Upload
blanche-madec
View
109
Download
3
Embed Size (px)
Citation preview
Heuristiques, métaheuristiquesHeuristiques, métaheuristiques et systèmes de voisinage et systèmes de voisinage
Application à des problèmes théoriques etApplication à des problèmes théoriques etindustriels de type TSP et ordonnancement.industriels de type TSP et ordonnancement.
Présenté par Laurent DeroussiLIMOS CNRS UMR 6158
Equipe Modélisation et Aide à la Décision
- META-Bermudes - Lille - 07/02/2003 -
22
PréambulePréambule[Lin & Kernighan, 1973]
"An Effective Heuristic Algorithmfor the Traveling Salesman Problem"
Améliorer la performancedes métaheuristiques
Méthodes derésolution
Systèmes devoisinage
33
SommaireSommaire
II INTRODUCTION INTRODUCTION IIII OPTIMISATION COMBINATOIRE OPTIMISATION COMBINATOIRE III SYSTEMES DE VOISINAGEIII SYSTEMES DE VOISINAGE IVIV VOYAGEUR DE COMMERCE VOYAGEUR DE COMMERCE VV SYSTEMES FLEXIBLES DE SYSTEMES FLEXIBLES DE
PRODUCTIONPRODUCTION VI CONCLUSION ET PERSPECTIVESVI CONCLUSION ET PERSPECTIVES
44
II INTRODUCTION INTRODUCTION IIII OPTIMISATION COMBINATOIRE OPTIMISATION COMBINATOIRE IIIIII SYSTEMES DE VOISINAGE SYSTEMES DE VOISINAGE IVIV VOYAGEUR DE COMMERCE (TSP) VOYAGEUR DE COMMERCE (TSP) VV SYSTEMES FLEXIBLES DE SYSTEMES FLEXIBLES DE
PRODUCTIONPRODUCTION VI CONCLUSION ET PERSPECTIVESVI CONCLUSION ET PERSPECTIVES
55
INTRODUCTIONINTRODUCTION
Performance des systèmes de voisinage ?
Construction de systèmes de voisinage efficaces ?
Robustesse ?
Systèmes de voisinageSystèmes de voisinage
66
INTRODUCTIONINTRODUCTION
Avantage : efficacité.
Inconvénients :lenteur,paramétrage.
Algorithmes stochastiquesAlgorithmes stochastiques
Méthodes délaissées par la littérature
77
II INTRODUCTION INTRODUCTION IIII OPTIMISATION COMBINATOIRE OPTIMISATION COMBINATOIRE IIIIII SYSTEMES DE VOISINAGE SYSTEMES DE VOISINAGE IVIV VOYAGEUR DE COMMERCE (TSP) VOYAGEUR DE COMMERCE (TSP) VV SYSTEMES FLEXIBLES DE SYSTEMES FLEXIBLES DE
PRODUCTIONPRODUCTION VIVI CONCLUSION ET PERSPECTIVES CONCLUSION ET PERSPECTIVES
88
Problème d’optimisation Problème d’optimisation combinatoirecombinatoire
)(min
cc *
Rechercher une solution ω* de Ω telle que :
Ω : espace des solutions (fini)c : Ω R
II. OPTIMISATION COMBINATOIRE
99
Méthodes de résolutionMéthodes de résolution
II. OPTIMISATION COMBINATOIRE
Principales méthodes de résolutionPrincipales méthodes de résolution
Méthodesexactes
Méthodesapprochées
Séparation / évaluation Méthodes de coupe …
Heuristiques de construction Méthodes de recherche locale Métaheuristiques Méthodes hybrides …
1010
Méthodes de résolutionMéthodes de résolution
II. OPTIMISATION COMBINATOIRE
Méthodes à voisinageMéthodes à voisinage
• méthodes de recherches locales itérées,• recuit simulé,• méthode tabou,• …
Méthodes de recherche locale
Métaheuristiques
Méthodes hybrides
• métaheuristiques / recherche locale,• métaheuristiques / métaheuristiques,• …
1111
II INTRODUCTION INTRODUCTION IIII OPTIMISATION COMBINATOIRE OPTIMISATION COMBINATOIRE IIIIII SYSTEMES DE VOISINAGE SYSTEMES DE VOISINAGE IVIV VOYAGEUR DE COMMERCE (TSP) VOYAGEUR DE COMMERCE (TSP) VV SYSTEMES FLEXIBLES DE SYSTEMES FLEXIBLES DE
PRODUCTIONPRODUCTION VIVI CONCLUSION ET PERSPECTIVES CONCLUSION ET PERSPECTIVES
1212
GénéralitésGénéralités
III. SYSTEMES DE VOISINAGE
Quelques définitionsQuelques définitions
Système de voisinage (SdV) (Hao et al., 1999)
Minimum global
cc,
Minimum V-local
cc,V VVVV
P:V
1313
GénéralitésGénéralités
III. SYSTEMES DE VOISINAGE
Notion de performanceNotion de performance
Un SdV est performant s’il permet d’obtenirrapidement des minima locaux de bonne qualité.
Deux notions antagonistes :
Rapidité Qualité
1414
Opérateurs internes aux SdVOpérateurs internes aux SdV
III. SYSTEMES DE VOISINAGE
GuidageGuidage
Restriction du SdV aux voisins les "plus prometteurs"
ω
V
V
1515
Opérateurs internes aux SdVOpérateurs internes aux SdV
III. SYSTEMES DE VOISINAGE
CouplageCouplage
Réunion de plusieurs SdV
ω
2V 1V
1616
Construction de SdV Construction de SdV performantsperformants
III. SYSTEMES DE VOISINAGE
Proposition d’une méthodologieProposition d’une méthodologie
Méthodologie en trois étapes :
recensement des mouvements de base "pertinents",
guidage des mouvements de base,
couplage des mouvements guidés.
1717
Construction de SdV Construction de SdV performantsperformants
III. SYSTEMES DE VOISINAGE
Avantages de la méthodologie Avantages de la méthodologie proposéeproposéeRecensement des mouvements de base "pertinents"
Guidage des mouvements de base
Couplage des mouvements guidés
s’appuyer sur les propriétés propresà chacun des mouvements
améliorer le temps d’exécution avec une pertede qualité raisonnable pour les minima locaux
obtenir des minima locaux de meilleure qualitéavec une perte raisonnable en temps d’exécution
1818
Justification théorique du Justification théorique du couplagecouplage
III. SYSTEMES DE VOISINAGE
Théorème de caractérisationThéorème de caractérisationdes minima globauxdes minima globaux
V
V(finie)
Soit V le couplage de V1 et V2 ,alors, on a :
21 VVV
1V
2V
1919
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Existant : étude des paysagesExistant : étude des paysages
Platlisse
Valléelisse
Platrugueux
Valléerugueuse
2020
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Existant : étude des paysagesExistant : étude des paysages
Evaluation de nombreux critères :
la distribution de la fonction coût, la rugosité du paysage, le nombre de minima locaux, la distribution des minima locaux dans l’espace de recherche, la structure des bassins d’attraction des minima locaux, …
2121
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Existant : étude des paysagesExistant : étude des paysages
+ Connaissance très pointue de l’espace de recherche
+ Très utile pour l’étude d’un problème particulier
- Mise en œuvre délicate
- Difficilement applicable pour vérifier le caractère générique de la méthodologie proposée
2222
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Combinatoire et profondeur des SdVCombinatoire et profondeur des SdV
Deux notions antagonistes :
Rapidité Qualité
Combinatoire :taille des Sdv
Profondeur :Proximité
entre et V
2323
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Combinatoire des SdVCombinatoire des SdV
Combinatoire : nombre moyen de solutions voisines
VV1
Cas particulier des SdV "homogènes"
VV
2424
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Profondeur des SdVProfondeur des SdV
Méthode de recherche locale associée à V
VVV :H
Domaine d’attraction d’un minimum local ωV
VVH/ V
1
VH
2 3
2525
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Profondeur des SdVProfondeur des SdV
Profondeur (première définition) :qualité moyenne des minima locaux
VV
VV
cVp
1
MAIS
est inconnu, minima locaux plus ou moins accessibles.
V
2626
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Profondeur des SdVProfondeur des SdV
Profondeur : qualité moyenne des minima locaux,pondérée par la taille de leur domaine d’attraction
VV
VVV cHVp
11
On montre que :
VHcVp1
2727
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Profondeur des SdVProfondeur des SdV
Evaluation absolue
Evaluation relative
minimum global, meilleure borne inférieure, meilleure borne supérieure.
2828
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Combinatoire et profondeur du Combinatoire et profondeur du couplagecouplageSoit
k
iiVV
1
, le couplage de k SdV Vi , alors
ik..i
VpminVp1
k
iiVV
1
Combinatoire :
Profondeur :
Vrai
Faux en général
2929
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
profondeur du couplageprofondeur du couplage
ik..i
VpminVp1
• en théorie
L’inégalité n’est vérifiée que
si la méthode de recherche locale HV vérifie certainespropriétés concernant la politique d’exploration(i.e. l’ordre dans lequel les voisins sont explorés)
• en pratique
Vérifier expérimentalement que le couplage a un effetpositif sur la profondeur
3030
Evaluation des SdVEvaluation des SdV
III. SYSTEMES DE VOISINAGE
Politique d’explorationPolitique d’exploration
ω
2V 1V
1
234
56
7
89
1011
12
13
3131
Etude expérimentaleEtude expérimentale
III. SYSTEMES DE VOISINAGE
Voyageur de commerce à 9 villesVoyageur de commerce à 9 villes
SdVSdV combcomb profprof tempstemps
2-opt2-opt 2727 0.77%0.77% 39 s39 s
EPEP11 insertioninsertion 6363 2.62%2.62% 49 s49 s
couplagecouplage 9090 0.45%0.45% 45 s45 s
2-opt2-opt 2727 1.78%1.78% 39 s39 s
EPEP22 insertioninsertion 6363 1.90%1.90% 49 s49 s
couplagecouplage 9090 0.07%0.07% 45 s45 s
3232
Etude expérimentaleEtude expérimentale
III. SYSTEMES DE VOISINAGE
Voyageur de commerce à 9 villesVoyageur de commerce à 9 villes
+ Amélioration significative de la profondeur
+ Hausse modérée du temps d’exécution
- Influence de la politique d’exploration
- Caractère imprévisible de la politique d’exploration
3333
II INTRODUCTION INTRODUCTION IIII OPTIMISATION COMBINATOIRE OPTIMISATION COMBINATOIRE IIIIII SYSTEMES DE VOISINAGE SYSTEMES DE VOISINAGE IVIV VOYAGEUR DE COMMERCE (TSP) VOYAGEUR DE COMMERCE (TSP) VV SYSTEMES FLEXIBLES DE SYSTEMES FLEXIBLES DE
PRODUCTIONPRODUCTION VIVI CONCLUSION ET PERSPECTIVES CONCLUSION ET PERSPECTIVES
3434
Conception du système de voisinageConception du système de voisinage
IV. VOYAGEUR DE COMMERCE
Mouvements de baseMouvements de base
Mouvement 2-opt Mouvement de Or (insertion généralisée) Mouvement LK
Mouvements retenus
Mouvements non retenus
Mouvement de permutation
3535
Conception du système de voisinageConception du système de voisinage
IV. VOYAGEUR DE COMMERCE
Guidage des mouvementsGuidage des mouvements
Basé sur l’ensemble des "meilleurs" voisins de chaque ville
TSP symétrique euclidien TSP asymétrique
Propriétés du plan euclidien
Distance
Distance
3636
Conception du système de voisinageConception du système de voisinage
IV. VOYAGEUR DE COMMERCE
Méthodes de résolutionMéthodes de résolution
Méthode existante :
algorithme du kangourou (KA)
Nouvelle métaheuristique :
variante du kangourou (ISKA)"Improved Solution Kangaroo Algorithm"
Algorithmes stochastiques Comportement moyen
3737
RESULTATS POUR LE TSP RESULTATS POUR LE TSP SYMETRIQUESYMETRIQUE
IV. VOYAGEUR DE COMMERCE
Comparaison KA / ISKAComparaison KA / ISKA
00,10,20,30,40,50,60,70,80,9
Ecart
KA
ISKA
3838
RESULTATS POUR LE TSP RESULTATS POUR LE TSP SYMETRIQUESYMETRIQUE
IV. VOYAGEUR DE COMMERCE
SynthèseSynthèse
est plus performant que KA, trouve une solution optimale pour 10 des 12 instances testées, concurrence les méthodes de la littérature
ILK (Johnson, 1997)GLS (Merz, 1997)GLS + FLS (Voudouris, 1999)
ISKA :
3939
LE TSP ASYMETRIQUELE TSP ASYMETRIQUE
IV. VOYAGEUR DE COMMERCE
Approches possiblesApproches possibles
Heuristiques dédiées au ATSP,
Heuristiques adaptées du STSP au ATSP,
Transformation du ATSP en STSP.
4040
LE TSP ASYMETRIQUELE TSP ASYMETRIQUE
IV. VOYAGEUR DE COMMERCE
Espace de rechercheEspace de recherche
La transformation du ATSP en STSPdouble le nombre de villes ! ΩS
ΩA
Pour n=5 villes ΩS=181440 ΩA=24
4141
LE TSP ASYMETRIQUELE TSP ASYMETRIQUE
IV. VOYAGEUR DE COMMERCE
Espace de rechercheEspace de recherche
Transformation pénalisation de certaines arêtes.
Subdivision de ΩS en trois sous-espaces.
Optimisation multi-critères hiérarchisés.
4242
LE TSP ASYMETRIQUELE TSP ASYMETRIQUE
IV. VOYAGEUR DE COMMERCE
Système de voisinage multipleSystème de voisinage multiple
La réutilisation de ISKA fournit des résultats corrects.
MAIS
Problèmes de comportement dans ISKA
4343
LE TSP ASYMETRIQUELE TSP ASYMETRIQUE
IV. VOYAGEUR DE COMMERCE
Système de voisinage multipleSystème de voisinage multiple
Certains mouvements sont parfois inefficaces
Exemple :
Solutionadmissible
Solutionnon
admissible
2-opt
4444
LE TSP ASYMETRIQUELE TSP ASYMETRIQUE
IV. VOYAGEUR DE COMMERCE
Système de voisinage multipleSystème de voisinage multiple
Solutions :
Adaptation du système de voisinage selon le sous-espace exploré
Conception du mouvement "zéro-insertion"
4545
LE TSP ASYMETRIQUELE TSP ASYMETRIQUE
IV. VOYAGEUR DE COMMERCE
RésultatsRésultats
27 instances de la TSPLIB (17 – 443 villes)
25 solutions optimales
Robustesse ?
RBG443 0% entre 1 et 14 minutes
RBG323 entre 1.2% et 1.8% en 25 minutes
4646
LE TSPLE TSP
IV. VOYAGEUR DE COMMERCE
ConclusionConclusion
Apport de la méthodologie ?
+ Très bons résultats obtenus
- Domination du mouvement LK
4747
LE TSPLE TSP
IV. VOYAGEUR DE COMMERCE
PerspectivesPerspectives
Utiliser LKH avec d’autres métaheuristiques
Améliorer le calcul des bornes inférieures du ATSP
Adapter LKH pour la ATSP
TSP symétrique
TSP asymétrique
4848
II INTRODUCTION INTRODUCTION IIII OPTIMISATION COMBINATOIRE OPTIMISATION COMBINATOIRE IIIIII SYSTEMES DE VOISINAGE SYSTEMES DE VOISINAGE IVIV VOYAGEUR DE COMMERCE (TSP) VOYAGEUR DE COMMERCE (TSP) VV SYSTEMES FLEXIBLES DE SYSTEMES FLEXIBLES DE
PRODUCTIONPRODUCTION VIVI CONCLUSION ET PERSPECTIVES CONCLUSION ET PERSPECTIVES
4949
LE PROBLEMELE PROBLEME
V. SYSTEMES FLEXIBLES DE PRODUCTION
DéfinitionDéfinition
Job Shop avec transport
Pièces
Véhicule
MachineStation
L/U
5050
LE PROBLEMELE PROBLEME
V. SYSTEMES FLEXIBLES DE PRODUCTION
ComplexitéComplexité
Résolution conjointe de deux problèmes NP-complets :
Job Shop Problem,
Vehicle Scheduling Problem.
5151
LE PROBLEMELE PROBLEME
V. SYSTEMES FLEXIBLES DE PRODUCTION
Couplage heuristique / simulationCouplage heuristique / simulation
Méthode derésolution
Solution
Simulation àévénements discretsSystème de
voisinage
évaluer
Makespan
5252
Conception du système de voisinageConception du système de voisinageMouvements de baseMouvements de base
Mouvement d’insertion Mouvement de permutation
Mouvements retenus
V. SYSTEMES FLEXIBLES DE PRODUCTION
5353
Conception du système de voisinageConception du système de voisinageGuidageGuidage
V. SYSTEMES FLEXIBLES DE PRODUCTION
Permutation :
Insertion :
temps de calcul divisé par 3,aucune perte de qualité.
temps de calcul divisé par 5,perte sensible de qualité (1%).
5454
ETUDE EXPERIMENTALEETUDE EXPERIMENTALEJeux d’essaiJeux d’essai
V. SYSTEMES FLEXIBLES DE PRODUCTION
40 instances :
[Ulusoy & Bilge, 1993]
4 machines, 2 véhicules
10 jeux de données :
5 à 8 pièces, 13 à 23 opérations
4 topologies
5555
ETUDE EXPERIMENTALEETUDE EXPERIMENTALEJeux d’essaiJeux d’essai
V. SYSTEMES FLEXIBLES DE PRODUCTION
M1 M2 M3 M4
LU
Exemple d’une topologie
5656
ETUDE EXPERIMENTALEETUDE EXPERIMENTALEMéthodes de résolutionMéthodes de résolution
V. SYSTEMES FLEXIBLES DE PRODUCTION
méthode de recherche locale itérée,
recuit simulé,
méthode hybride.
5757
ETUDE EXPERIMENTALEETUDE EXPERIMENTALERésultats : comparaison avec la Résultats : comparaison avec la littératurelittérature
V. SYSTEMES FLEXIBLES DE PRODUCTION
Les trois méthodes sont toujours au moins aussibonnes que le meilleur résultat de la littérature.
23 nouvelles bornes supérieures (sur 40 instances)
InstancInstancee
LittératLittérat..
Résult.Résult. InstancInstancee
LittératLittérat..
Résult.Résult.
Ex24Ex24 113113 108108 Ex71Ex71 118118 111111
Ex31Ex31 105105 9999 Ex72Ex72 8585 7979
Ex44Ex44 126126 121121 Ex104Ex104 164164 159159
5858
ETUDE EXPERIMENTALEETUDE EXPERIMENTALERésultats : comparaison des méthodesRésultats : comparaison des méthodes
V. SYSTEMES FLEXIBLES DE PRODUCTION
Méthode hybride
retrouve 100% des meilleures bornes supérieures, temps d’une réplication : de 19 à 46 secondes, robustesse.
MinimumMinimum MoyenneMoyenne MaximumMaximum
Résultats moyensRésultats moyens
pour les 40 pour les 40 instancesinstances
108,48108,48
(0 %)(0 %)108,85108,85
(0.34 %)(0.34 %)109,73109,73
(0.93 %)(0.93 %)
5959
II INTRODUCTION INTRODUCTION IIII OPTIMISATION COMBINATOIRE OPTIMISATION COMBINATOIRE IIIIII SYSTEMES DE VOISINAGE SYSTEMES DE VOISINAGE IVIV VOYAGEUR DE COMMERCE (TSP) VOYAGEUR DE COMMERCE (TSP) VV SYSTEMES FLEXIBLES DE SYSTEMES FLEXIBLES DE
PRODUCTIONPRODUCTION VIVI CONCLUSION ET PERSPECTIVES CONCLUSION ET PERSPECTIVES
6060
CONCLUSIONCONCLUSION
Déterminer un bon paramétrage a priori,
Concevoir un système de voisinage performant,
Pratique3 problèmes : TSP, ATSP, SFP
4 méthodes : KA, ILS, SA, SALS
Théorique
Proposition d’outils mathématiques
6161
PERSPECTIVESPERSPECTIVES
Etudier l’effet du couplage sur le paysage.
Application de la méthodologie :à d’autres problèmes,avec d’autres méthodes.
Méthodes à individus vs. méthodes à population ?
Méthodes stochastiques vs. méthodes déterministes ?
6262
FINFIN
"When designing a metaheuristic, it is preferable that it besimple, both conceptually and in practice. Naturally, it alsomust be effective, and if possible general purpose. …… The ideal case is when the metaheuristic can be usedwithout any problem-specific knowledge. …… Problem-specific knowledge must now be incorporatedinto metaheuristics in order to reach the state of the art level. … … We run the risk of loosing both simplicity and generality."
(Lourenzo, Martin & Stützle, 2001)(Lourenzo, Martin & Stützle, 2001)
"Iterated Local Search"