Une Approche Hybride de Simulation-Optimisation Basée sur la fouille de Données pour les problèmes d'ordonnancement

• Main Author: Shahzad, Atif
• Language: fra
• Published: Université de Nantes 2011
• Subjects: [SPI:AUTO] Engineering Sciences/Automatic; [SPI:AUTO] Sciences de l'ingénieur/Automatique / Robotique; [INFO:INFO_MO] Computer Science/Modeling and Simulation; [INFO:INFO_MO] Informatique/Modélisation et simulation; [INFO:INFO_LG] Computer Science/Machine Learning; [INFO:INFO_LG] Informatique/Apprentissage; Simulation; Optimisation; Ordonnancement; Règles de priorité; Fouille de données; Recherche tabou; Job shop
• Online Access: http://tel.archives-ouvertes.fr/tel-00647353; http://tel.archives-ouvertes.fr/docs/00/64/73/53/PDF/Thesis_Atif_SHAHZAD.pdf

Une approche hybride basée sur la fouille de données pour découvrir de nouvelles règles de priorité pour le problème l'ordonnancement job-shop est présentée. Cette approche est basée sur la recherche de connaissances supposées être intégrés dans les solutions efficaces fournies par un module d'optimisation préalablement mis en oeuvre et utilisant la recherche tabou. L'objectif est de découvrir les principes directeurs de l'ordonnancement à l'aide de la fouille de données et donc d'obtenir un ensemble de règles capables d'obtenir des solutions efficaces pour un problème d'ordonnancement. Une structure basée sur fouille de données est présentée et mise en œuvre pour un problème de job shop avec comme objectifs le retard maximum et le retard moyen. Les résultats obtenus sont très prometteurs.