Modélisation et Optimisation d'un Système de Transport à la Demande Multicritère et Dynamique

• Main Author: Zidi, Issam
• Language: FRE
• Published: Ecole Centrale de Lille 2012
• Subjects: [SPI:OTHER] Engineering Sciences/Other; Heuristiques; Transport à la demande; Optimisation multi-objectif; Système multi-agents; Recuit simulé
• Online Access: http://tel.archives-ouvertes.fr/tel-00735879; http://tel.archives-ouvertes.fr/docs/00/73/58/79/PDF/Zidi_Issam_DLE.pdf

Le Problème de Transport à la Demande (PTD), consiste à prendre en charge le transport des personnes d'un lieu de départ vers un lieu d'arrivée. Il est caractérisé par un ensemble de demandes de transport et d'un nombre de véhicules disponible. L'ultime objectif dans ce travail de thèse est d'offrir une alternative optimisée au déplacement individuel et collectif. Le PTD est classé parmi les problèmes NP-difficile, la majorité des travaux de recherche ont été concentrés sur l'utilisation des méthodes approchées pour le résoudre.Ce problème est également multicritère, la solution proposée dans ce travail permet à la fois une réduction du temps de voyage et également de la distance parcourue. Dans cette thèse, nous proposons notre contribution à l'étude et à la résolution du problème de transport à la demande multicritère et dynamique en appliquant l'algorithme de recuit simulé multi-objectif. Une grande partie de notre travail concerne la conception, le développement et la validation des approches qui permettent de donner des solutions optimales ou quasi optimales, pour un PTD. Ces approches utilisent une méthode multicritère qui s'appuie sur l'algorithme de recuit simulé. La modélisation du PTD est représentée par une architecture multi-acteurs. Cette architecture met en évidence l'aspect distribué du système ainsi que les interactions et les relations qui peuvent avoir lieu entre les différents acteurs. Nous présentons dans ce travail un Système Multi-Agents pour la planification des itinéraires des véhicules affectés au transport des voyageurs. Les agents de ce système utilisent le module d'optimisation développé dans la première partie