTAS siet seulement s'il admetuns hémad'approximation lassique omplètementpolynomial.2.4 Méthodologies
2.4.1 Les méthodes énumératives
Dans ette partie, nousrappellerons lesprin ipes de ertaines méthodes énumératives les plus lassiques. Pour des ompléments sur es méthodes, nousrenvoyons lele teurauxlivressuivants[47℄ et[151 ℄.
2.4.1.1 Programmation dynamique
Laprogrammationdynamiqueestunparadigmede on eptionintroduit danslesannées
50
parBellman.Unesolutiond'unproblèmedépenddes solu-tionspré édentes obtenuesdes sous-problèmes. Lessous-problèmes peuvent être en intera tions 'est-à-dire un sous-problème peut être utilisé dans la solutionde deuxsous-problèmesdiérents.Si la programmation dynamique est appliquée à un problème ombina-toire,alors dans lebut de al uler lavaleur optimale du ritère àoptimiser pour n'importe quel sous-ensemble de taille
z
, nous devons dans un pre-mier temps déterminer la valeur optimale pour haque sous-ensemble de taillez
− 1
. Ainsi, si notre ensemble est ara térisé par un ensemble den
éléments,lenombre de sous-ensembles étudiésestauplus2
n
.Ce iimplique quelesalgorithmesutilisantlaprogrammationdynamiqueadmettentaupire une omplexité exponentielle. Cependant, pour les problèmes
N P
- omplets (pas au sens fort11
), il est possible de onstruire des algorithmes pseudo-polynomiaux pouvant être résolus de manière e a e ave desinstan es de taillesraisonnables.
11
Nous rappelonsqu'un problèmeest dit
N P
- ompletausensfort,si leproblème estN P
- omplet à ause de sa stru ture et non pas à ause de sa taille des nombres qui apparaissent danssesinstan es, 'est-à-dire,ilestN P
- omplet mêmesil'on serestreint auxinstan esoùleplusgrandnombreestpolynomialementbornédynamique le al ul d'un plus ourt hemin entre deux sommets dans un graphe valué orientésans ir uit.
Si
µ = x
0
x
1
. . . x
k
avex
0
= s
etx
k
= t
estun plus ourt hemin des
àt
,alorsx
0
x
1
. . . x
k
−1
est unplus ourt hemin des
àx
k
−1
.d
k
(i) = min
{d
k
−1
(i), min
v
∈Γ
−
(i)
{d
k
−1
(v) + w
vi
}}
ave
d
k
(i)
désigne la valeur d'un plus ourt hemin à l'itération
k
pour lesommeti
.Le tableau suivant donne lesvaleursd
k
(i)
pour legraphede la gure 2.1.3
2
4
6
5
7
1
25
16
35
12
8
19
14
17
22
14
15
9
Fig. 2.1Problèmed'unplus ourt hemin
Itérations
\
Sommets 1 2 3 4 5 6 7 0 (1,0) (.,∞
) (.,∞
) (.,∞
) (.,∞
) (.,∞
) (.,∞
) 1 (1,0) (1,16) (1,9) (1,35) (.,∞
) (.,∞
) (.,∞
) 2 (1,0) (1,16) (1,9) (3,24) (2,41) (3,31) (4,54) 3 (1,0) (1,16) (1,9) (3,24) (4,38) (3,31) (4,43) 4 " " " " " " " Pour une olonnez
,dans ouple(x, y)
,leparamètrex
indique le prédé- esseurpouratteindrez
,etleparamètrey
indique lavaleurd'unplus ourt hemin entre l'origine et le sommetz
. Le ouple(.,
∞)
dans une olonnez
stipule que le sommetz
n'est pas atteignable depuis l'origine. Lorsque deux lignes onsé utives sont égales lepro essus s'arrête. Le prin ipe de la programmation dynamique permet de résoudre via un algorithme pseudo-polynomial le problème d'ordonnan er un ensemble den
tâ hes indépen-dantes sur deux pro esseurs identiques. Ce prin ipe a été utilisé dans [11℄ pour prouver (dans le modèle à ommuni ations hiérar hiques, voir le ha-pitre 5) l'existen e d'un algorithme polynomial pour un problème surM
lusters onstitués ha un dem
pro esseurs.2.4.1.2 La méthode de séparation et d'évaluation
La méthode d'évaluation et de séparation ( Bran h and Bound ), est uneméthode génériquepour résoudredemanièreexa telesproblèmes d'op-timisation ombinatoire.C'estuneméthoded'énumérationimpli ite:toutes les solutions possibles du problème peuvent être énumérées (la séparation permetd'obteniruneméthodegénériquepourénumérertouteslessolutions), maisl'analysedes propriétés du problèmepermetd'éviter l'énumération de larges lasses de mauvaises solutions (l'évaluation évite l'énumération sys-tématique de toutes les solutions). Ainsi, dans une bonne appli ation de l'algorithme de séparation et d'évaluation, seules les solutions potentielle-ment bonnes sont don énumérées. Nous pouvons iter omme appli ation de ette méthode);larésolution duproblèmed'ordonnan er, surun pro es-seur unique, une ensemble de tâ hes indépendantes de durées quel onques soumises à des dates de disponibilité et de n impérative. Le ritère d'op-timalitéest laminimisation de lalongueur de l'ordonnan ement (voir[16 ℄). Nous onseillonslesréféren essuivantespourl'appli ationde ette méthode auxproblèmes d'ordonnan ement ([16℄,[50℄, [133℄).
2.4.1.3 La programmation par ontraintes
UnCSP(Problème de Satisfa tionde Contraintes) estunproblème mo-délisé sous la forme d'un ensemble de ontraintes posées sur des variables, ha une de es variables prenant ses valeurs dans un domaine (i.e. un en-semble de valeurspossibles).Le domaine d'une variable peut-être un inter-valledenombresentiers,intervalled'ensemblesparexemple ou ontinu.Une ontrainte implique une ou plusieurs variables, et restreint les valeurs que peuvent prendre simultanément es variables. Ainsi, trouver une solution à un problème ombinatoire modélisé par la programmation par ontraintes onsiste à dé ider s'il existe ou non une ae tation de toutes les variables telleque l'ensemble des ontraintes du problème soient satisfaites. Le prin- ipe de la programmation par ontraintes est appliqué au problème d'or-donnan ement ave ontraintes disjon tives qui est une généralisation na-turelle des problèmes d'ordonnan ement du type job-shop ou open-shop. Nous onseillonsla le turedeslivressuivants quitraitent del'utilisation de laprogrammation par ontraintes appliquée à divers problèmes d'optimisa-tions ombinatoires etenparti ulierlesproblèmesd'ordonnan ement [16 ℄et [144 ℄.
L'appro he polyédrale des problèmes ombinatoires est l'une des prin- ipales, et satisfaisante appro he pour l'analyse, la ompréhension et la ré-solution desproblèmes d'optimisation ombinatoire. L'étude desenveloppes onvexes des ve teurs ara téristiques asso iés aux solutions réalisables de problèmes parti uliers aouvert laporteà lathéorie polyédrale et aux te h-niques de la programmation linéaire. La plupart des problèmes d'optimisa-tionpeuvents'é riresousformed'unprogrammelinéaireennombresentiers. La méthode lassique (enutilisant une appro he polyédrale) pour résoudre des problèmes d'optimisation lassés
N P−
di iles onsiste à proposer une bonne solution via la relaxationdu programme linéaire en nombres en-tiersmodélisant leproblèmed'optimisation ombinatoire. Ensuite, su essi-vement des inégalités sont rajoutées qui sont valides pour toutes les points du polyèdre mais qui ne sont pas satisfaites par la solution optimale ou-rante(donnée par larelaxation duprogramme linéaire en nombres entiers). A haqueitération,silasolutionoptimaleestréalisable,leproblèmede sépa-ration (voir [78℄)pour la solution optimale ourante et l'enveloppe onvexe des points réalisables est résolu. Dans le as ontraire, une inégalité violée (un plansé ant), quiestvalide pour lespointsdu polyèdre, estdéterminée. La méthode debran hand utreposesurl'utilisationdesplanssé ants. Con ernant l'appro he polyédrale,appliquéeauxproblèmes d'ordonnan- ement (détermination desenveloppes onvexesreprésentant l'ensemble des ontraintes), nous pouvons iter les travaux de Queyranne et S hulz (voir [116℄, [134 ℄,[135 ℄, [136 ℄,[148 ℄,[149 ℄).2.4.2 Les heuristiques et les algorithmes appro hés
Lesproblèmesd'ordonnan ementappartiennentàla lassedesproblèmes ombinatoires.Danslebutderésoudre esproblèmes,ilestpossiblede déve-lopperdesalgorithmes d'optimisation qui détermine une solution optimale. Pourtant, pour la grandemajorité desproblèmes en ordonnan ement, ilest impossible de trouver en temps raisonnable une solution optimale. Dans e as, ilestpossible d'utiliserdesheuristiques(algorithmes donnantune solu-tion sous-optimalemaisayant unefaible omplexité).
2.4.2.1 Les algorithmes appro hés ave garantie de performan e
Les algorithmes appro hés sont très populaires, il sut de onsulter la très nombreuse littérature, et reste une bran he très a tive de lare her he enalgorithmique. L'intérêt des algorithmesappro hés ave garantie de per-forman esréside dans lefait qu'il admettent une solution proposée, par un algorithme polynomial de faible omplexité pas trop éloignée (soit dans le sensdupire as,soit enmoyenne)d'unesolution optimale.Lathéorie d'ap-proximation est brièvement présenté au hapitre 2. De nombreux résultats ontétéobtenus ommeentémoignelalittératureabondante(nousrenvoyons auxlivresgénérauxsurl'ordonnan ement [16℄,[50℄,[133 ℄,
. . .
)2.4.2.2 Les heuristiques de re her he lo ale
Les méthodes de re her he lo ales sont très nombreuses, et nous pou-vons iterquelquesméthodes(les détailsetles for esetfaiblessesde haque méthodesne seront détaillésdans e manus rit) :
leré uitsimuléestnéd'uneanalogieentrel'optimisation ombinatoire etlathermodynamique;
lare her he tabou estuneméthodequi onsisteà sedépla erde solu-tion en solution en s'interdisant de revenir en une onguration déjà ren ontrée.
le on ept des algorithmes génétiques est une heuristique basée sur l'analogieave lepro essusd'optimisationde l'évolution dela popula-tion d'individus
les olonies defourmis,
. . .
et bien sûr les méthodes hybrides, 'est-à-dire qui ombinent les plu-sieurs méthodes.
Leurs utilisations pour résoudre des problèmes en ordonnan ement ouvrent un large spe tres de problèmes (Job-shop, problèmes ave ontraintesde ressour es
. . .
).Nousrenvoyonslele teuràdesouvrages spé- ialiséssurles méthodes dere her he lo ale.2.5 Liste des problèmes
N P
- ompletsDans ette partie, nous présentons la liste des problèmes
N P
- omplets quenousavonsutiliséslors desdiérentes rédu tions (voir [67℄).2.5.1 Le problème
SAT
Instan e du problèmeSAT
:Soit
V = {x
1
, . . . , x
n
}
un ensemble den
variables booléennes etV =
¯
{¯x
1
, . . . , ¯
x
n
}
l'ensemble des variables logiques omplémentaires avex
i
∈ V
.Soit
C = {C
1
, . . . , C
m
}
une olle tion de lauses surV
.Question:Existe-t-il
I :
V → {0, 1}
uneae tationdevaleursde vérité auxvariablestelleque haque lauseC
i
dansC
ontienneaumoinsunlittéral mis à vraiparI
?Noussavonsque leproblèmeestN P
- omplet [67℄. 2.5.2 Le problème3SAT
Leproblème
3SAT
estunevariantedeSAT
pourlaquellelalongueurde haque lause estde trois.2.5.3 Le problème
M onotone
-one
-in
-3SAT
Instan e du problèmeM onotone
-one
-in
-3SAT
:Soit
V = {x
1
, . . . , x
n
}
un ensembleden
variablesbooléennes.Soit
C = {C
1
, . . . , C
m
}
une olle tionde lausessurV
telleque haque lause estde taille troiset ontient seulement desvariablespositives Question:Existe-t-ilI :
V → {0, 1}
uneae tationdevaleursde vérité aux variables telle que haque lauseC
i
dansC
ontienne exa tement un littéralmis àvraiparI
?NoussavonsqueleproblèmeestN P
- omplet [67℄. 2.5.4 Le problèmeOne
− In − (2, 3)SAT (2, ¯1)
Instan es du problème
One
− In − (2, 3)SAT (2, ¯1)
notéP
1
dans la suite :soit
V = {x
1
, . . . , x
n
}
un ensemble de variables logiques etV =
¯
{¯x
1
, . . . , ¯
x
n
}
l'ensemble des variables logiques omplémentaires avex
i
∈ V
.soit
C = {C
1
, . . . , C
j
, C
j+1
, . . . , C
q
}
unensemblede lausesoù∀i, 1 ≤
i
≤ j, C
i
⊂ (V × ¯
V)
et∀k, (j + 1) ≤ k ≤ q, C
k
⊂ (V)
3
telque haque variable
x
i
deV
apparaît dansC
deux fois positivement et une fois négativement ave d'unepart:∀x
i
∈ V,
occ(x
i
; C
k
1
) = 1
etocc(x
i
; C
k
2
) = 1, 1
≤ k
1
≤ j, j + 1 ≤ k
2
≤ q
et d'autre part, si
x
i
∈ C
k
etx
¯
i
′
∈ C
k
, 1
≤ k ≤ j,
alorsx
i
∈
C
k
m
etx
i
′
∈ C
k
l
,
avek
m
6= k
l
etj + 1
≤ k
m
, k
l
≤ q
.La fon tion
occ(x, C)
désigne lenombred'o urren esde lavariablex
dansla lauseC
.Question : Existe-t-il
I :
V → {0, 1}
une ae tation de valeurs de vérité auxvariablestelleque haque lauseC
i
ontienneexa tementunlittéralmis àvraiparI
?Parabusdelangage,unetelleae tationseraditesatisfaisante pour ladonnéedu problèmeP
1
.Exemple:pourillustreruneinstan eduproblème
One
-In
-(2, 3)SAT (2, ¯
1)
, nous onsidérons laformule logique suivante:(¯
x
0
∨ x
3
)
∧ (¯x
3
∨ x
0
)
∧ (¯x
4
∨
x
2
)
∧ (¯x
1
∨ x
4
)
∧ (¯x
5
∨ x
1
)
∧ (¯x
2
∨ x
5
)
∧ (x
0
∨ x
1
∨ x
2
)
∧ (x
3
∨ x
4
∨ x
5
)
.Pour etteinstan e, laréponsei iestoui, arilsutquelesvariablesx
0
etx
3
s'évaluentàvraietlesautres àfaux.L'instan epré édenteproposée estlapluspetiteinstan epossible entermede taille.2.5.5 Le problème de la lique maximum
Instan e :Soit
G = (V, E)
un graphe, soitk
unentier Question:Est- equ'ilexisteunsous-grapheG
′
= (V
′
, E
′
)
dans
G
aveG
′
estune lique et|V
′
| = k
?
2.5.6 Le problèmed'unsous-ensembleindépendantéquilibré dans un graphe biparti
Instan e : Soit un graphe
B = (X
S Y, E)
ave|X| = |Y | = n
non orienté, bipartietéquilibré etunentierk
.Question :
Est- e-qu'il ya danslegraphe
B
,un ensemble de2k
sommets indépen-dantsdontk
appartiennent àX
etk
àY
?2.5.7 Le problème
3
-partitionInstan e :Unensemble
Q =
{e
1
, . . . , e
3q
}
ave :X
e
i
∈Q
e
i
= qE
etE/4 < e
i
< E/2
pourtouti
.Question : Peut-on partitionner
Q
enq
sous-ensemblesQ
1
, . . . , Q
q
ave :X
e
i
∈Q
j
Sionaune solutionà
3
-Partition,alorsona,dufaitdel'inégalitéE/4 <
e
i
< E/2
,|Q
j
| = 3
pour toutj
.Par lasuite, onpourrasupposer que
e
i
≤ · · · ≤ e
3q
. 2.5.8 Le problème partition en trianglesInstan e :Soit
G = (V, E)
un graphe, ave|V | = 3q, q ∈ IN
.Question:Lessommetsde
G
peuventilsêtrepartionnésenq
ensemblesV
1
, V
2
, . . . , V
q
, ha un ontenant exa tement trois sommets, et telque pour haqueV
i
=
{u
i
, v
i
, w
i
}, 1 ≤ i ≤ q
,lestroisarêtes{u
i
, v
i
}, {v
i
, w
i
}
et{u
i
, w
i
}
appartiennent àE
?3
Dénition, analyse etlassi ation des
pro-blèmes
d'ordonnan e-ment
Dans e hapitre, nous allons introduire les notions basiques utilisées dans la théorie de l'ordonnan ement statique. Nous ommen erons par la notiondetâ hes,d'environnementdepro esseursetles ritèresd'optimalité. Nous poursuivrons par la notion de granularité, de graphe de pré éden e valué. Nouspré iserons l'appro he quinousaguidépourrésoudreles divers problèmes d'ordonnan ement. Nous nirons par donner la notation à trois hamps
(α
|β|γ
), dont lepremier on erne l'environnement despro esseurs, lese ondles ara téristiquesdestâ hesetletroisièmele ritèred'optimalité.Ce hapitre esttrès largement inspirépar [16℄.
3.1 Dénition des problèmes d'ordonnan ement
3.1.1 Des ription des tâ hes
Dans la littérature, en général (nous adopterons ette dénition dans la suite), les problèmes d'ordonnan ement se dé linent de la manière sui-vante
1
: nous disposons de deux ensembles
T = {T
1
, . . . , T
n
}
den
tâ hes,P = {π
1
, . . . , π
m
}
dem
pro esseurs. L'ordonnan ement onsiste à ae ter l'ensembleT
des tâ hes, soumises à des ontraintes imposées, à l'ensemble des pro esseursP
. Il existe en général deux ontraintes en théorie de l'or-donnan ement :1
Nous avons omis l'ensemble des ressour es à l'exé ution d'une tâ he pour ne pas alourdir d'une part la présentation, etd'autre part dans lereste de e manus rit nous onsidéronsdesmodèlespourlesquelsl'utilisationderessour essupplémentairesn'estpas prisen ompte.
haque pro esseur est apable d'exé uter au plus une tâ he à haque instant,
haquetâ henepeut-êtreexé utéequ'auplusparunseulpro esseur 2
.
3.1.2 Environnement des pro esseurs
Maintenant ara térisonsles pro esseurs.Ilspeuventêtre soitparallèles, exé utant les mêmes fon tions, soit dédiés i.e. spé ialisés pour l'exé ution de ertaines tâ hes. Lestrois typesde pro esseurs de ma hines parallèles se distinguentparleursvitessesdetraitementdestâ hes.Sitouslespro esseurs de l'ensemble
P
admettent la même vitesse de traitement, nousdirons que lespro esseurssontidentiques.Siles vitessesdetraitementsdespro esseurs dièrent, mais haque vitesseb
i
(fa teur d'a élération du traitement de la tâ he) de haque pro esseur est onstant et ne dépend pas de la tâ he à exé uter, alors nous dirons que les pro esseurs sont uniformes. En dernier lieu,silesvitessesdespro esseursdépendentdestâ hesàordonnan er,nous dironsque lespro esseurs de lama hineparallèle sont généraux.Dansle asoùlelespro esseurssontdédiés,nouspouvonsprésentertrois modèles:flow shop, open shopetjob shop.Nousrenvoyonslespersonnes intéressées pour es troismodèles àlale turedeslivres[16℄,[99 ℄, [133 ℄.Ces troismodèles n'étant pasétudiés dans ettethèse, ilsne seront pasdé rits.
Engénéral,une tâ he
T
j
∈ T
est ara tériséepar lesdonnées suivantes: 1. un ve teur de temps d'exé utionp
j
= [p
1j
, p
2j
, . . . , p
mj
]
T
, où
p
ij
dé-signeletempsné essaireaupro esseurπ
i
d'exé uterT
j
.Dansle asoù tous lespro esseurs sont identiques,nousavonsp
ij
= p
j
, i = 1, . . . , m
. Si les pro esseurs deP
sont uniformes, nous avonsp
ij
= p
j
/b
i
, i =
1, . . . , m
oùp
j
représentelavitesse d'exé utionstandard etb
i
fa teur d'a élération dutraitement de latâ he par lepro esseurP
i
.2. une date de disponibilité, notée
r
j
, qui désigne la date à partir de laquellelatâ heT
j
estprêteàêtreexé utée. Silesdatesde disponibi-lités sontéquivalentes pour toutesles tâ hesdeT
,alorsnouspouvons supposer quer
j
= 0,
∀j
.3. une dated'é héan e
d
j
,quispé ieladatelimite(souhaité) àlaquelle la tâ heT
j
devra êtreexé utée.2
Dans ertainsmodèleshiérar hiquesdutypetâ hesmodelablesoumalléables[39 ,57℄, unetâ hepeuts'exé utersurplusieurspro esseurs(les ommuni ationssontintégréesdans laduréed'exé utiondes tâ hes). Cependant laduréedépenddu nombredepro esseurs exé utant ettetâ he.
4. une datede n impérative
˜
d
j
, date à laquelle latâ heT
j
devra avoir nisonexé ution.5. unpoids(priorité)
w
j
,qui représente l'urgen erelative delatâ heT
j
. Danstoutelasuite,noussupposeronsquelesparamètres liésauxtâ hesp
j
, r
j
, ˜
d
j
, d
j
etw
j
sont desentiers.Unordonnan ement estditpréemptif si haquetâ he peut-être préemp-tée (interrompue) à n'importe quel moment et son exé ution peut-être re-prise également à n'importe quel moment. Si la préemption des tâ hes est interdite, nousdirons que l'ordonnan ement est non-préemptif.
Lestâ hes de
T
àexé uter sur les pro esseurs deP
peuvent être dupli-quées. En eet, dansle but de réduire l'inuen e desdélais de ommuni a-tion (voir i-après), dans le as où la dupli ation des tâ hes est autorisée, des opies de tâ hes peuvent être produites. Noussupposerons par lasuite, queles tâ hesoriginelles etleurs opies admettent unemême datede début d'exé ution.Sur l'ensemble des tâ hes
T
, des ontraintes de pré éden e peut-être dénies.T
i
≺ T
j
signiequelatâ heT
j
ne pourra ommen ersonexé ution que si latâ heT
i
a nila sienne.En d'autres termes, nous pouvonsdénir sur l'ensembleT
une relation de pré éden e donnée par≺
. Les tâ hes de l'ensembleT
sontditesdépendantessiaumoinsdeuxtâ hesdeT
admettent un relation de pré éden e. Dans le as ontraire, nousdirons que lestâ hes sontindépendantes.Lestâ hessoumisesàdesrelationsdepré éden e,seront représentés par un graphe orienté (valué ou non, selon la présen e ou non dedélaisde ommuni ation)oùlessommets orrespondentauxtâ hesetles ar s les ontraintes de pré éden e. Nous supposerons que nous n'avons pas d'ar transitifdanslegraphe depré éden e.Unetâ he
T
j
estditedisponibleàl'instantt
sir
j
≤ t
etsitous es prédé- esseurs (enrespe tant les ontraintes depré éden e)ontnileurexé ution avant l'instantt
.3.1.3 Critères d'optimalité
Maintenant, nous donnons les dénitions on ernant les ordonnan e-ments et les ritères d'optimalité. Un ordonnan ement est une ae tation des tâ hes de
T
sur les pro esseurs deP
telles que les onditions suivantes soient satisfaites :à haque instant un pro esseur exé ute au plus une tâ he et haque tâ he estexé utée par unseul pro esseur,
toutes les tâ hessont ordonnan ées.
si deuxtâ hes
T
i
etT
j
admettent unerelation de pré éden eT
i
≺ T
j
, alors la tâ heT
j
ne peut ommen er son exé ution qu'après la n d'exé ution deT
i
.dansle asd'ordonnan ementsnon préemptifs,au unetâ he ne peut-être interrompue. Dansle as ontraire, lenombredepréemptions est ni.
dansle asoùla dupli ation estnon autorisée,au unetâ he ne peut-êtredupliquée.Dans le as ontraire, noussupposeronsquelenombre de opies d'unetâ he est ni.
Pour représenterlesordonnan ements, nousutiliseronsundiagrammede Gantt.Unexempled'utilisationdudiagrammedeGanttestdonnéàlagure 3.2.Dans ette gure,nousavonsànotredispositiontroispro esseurs iden-tiques surlesquels nousdevons exé uter un ensemble de huit tâ hes, ayant desduréesdiérentes,soumisesàdes ontraintes depré éden edonnéespar lagraphedepré éden ede lagure3.1.Dans ettegureles valuations sur unsommet
x
orrespondentàsontempsd'exé utionsurunpro esseur.Pour haque tâ heT
j
, i = 1, . . . n
exé utée dansunordonnan ement donné, nous pouvons al uler lavaleurde haqueparamètre suivant :letempsde omplétionnoté
C
j
= t
j
+p
j
oùt
j
désigneladatededébut d'exé ution delatâ heT
j
,letemps d'attente
F
j
= C
j
− (r
j
+ p
j
)
, leretard algébriquenotéL
j
= C
j
− d
j
, leretard absolueD
j
= max
{C
j
− d
j
, 0
}
, l'avan edelatâ heE
j
= max
{d
j
− C
j
, 0
}
,Pour illustrer es notions, nous utiliserons l'ordonnan ement donné par la gure 3.2. Nous pouvons fa ilement al uler le ve teur
C
, nous obte-nonsC = [3, 4, 5, 6, 1, 8, 8, 8, 8]
. De plus, si nous ajoutons le ve teur sui-vant pour les dates é huesd = [5, 4, 5, 3, 7, 6, 9, 12]
, nous pouvons al uler lesve teursL
,D
etE
.Ainsi,nousobtenonsL = [
−2, 0, 0, 3, −6, 2, −1, −4]
,D = [0, 0, 0, 3, 0, 2, 0, 0]
etE = [2, 0, 0, 0, 6, 0, 1, 4]
.Pour évaluer lesordonnan ements, nouspouvonsutiliserles trois prin i-paux ritères d'optimalité:
lalongueur de l'ordonnan ement déni par
C
max
= max
j
{C
j
}
, la moyenneF
¯
=
1
n
P
n
j=1
F
j
, ou dans le as pondéréF
¯
w
=
P
n
j=1
w
j
F
j
/
P
n
j=1
w
j
,lemaximumdesretards algébriques
L
max
= max
j
{L
j
}
,Pour ertaines appli ation, d'autres ritères d'optimalité sont étudiés: