• Aucun résultat trouvé

Sur l'hybridation des métaheuristiques Algorithmes Génétiques et Recherche Tabou pour la résolution de problèmes d'ordonnancement en industries agroalimentaires

N/A
N/A
Protected

Academic year: 2021

Partager "Sur l'hybridation des métaheuristiques Algorithmes Génétiques et Recherche Tabou pour la résolution de problèmes d'ordonnancement en industries agroalimentaires"

Copied!
3
0
0

Texte intégral

Loading

Références

Documents relatifs

Afin d’avoir une comparaison possible des contraintes calculées aux points d’intégration, la méthode des éléments finis étendus a été appliquée sur le modèle de la

Les études réalisées par nos partenaires thermiciens (voir plus loin) ont montré que pour un fonctionnement stable et une énergie mécanique maximale, les formes instantanées

Data Sheet Parameter REFERENCE INPUT RIN IIN Voltage Range Reference Gain to Output Reference Gain Error POWER SUPPLY Operating Range Quiescent Current High Temperature, SBDIP

[r]

Nous avons proposé une méthode de résolution du problème d’optimisation combinant une recherche locale dans un algorithme évolutionniste, suivant le modèle des

Figure 3.27 – Comparaison des résultats en contraintes aux points d’intégration sur un coupe du modèle, en bleu la méthode des éléments finis étendus, en noir la méthode de

Au lieu de rechercher des optimums locaux comme dans certaines heuristiques classiques, ou générer un ensemble de solutions pour ne retenir que les meilleurs

Nous pr´ esentons dans cet article un algorithme g´ en´ erique hybride permettant de combiner des m´ ethodes compl` etes (programma- tion par contraintes) et incompl` etes