|
Résumé :
|
De nos jours, il existe encore un écart important entre les exigences et la performance des systèmes d'aide à la décision pour de nombreux problèmes tels que le problème de planification des tournées de véhicules, consistant à concevoir un ensemble de routes optimales pour une flotte de véhicules visant à servir un nombre donné de clients. Néanmoins, de nouvelles demandes (clients) pourraient être introduites pendant qu'un plan préalable est en cours. Par conséquent, les routes doivent être recalculées de manière dynamique. Dans cette thèse, nous proposons une nouvelle méthode d'optimisation combinatoire parallèle basée sur l'unité de traitement graphique (GPU) appelée ParallelBees Life Algorithm (P-BLA), pour résoudre efficacement le problème dynamique de tournées des véhicules (DCVRP), en termes de temps d'exécution. Réduire la complexité de calcul souvent considérée comme l'inconvénient majeur des méthodes d'optimisation classiques. P-BLA est développé en utilisant le logiciel CUDA, et qui est réalisé sur GPU en se basant sur le modèle d'îlot. Après un ensemble de comparaisons entre P-BLA avec des méthodes conventionnelles comme l’algorithme génétique, système de fourmi, recherche Tabou et avec BLA séquentiel. P-BLA a fourni des résultats efficaces obtenus à partir des benchmarks de DCVRP les plus testés.
|
