Etude de la robustesse des algorithmes pour des problèmes d'ordonnancement et de lovalisation

Le travail présenté dans cette thèse traite des problèmes d'optimisation combinatoire avec des données incertaines. Nous commençons le travail par la présentation des différentes approches traitant des incertitudes issues de la littérature : l'analyse de la sensibilité, les approches robustes et les approches partiellement en ligne que nous avons appliquées pour étudier 3 problèmes d'optimisation en présence d'incertitudes. Nous avons étudié le problème de minimisation du nombre de tâches en retard sur une machine en présence d'une indisponibilité de la machine en début de l'ordonnancement, de durée inconnue mais bornée. Nous avons proposé une solution robuste pour ce problème sous certaines hypothèses. Nous avons étudié ensuite un problème de localisation dont les incertitudes concernent les poids du graphe modélisant le problème. Pour résoudre ce problème, nous avons proposé une nouvelle approche flexible se basant sur la recherche d'un ensemble de solutions structurellement proches. Cette notion de proximité entre les solutions est représentée par des coûts de modification. Enfin, nous avons étudié un problème d'ordonnancement sur machines parallèles avec des contraintes de précédence. Les perturbations touchent les poids des arrêtes du graphe de précédence. Nous avons analysé expérimentalement l'efficacité d'une approche partiellement en ligne appelée : processus de stabilisation, avant de montrer théoriquement et expérimentalement la stabilité d'un algorithme de regroupement issu de la littérature.GRENOBLE1-BU Sciences (384212103) / SudocSudocFranceF