Or Donna Cement

Introduction aux probl`mes dordonnancement
28 novembre 2005
1 de 117
Plan

e
Mohamed Ali ALOULOU
LAMSADE
Universit Paris Dauphine
e
E-mail : aloulou@lamsade.dauphine.fr
28 novembre 2005

e
Plan
28 novembre 2005
2 de 117
Plan du cours
Dnition et formulation du probl`me dodonnancement

e
e
Ordonnancement de projet : rappels et extensions
Ordonnancement dateliers : contexte et classication
Ordonnancement dateliers : mthodes de rsolution

e
e

e
Plan
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Contraintes de potentiel
Contraintes disjonctives
Contraintes cumulatives
Formulation
mathmatique
e
28 novembre 2005
3 de 117
Partie 1 : Dnition et formulation du probl`me

e
e
dodonnancement
1 Cest quoi lordonnancement ?
2 Quelques domaines concerns par la fonction
e
ordonnancement
3 La fonction ordonnancement dans la gestion de la prodution
4 Contraintes rencontres en ordonnancement
e
5 Formulation mathmatique
e

e
Plan
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
28 novembre 2005
4 de 117
Ordonnancer ?
Dnition
e
Le probl`me dordonnancement consiste ` organiser dans le
e
a
temps la ralisation dun ensemble de tches, compte tenu de
e
a
contraintes temporelles (dlais, contraintes dencha
e
nements,
...) et de contraintes portant sur lutilisation et la disponibilit
e
des ressources requises.
Un ensemble de tches
a
Un environnement de ressources pour eectuer les tches
a
Des contraintes sur les tches et les ressources
a
Un crit`re doptimisation
e
= Dterminer les dates dexecution des tches
e
a

e
Plan
28 novembre 2005
5 de 117
Domaines concerns
e
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Ateliers de production
...
gestion de projets
...
Projets
Production
Contraintes en
ordonnancement
Ordonnancement
Formulation
mathmatique
e
Administration
gestion des ressources humaines
emplois du temps
...
Informatique
excution des programmes
optimisation de code
...

e
Plan
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
28 novembre 2005
6 de 117
La gestion de la production [Giard 2003]

La gestion de production a pour objet la recherche dune
organisation ecace de la production des biens et des services
3 catgories pour classer les dcisions en gestion de la
e
e
production :
les dcisions stratgiques : politique long terme de
e
e
lentreprise
les dcisions tactiques : dcisions ` moyen terme
e
e
a
planication de la production
plan de transport
les dcisions oprationnelles : court terme

e
e
gestion des stocks
ordonnancement
pilotage informatique en temps rel
e

e
Plan
28 novembre 2005
7 de 117
Contraintes rencontres en ordonnancement

e
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
Direntes contraintes
e
technologiques : une tche ne peut dbuter que lorsque
a
e
dautres sont acheves
e
commerciales : certaines dates doivent tre acheves pour
e
e
une date xe
e
matrielles : une machine ne peut traiter quune machine
e
` la fois
a
de main doeuvre :eectif limit
e
nanci`res : budget limit
e
e

e
Plan
28 novembre 2005
7 de 117

e
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
e
a
e
e
e
e
une date xe
e
e
` la fois
a
e
e
e

e
Plan
28 novembre 2005
7 de 117

e
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
e
a
e
e
e
e
une date xe
e
e
` la fois
a
e
e
e

e
Plan
28 novembre 2005
7 de 117

e
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
e
a
e
e
e
e
une date xe
e
e
` la fois
a
e
e
e

e
Plan
28 novembre 2005
7 de 117

e
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
e
a
e
e
e
e
une date xe
e
e
` la fois
a
e
e
e

e
Plan
28 novembre 2005
Formalisation des contraintes
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
Contraintes potentielles (ou de potentiels)
Contraintes cumulaives
8 de 117

e
Plan
Cest quoi
lordonnancement ?
28 novembre 2005
9 de 117
Contraintes potentielles
Notation : tj : date de dbut de la tche j, pj sa dure
e
a
e
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
Forme gnrale : tj ti aij

e e
Localisation temporelle : j ne peut dbuter avant une
e
certaine date (livraison de mati`re premi`re, conditions
e
e
climatiques,...)
Contrainte de dlai : j doit tre termine avant une
e
e
e
certaine date
Contrainte de succession
succession simple
succession avec attente
succession avec chevauchement
succesion immdiate
e

e
Plan
Cest quoi
lordonnancement ?
28 novembre 2005
9 de 117
e
a
e
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e

e e
e
e
e
climatiques,...)
e
e
e
certaine date
succession simple
succesion immdiate
e

e
Plan
Cest quoi
lordonnancement ?
28 novembre 2005
9 de 117
e
a
e
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e

e e
e
e
e
climatiques,...)
e
e
e
certaine date
succession simple
succesion immdiate
e

e
Plan
Cest quoi
lordonnancement ?
28 novembre 2005
9 de 117
e
a
e
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e

e e
e
e
e
climatiques,...)
e
e
e
certaine date
succession simple
succesion immdiate
e

e
Plan
28 novembre 2005
10 de 117
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
Deux tches i et j sont en disjonction si elles ne peuvent tre

a
e
excutes simultanment
e e
e
= Les intervalles dexcution des tches disjonctives sont
e
a
disjoints : ]ti , ti + pi []tj , tj + pj [=
Disjonction dingalits de potentiels
e
e
tj ti pi ou ti tj pj

e
Plan
Cest quoi
lordonnancement ?
28 novembre 2005
11 de 117
Cest une gnralisation des contraintes disjonctives
e e
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
Exemple : On a deux grues et 5 tches ncessitant une grue

a
e
sont candidates au mme moment
e
Soit
wk (t) la quantit de moyen k disponible ` t.
e
a
wik (t) la quantit de moyen k ncessaire pour excuter i `
e
e
e
a
t.
Si
wik (t) wk (t)
iS
alors les tches de S peuvent tre excutes simultanment ` t

a
e
e e
e
a
sinon les tches de S sont en disjonction
a

e
Plan
Cest quoi
lordonnancement ?
Domaines
Ordonnancement en
GdP
Contraintes en
ordonnancement
Formulation
mathmatique
e
28 novembre 2005
12 de 117
Formulation mathmatique
e
n tches ` excuter + 2 tches ctives 0 et n + 1 de dures
a
a e
a
e
nulles.
Dterminer (t0 , t1 , . . . , tn , tn+1 ) de faon `
e
c a
Minimiser f (t0 , t1 , . . . , tn , tn+1 )
s.c.
1 Contraintes de potentiel : tj ti aij
2 Contraintes disjonctives : tj ti pi ou ti tj pj
3 Contraintes cumulatives (idem)
4 Contraintes de non ngativit : t0 , t1 , . . . , tn , tn+1 0
e
e
f est fonction des dates de dbut (ou de n des tches), par
e
a
exemple, f (t0 , t1 , . . . , tn , tn+1 ) = tn+1 t0

e
Plan
Probl`me central de
e
lordonnancement :
ressources illimites
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
Algorithme de dcalage
e
28 novembre 2005
13 de 117
Partie 2 : Ordonnancement de projet rappels

et extensions
6 Probl`me central de lordonnancement : ressources illimites
e
e
Dnition
e
Modlisation avec un graphe potentiels-tches
e
a
Recherche dordonnancement admissible
7 Cas gnral : ressources limites
e e
e
Problmatique
e
Rsolution exacte
e
Approche simple de rsolution : alogrithme de liste
e
8 Cas de ressources nanci`res
e
Problmatique
e
Lore et la demande
e

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
14 de 117
Contexte
Un projet consiste en un ensemble de n tches lies par des
a
e
contraintes de succession ou de prcdence
e e
Objectif
Calculer la dure minimale du projet, les ressources tant
e
e
supposes illimites
e
e
= Minimiser (tn+1 t0 ) sous les contraintes de
potentiels
Dterminer les dates de dbut au plus tt et au plus tard
e
e
o
des tches
a
Dterminer les tches critiques
e
a

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
15 de 117
e
e
c a
Minimiser (tn+1 t0 )
s.c.
1
Contraintes de potentiel : tj ti aij
Contraintes de non ngativit : t0 , t1 , . . . , tn , tn+1 0

e
e

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
15 de 117
e
e
c a
Minimiser (tn+1 t0 )
s.c.
1
Contraintes de potentiel : tj ti aij
Contraintes de non ngativit : t0 , t1 , . . . , tn , tn+1 0

e
e
Cest un PL
MAIS, IL Y A PLUS SIMPLE !
e
a
e
= Mthode potentiels-tches et mthode PERT

e
Plan
28 novembre 2005
16 de 117
Modlisation avec un graphe potentiels-tches

e
a
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
On utilise un graphe orient G = (X, U )

e
X : ensemble des sommets : tches
a
U : ensemble des arcs : contraintes de potentiels
U = {(i, j) X X, contrainte tj ti aij }
La valuation dun arc (i, j) est vij = aij

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Lore et la demande
e
17 de 117
Exemple illustratif
Rubrique
Sols
Murs
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
28 novembre 2005
Plomberie
Mobilier
Tche
a
Dbut
e
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
Fin
Description
Lancement du projet
Dpose ancien carrelage
e
Pose carrelage
Joints carrelage
Dcollage ancien papier
e
Pose fa
ence
Pose nouveau papier
Dpose ancien vier
e
e
dplacement arriv. et vac.
e
e
Pose et raccordement Evier
Dpose ancien lments
e
ee
Assemb. caissons et tiroirs
Pose lments bas
ee
Pose plan de travail
Etanchit plan de travail
e e
Pose lments hauts
ee
Fin du projet
Dure
e
0
6
4
2
8
6
4
1
6
2
4
8
6
4
1
1
0
Tches prc.
a
e
J
A
B
J
D
E
Dbut
e
G
M
G
Dbut
e
B,J,H,K
L
E,M
E,J
C,F,I,N,O

e
Plan
28 novembre 2005
18 de 117
Graphe correspondant
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
1
G
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
O
4
*
4
Problmatique
e
Lore et la demande
e
6
J
1
2
M
4
Niveau
I
7

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
19 de 117
Recherche dun ordonnancement ralisable

e
Thor`me
e e
Il existe un ordonnancement ralisable ssi
e
strictement positive dans G
de circuit de valeur

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
28 novembre 2005
19 de 117
Recherche dun ordonnancement ralisable

e
Thor`me
e e
Il existe un ordonnancement ralisable ssi
e
strictement positive dans G
de circuit de valeur
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
Si la condistion dexistence est vrie alors, il existe en gnral

e e
e e
plusieurs ordonnancements ralisables de dure minimale.
e
e
On distinguera deux cas particuliers :
1 Ordonnancement au plus tt
o
2 Ordonnancement au plus tard (avec une date limite
dachvement du projet impose)
e
e

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
20 de 117
Dates de dbut au plus tt (1)

e
o
Dnition
e
La date de dbut au plus tt ti dune tche i est gale ` la
e
o
a
e
a
longueur du plus long chemin de la tche Dbut (ou 0) ` i.
a
e
a

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
20 de 117

e
o
Dnition
e
La date de dbut au plus tt ti dune tche i est gale ` la
e
o
a
e
a
longueur du plus long chemin de la tche Dbut (ou 0) ` i.
a
e
a
Thor`me
e e
Dans le cas dun graphe sans circuit, on a
t0 = 0
ti = max (tj + vj,i )
j1 (i)
vj,i est la valuation de larc (j, i) (par exemple la dure de j)

e
1 (i) est lensemble des prdcesseurs de i.
e e

e
Plan
28 novembre 2005
21 de 117

e
o
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
13
D
Cas gnral :
e e
ressources limites
e
1
5
11
15
2
*
N
4
6
0
1
27
15
Niveau
Problmatique
e
Lore et la demande
e
19
Cas de ressources
nanci`res
e
G
0
19
6
Problmatique
e
Rsolution exacte
e
Algorithme de liste
21
5
25
1
2
I
25

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
22 de 117
Dates de dbut au plus tard (1)

e
On souhaite terminer le projet au plus tard ` une date
a
D tn+1
Dnition
e
La date de dbut au plus tard ti de i est la date maximum `
e
a
laquelle on peut excuter i sans retarder le chantier (date D).
e
Thor`me
e e
tn+1 = D
ti = tn+1 valeur dun plus long chemin entre i et n + 1

e
Plan
28 novembre 2005
23 de 117

e
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Thor`me
e e
Dans le cas dun graphe sans circuit, on a
Problmatique
e
Rsolution exacte
e
Algorithme de liste
t = D
Cas de ressources
nanci`res
e
ti = min {tj vi,j }
Problmatique
e
Lore et la demande
e
j(i)
vi,j est la valuation de larc (i, j) (par exemple la dure de i)

e
(i) est lensemble des successeurs de i.

e
Plan
28 novembre 2005
24 de 117

e
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
17
9
D
Cas gnral :
e e
ressources limites
e
1
1
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
1
5
11
4
B
26
21 4
15
2
4 25
7
1
26
Niveau
Problmatique
e
Lore et la demande
e
23
6
I
25
27

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Dnition
e
La marge totale dune tche i est le retard total quon peut se
a
permettre sur i sans remettre en cause la date de n du projet.
M T i = t i ti
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Problmatique
e
Lore et la demande
e
25 de 117
Marges totales et chemin critique (1)
Cas gnral :
e e
ressources limites
e
Cas de ressources
nanci`res
e
28 novembre 2005
Dnition
e
Les tches critiques ont une marge nulle (par extension si
a
M Ti = M Tn+1 )
= Tout retard sur leur excution entra un retard global sur
e
ne
le projet.
Un chemin est critique sil relie Dbut ` Fin et sil ne contient
e
a
que des tches critiques.
a

e
Plan
28 novembre 2005
26 de 117
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
5 9
D
Cas gnral :
e e
ressources limites
e
0 0
1 1
1
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
1
5 5
A
6
11
6
11
15
4
B
C
4 25
6
L
15
27
*
4
0 7
0
19 26
O
Niveau
1 9
Problmatique
e
Lore et la demande
e
19 23
17
E
13
8
15
5
25 26
M
21 4
21
6
1
2
I
25 25
7
27

e
Plan
28 novembre 2005
27 de 117
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
5 9
D
Cas gnral :
e e
ressources limites
e
0 0
G
Problmatique
e
Rsolution exacte
e
Algorithme de liste
1
5 5
A
6
11
6
11
15
4
B
C
4 25
6
L
15
27
*
4
0 7
0
19 26
O
Niveau
1 9
Problmatique
e
Lore et la demande
e
19 23
6
J
J
Cas de ressources
nanci`res
e
1 1
17
13
8
15
5
M
21 4
21
6
N
25 26
1
2
I
25 25
7
27

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
28 de 117
Marges libres
Dnition
e
La marge libre dune tche i est le retard total quon peut se
a
permettre sur i sans retarder lexcution dune autre tche (par
e
a
rapport aux dates de dbut au plus tt).
e
o

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
28 de 117
Marges libres
Dnition
e
a
e
a
e
o
Thor`me
e e
M Li = min {tj ti vi,j }
j(i)

e

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
29 de 117
Marges libres (1)

Dnition
e
a
e
a
e
o

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
29 de 117
Marges libres (1)

Dnition
e
a
e
a
e
o
Thor`me
e e
M Li = min {tj ti vi,j }
j(i)

e

e
Plan
30 de 117
Problmatique
e
Probl`me central de
e
lordonnancement :
e
5 9
Dnition
e
Modlisation
e
Rsolution
e
D
0 0
G
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
1 1
1
1
5 5
A
6
11
6
11
15
4
B
C
4 25
6
L
15
27
*
4
19 26
O
0 7
Niveau
1 9
Cas de ressources
nanci`res
e
19 23
6
J
J
17
13
8
Problmatique
e
Lore et la demande
e
28 novembre 2005
15
5
M
21 4
21
6
N
25 26
27
I
25 25
7
La tches D et A doivent tre eectues par la mme

a
e
e
e
personne.
= On doit choisir deectuer D avant A ou bien A avant D

e
Plan
Enumrer les direntes possibilits :

e
e
e
Si A est avant D alors on rajoute un arc de A vers D
valu par la dure de A,
e
e
Si D est avant A alors on rajoute un arc de D vers A
valu par la dure de D
e
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
2
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
31 de 117
Schma gnral
e
e e
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
28 novembre 2005
Rsoudre les probl`mes correspondants

e
e
Choisir la meilleure dcision

e

e
Plan
Enumrer les direntes possibilits :

e
e
e
Si A est avant D alors on rajoute un arc de A vers D
valu par la dure de A,
e
e
Si D est avant A alors on rajoute un arc de D vers A
valu par la dure de D
e
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
2
Cas de ressources
nanci`res
e
31 de 117
Schma gnral
e
e e
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
28 novembre 2005
Rsoudre les probl`mes correspondants

e
e
Choisir la meilleure dcision

e
Problmatique
e
Lore et la demande
e
Lorsque le nombre de tches partageant les mmes ressources

a
e
est trop important le probl`me devient tr`s dicile ` rsoudre
e
e
a e
car le nombre de possibilits devient norme !
e
e

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
32 de 117
Approche simple de rsolution

e
Algorithme de liste
Les conits entre les tches utilisant la mme ressource
a
e
e
e
sont rsolus par des r`gles de priorit statiques ou
e
dynamiques
Exemples de r`gles de priorit
e
e
Plus petite date de dbut au plus tard dabord
e
Plus petite date de n au plus tard dabord
Plus petite dure dabord
e
Les tches sont ordonnances en incrmentant le temps `

a
e
e
a
partir de 0.

e
Plan
28 novembre 2005
33 de 117
Autre exemple
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
Ressource R1
Ressource R2
A
3
0
B
3
0
C
1
0
D
1
1
E
1
1
F
2
1
G
3
0
H
2
1
I
1
0
J
2
0
Disponibilit
e
5
1
Appliquer lalgorithme de liste en donnant la priorit ` la tche qui poss`de

ea
a
e
la plus petite date de dbut au plus tard.
e

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
Diagramme de Gantt
28 novembre 2005
34 de 117

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
Solution trouve vs solution optimale

e
35 de 117

e
Plan
28 novembre 2005
36 de 117
Problmatique
e
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
Les tches {1, 2, . . . , n} ont besoin dune seule ressource :

a
largent
La ressource est alimente ` des dates u1 , . . . , uq et selon
e a
des quantits b1 , . . . , bq
e
Une tche i requiert, ` sa date de dbut dexcution, une
a
a
e
e
quantit ai de la ressource
e
Ordonnancement de dure minimale en respectant les

e
contraintes de ressource
contraintes de prcdence entre tches
e e
a

e
Plan
Exemple
Probl`me central de
e
lordonnancement :
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
J4
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
28 novembre 2005
J1
0
J2
0
J3
7
3
J5
Demande : i {J1, J2, J3, J4, J5}, ai = 5

Ore
ui
0
10
16
bi
15
5
10
37 de 117

e
Plan
28 novembre 2005
Lore et la demande
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
Aucun des ordonnancements nest admissible
38 de 117

e
Plan
Probl`me central de
e
lordonnancement :
e
Dnition
e
Modlisation
e
Rsolution
e
Cas gnral :
e e
ressources limites
e
Problmatique
e
Rsolution exacte
e
Algorithme de liste
Cas de ressources
nanci`res
e
Problmatique
e
Lore et la demande
e
28 novembre 2005
39 de 117
e
On peut montrer que si un ordonnancement est
admissible, tout ordonnancement au plus tard de mme
e
dure lest aussi
e
e
Calculer un ordonnancement au plus tard
Sil nest pas admissible, calculer la quantit minimale
e
dont il faut dcaler lordonnancement au plus tard pour
e
que lordonnancement rsultant soit admissible
e
= Lalgorithme de dcalage permet dobtenir un

e
ordonnancement optimal

e
Plan
Contexte
28 novembre 2005
Partie 3 : Ordonnancement dateliers contexte

et classication
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
40 de 117
9 Contexte
10 Classication des probl`mes dordonnancement
e
Schmas de classication
e
Les environnements machines
Les tches et leurs caractristiques
a
e
Les crit`res doptimisation
e
11 Les direntes classes dordonnancement
e
12 Quelques notions de la thorie de la complexit
e
e
Complexit des algorithmes

e
Complexit des probl`mes
e
e

e
Plan
28 novembre 2005
41 de 117
Contexte
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
On a un ensemble J de tches ou de travaux (ou jobs) `

a
a
excuter
e
Les ressources sont des machines et ne peuvent excuter
e
quune tche ` la fois
a
a
Les crit`res font intervenir les dates de n dexcution, les
e
e
dates de livraison, les stocks den cours ... et les ordres de
fabrication peuvent avoir des poids (importance) dirents
e

e
Plan
28 novembre 2005
42 de 117
Schmas de classication
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Nous suivons les schmas de classication proposs par

e
e
(Graham et al, 1979).
Classication ` trois champs ||
a
: environnement machine
: les caractristiques des tches
e
a
: le (ou les) crit`re(s) ` optimiser
e
a

e
Plan
28 novembre 2005
43 de 117
Dune faon gnrale ...

c
e e
Contexte
On doit excuter n tches ou n travaux (jobs).

e
a
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Le champ est dcompos en deux sous-champs 1 et 2 .

e
e
Selon les valeurs prises par 1 , on distingue :
Les probl`mes ` une machine
e
a
Les probl`mes ` machines parall`les
e
a
e
Les probl`mes dateliers
e
Complexit ...
e
... des algorithmes
... des probl`mes
e
Ateliers ` cheminement unique (owshop)

a
Ateliers ` cheminements multiples (jobshop)
a
Ateliers ` cheminements libres (openshop)
a
...
Lordonnancement de projet sous contraintes de ressources

e
Plan
28 novembre 2005
44 de 117
Probl`mes ` une machine

e
a
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Toute tche Jj , j {1, . . . , n} de dure pj (processing time)

a
e
sexcute sur une machine qui ne peut traiter plus quune tche
e
a
` la fois.
a
Le champ 1 est absent et 2 = 1.

e
Plan
28 novembre 2005
45 de 117
Probl`mes ` machines parall`les (1)

e
a
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Toute tche Jj , j {1, . . . , n} peut tre excute

a
e
e e
indiremment sur une des m machines mises en parall`le.
e
e
M1
Entre de
latelier
M2
Complexit ...
e
... des algorithmes
... des probl`mes
e
Mm
Sortie de
latelier

e
Plan
28 novembre 2005
46 de 117
Probl`mes ` machines parall`les (2)

e
a
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
pi,j est la dure dexcution de Jj sur la machine

e
e
Mi , i = 1, . . . , m.
si 1 = P alors machines identiques i, pi,j = pj
si 1 = Q alors machines uniformes i, pi,j = pj /si o`
u
si est la vitesse de traitement Mi
si 1 = R alors machines indpendantes
e
i, pi,j = pj /si,j o` si,j est la vitesse de traitement de la
u
tche Jj par la machine Mi
a
... des algorithmes

... des probl`mes
e
si 2 est un entier positif, le nombre de machines est

suppos constant. Si 2 est absent alors ce nombre est
e
suppos arbitraire.
e

e
Plan
28 novembre 2005
47 de 117
Probl`mes dateliers
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
m machines direntes Mi , i {1, . . . , m}

e
n travaux (jobs) Jj , j {1, . . . , n}.
Chaque job Jj est dcrit par nj tches ou oprations
e
a
e
Oi,j , i {1, . . . , nj }
La dure dune opration Oi,j est pi,j
e
e
La machine qui excute lopration Oi,j du job est note
e
e
e
M (Oi,j ) ou Mi,j .
Les oprations dun mme job ne peuvent pas tre
e
e
e
excutes simultanment
e e
e
2 (voir machines parall`les)

e

e
Plan
28 novembre 2005
48 de 117
Ateliers ` cheminement unique : Flowshop

a
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
Entre de
latelier
M1
M2
Mm
Sortie de
latelier
Chaque Job est constitu de m oprations et lordre de

e
e
passage sur les direntes machines est le mme pour tous
e
e
les jobs Jj : O1,j O2,j , . . . , Om,j et Mi,j = Mi
... des algorithmes

... des probl`mes
e
1 = F

e
Plan
28 novembre 2005
49 de 117
Ateliers ` cheminements quelconques : Jobshop

a
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Le nombre doprations nest pas forcment le mme pour

e
e
e
tous les jobs
Chaque job a son propre ordre de passage sur les machines
1 = J
Exemple
Jj
Oi,j
Mi,j
pi,j
O1,1
M1
3
J1
O2,1
M2
2
O3,1
M3
5
O1,2
M2
4
J2
O2,2
M1
2
J3
O3,2
M3
2
O1,3
M3
2
O2,3
M2
3

e
Plan
28 novembre 2005
50 de 117
Ateliers ` cheminements libres : Openshop

a
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Le nombre doprations nest pas forcment le mme pour

e
e
e
tous les jobs
Complexit ...
e
Lordre de passage sur les machines est totalement libre
... des algorithmes

... des probl`mes
e
1 = O

e
Plan
28 novembre 2005
51 de 117
Autres ateliers : Flowshop hybride
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
M2_1
Mm_1
Entre de
latelier
M1
Sortie de
latelier
M2_2
Mm_2
Complexit ...
e
... des algorithmes
... des probl`mes
e
M2_3

e
Plan
28 novembre 2005
52 de 117

a
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Chaque tche Jj ou chaque job Jj peut tre caractris par

a
e
e e
une date de dbut au plus tt rj (release date)
e
o
une dure pj , pour la tche, ou pi,j , pour lopration i du
e
a
e
job (processing time)
Les direntes
e
classes
dordonnancement
une date de n souhaite dj (due date)

e
une date de n obligatoire dj (deadline)
Complexit ...
e
un poids relatif wj (weight) importance ou poids
... des algorithmes

... des probl`mes
e
Il peut y avoir des contraintes de prcdence entre les

e e
tches. Ces contraintes sont reprsentes par un graphe
a
e
e
G = (J , A).

e
Plan
28 novembre 2005
53 de 117

a
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
= 1 2 3 4 . . . dans ||
1 = pmtn si la premption des tches est autorise, sinon
e
a
e
1 est absent
Sil y a des contraintes de prcdence entre les tches
e e
a
2 {prec, chain, in tree, out tree}, sinon 2 est vide
3 = rj si les dates de dbut au plus tt rj (ou dates de
e
o
disponibilit) des tches ne sont pas forcment identiques,
e
a
e
sinon (j, rj = 0) 3 est absent
4 = dj si la tche ou le job poss`de une date de n

a
e
obligatoire

e
Plan
28 novembre 2005
54 de 117
Quelques mesures
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les crit`res doptimisation sexpriment en fonction des dates de

e
e
n des tches (ou jobs) Cj (completion times). Les crit`res
a
sont gnralement exprims en fonction des mesures suivantes
e e
e
le retard algbrique Lj = Cj dj (lateness)
e
le retard absolu Tj = max(0, Cj dj ) (tardiness)
Les direntes
e
classes
dordonnancement
lavance Ej = max(0, Cj dj ) (earliness)
Complexit ...
e
le pnalit unitaire de retard Uj = 0 si Cj dj , Uj = 1

e
e
sinon
... des algorithmes

... des probl`mes
e
le dure de sjour dans latelier Fj = Cj rj

e
e
une fonction gnrique fj (t) donnant le cot induit si on
e e
u
termine Jj ` t
a

e
Plan
28 novembre 2005
Illustration
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
pj
Jj
rj
En avance
dj
Fj
Ej
Jj
Lj = Ej
Cj
Tj
En retard
Lj = Tj
Jj
Cj
55 de 117

e
Plan
28 novembre 2005
56 de 117
Les crit`res doptimisation

e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
On cherche alors ` minimiser un ou plusieurs crit`res

a
e
F (C1 , . . . , Cn )
une fonction gnrique de cot maximum
e e
u
fmax = maxj {fj (Cj )}
la dure totale de lordonnancement Cmax = maxj {Cj }
e
le retard algbrique maximum Lmax = maxj Lj
e
le retard maximum Tmax = maxj Tj
P=
une fonction gnrique de cot total f

e e
u
Complexit ...
e
... des algorithmes
... des probl`mes
e
j {fj (Cj )}
la somme (pondre) des dates de n j (wj )Cj

ee
la somme (pondre) des retards j (wj )Tj
ee
le nombre (pondr) des tches (ou jobs) en retard
ee
a
(wj )Uj
j
la dure moyenne de sjour j Fj
e
e
la somme (pondre) des avances et des retards
ee
j j Ej + j Tj

e
Plan
28 novembre 2005
57 de 117
Crit`res rguliers
e
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Dnition
e
Un crit`re F (C1 , . . . , Cn ) est dit est dit rgulier si et seulement
e
e
si F est une fonction croissante des dates de n des tches (ou
a
jobs)
Corollaire
Les crit`res Cmax , Lmax , Tmax , j (wj )Cj ,
e
(wj )Uj , j (wj )Fj sont rguliers
e
j
Le crit`re
e
j Ej + j Tj nest pas rgulier

e
j (wj )Tj ,

e
Plan
28 novembre 2005
Les direntes classes dordonnancement

e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Quatre catgories ou classes (par ordre dinclusion)

e
les ordonnancements quelconques
Les direntes
e
classes
dordonnancement
les ordonnancements semi-actifs

les ordonnancements actifs
Complexit ...
e
... des algorithmes
... des probl`mes
e
les ordonnancements sans dlai

e
58 de 117

e
Plan
28 novembre 2005
59 de 117

e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Dnitions
e
Un ordonnancement est dit semi-actif si aucune tche ne
a
peut tre excute plus tt sans changer lordre
e
e e
o
dexcution sur les ressources ou violer de contrainte (de
e
prcdence, date de dbut au plus tt, ...)
e e
e
o
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Un ordonnancement est dit actif si aucune tche ne peut

a
tre excute plus tt sans retarder une autre tche ou
e
e e
o
a
violer de contrainte
Un ordonnancement sans dlai est un ordonnancement
e
pour lequel aucune machine nest laisse inactive alors
e
quelle pourrait commencer une tche disponible
a

e
Plan
28 novembre 2005
60 de 117

e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Exemple : 4 tches, ` excuter sur une machine, telles que

a
a e
r1 = r3 = 0, r2 = 1, r4 = 9 ; p1 = p2 = 3, p3 = 2, p4 = 2
1
r2=1
4
r4=9
r2=1
1
r2=1
r4=9
r2=1
Complexit ...
e
... des algorithmes
... des probl`mes
e
4
r4=9
4
r4=9

e
Plan
28 novembre 2005
61 de 117

e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Exemple : 3 tches, ` excuter sur deux machines en parall`le,

a
a e
e
telles que r2 = r3 = 0, r1 = 1 ; p1 = p2 = 2, p3 = 4
M1
M2
1
r1=1

e
Plan
28 novembre 2005
62 de 117

e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Un mme probl`me peut gnralement tre rsolu par

e
e
e e
e
e
plusieurs algorithmes
= il faut comprarer entre ces algorithmes
La comparaison se base sur le temps de calcul et sur
lespace mmoire requis par lalgorithme
e
Dnition
e
On appelle complexit en temps dun algorithme dans le pire
e
cas, la fonction f (n) qui donne une borne suprieure du
e
nombre doprations lmentaires eectues par lalgorithme
e
ee
e
lorsque la taille de lentre est n.
e

e
Plan
28 novembre 2005
63 de 117

e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
Dnition
e
On dit que f (n) O(g(n)), sil existe une constante c > 0 et
un entier n0 tels que n n0 , |f (n)| c|g(n)|
Dnition
e
Un algorithme est de complexit polynomiale lorsque
e
f (n) O(p(n)) et p est un polynme en n, cest-`-dire, il
o
a
existe une constante k telle que f (n) O(nk )
... des algorithmes

... des probl`mes
e
Dnition
e
Un algorithme dont la fonction complexit f (n) ne peut pas
e
tre majore par un polynme en n est dit exponentiel
e
e
o

e
Plan
28 novembre 2005
64 de 117

e
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Distinction entre probl`me de dcision et probl`me

e
e
e
doptimisation
Un probl`me de dcision est un probl`me pour lequel une
e
e
e
solution est soit oui soit non
Un probl`me doptimisation est un probl`me pour lequel
e
e
on doit chercher ` dterminer une solution qui optimise un
a e
crit`re
e
A chaque probl`me doptimisation on peut associer un
e
probl`me de dcision
e
e
Dnition
e
Un probl`me de dcision appartient ` la classe P, sil peut tre
e
e
a
e
rsolu par un algorithme polynomial en n
e

e
Plan
28 novembre 2005
65 de 117

e
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Complexit ...
e
... des algorithmes
... des probl`mes
e
Dnition
e
Un probl`me de dcision appartient ` la classe N P sil peut
e
e
a
e
tre rsolu par un algorithme non dterministe polynomial.
e
e
Dnition
e
On consid`re deux probl`mes de dcisions Q et R. On dit que
e
e
e
Q se rduit polynomialement ` R, et on note Q R, sil existe
e
a
une fonction polynomiale g qui transforme toute instance de Q
en une instance de R telle que x est une rponse oui de Q
e
si et seulement si g(x) est une rponse oui de R.
e
Dnition
e
Un probl`me R est N P-complet ssi R N P et
e
Q N P, telle que Q R.

e
Plan
28 novembre 2005
66 de 117

e
e
Contexte
Classication
Schmas de
e
classication
Les environnements
machines
Caractristiques de
e
tches
a
Les crit`res
e
doptimisation
Les direntes
e
classes
dordonnancement
Un probl`me doptimisation est dit N Pdicile si le

e
probl`me de dcision associ est N Pcomplet
e
e
e
Il existe un certain nombre de rsultats dans la littrature
e
e
e
qui montrent les liens, sous forme darbres de rduction,
entre dirents probl`mes dordonnancement.
e
e
Arbre de rduction en fonction des crit`res doptimisation
e
e
wiTi
wiUi
wiCi
Ti
Ui
Ci
Lmax
Complexit ...
e
... des algorithmes
... des probl`mes
e
Cmax

e
Plan
67 de 117
Rsolution des probl`mes dodonnancement

e
e
Algorithmes ` base
a
de r`gles de priorit
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
Mthodes constructives
e
Heuristiques par
voisinage
Procdures par
e
valuation et sparation
e
e
Rsolution du probl`me
e
e
1|rj |Lmax
Probl`me J||Cmax
e
13 Algorithmes ` base de r`gles de priorit

a
e
e
Probl`mes
e
Probl`mes
e
Probl`mes
e
Limitation
` une machine
a
de type owshop
` machines parall`les
a
e
des r`gles de priorit
e
e
14 Algorithmes plus labrs

e
e
15 Approches pour rsoudre les probl`mes NP-diciles
e
e
e
Heuristiques par voisinage
Procdures par valuation et sparation
e
e
e
Rsolution du probl`me 1|rj |Lmax
e
e
Probl`me J||Cmax
e

e
Plan
68 de 117
Ensembles dominants
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Denition
Un ensemble dordonnancements est dit dominant pour un
probl`me dordonnancement donn si et seulement si quelques
e
e
soient les donnes du probl`me, une solution optimale est
e
e
contenue dans cet ensemble
Theorem
Lensemble des ordonnancements actifs est dominant pour les
crit`res rguliers
e
e
Corollaire
Lensemble des ordonnancements semi-actifs est dominant
pour les crit`res rguliers
e
e

e
Plan
28 novembre 2005
69 de 117
Ensembles dominants
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
Corollaire
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Un ordonnancement est compltement dtermin par la

e
e
e
squence des tches au niveau de chaque machine
e
a
Attention
Un ensemble de squences (au niveau des machines) ne
e
reprsente pas forcment un ordonnancement admissible
e
e

e
Plan
Probl`me 1||
e
28 novembre 2005
70 de 117
wj Cj
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Toutes les tches sont disponibles ` linstant t = 0

a
a
(j, rj = 0))
wj est le poids de la tche Jj (ou tout simplement j)
a
Cj la date de n de j (cest une inconnue)
Un ordonnancement est compltement dtermin par une
e
e
e
squence des tches
e
a
Minimiser
(pondrs)
ee
wj Cj revient ` minimiser les encours totaux

a

e
Plan
Probl`me 1||
e
28 novembre 2005
wj Cj
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Tche j
a
pj
wj
1
2
1
2
3
3
3
6
2
4
5
1
5
1
2
Exemple de squence : 1 = (1, 2, 3, 4, 5)

e
71 de 117

e
Plan
Probl`me 1||
e
28 novembre 2005
71 de 117
wj Cj
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Tche j
a
pj
wj
1
2
1
2
3
3
3
6
2
4
5
1
5
1
2

e
wj Cj (1 ) = 1 2 + 3 5 + 2 11 + 1 16 + 2 17 = 89

e
Plan
Probl`me 1||
e
28 novembre 2005
71 de 117
wj Cj
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Tche j
a
pj
wj
1
2
1
2
3
3
3
6
2
4
5
1
5
1
2

e
wj Cj (1 ) = 1 2 + 3 5 + 2 11 + 1 16 + 2 17 = 89
Question : Peut-on faire mieux ?

e
Plan
Probl`me 1||
e
28 novembre 2005
71 de 117
wj Cj
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Tche j
a
pj
wj
1
2
1
2
3
3
3
6
2
4
5
1
5
1
2

e
wj Cj (1 ) = 1 2 + 3 5 + 2 11 + 1 16 + 2 17 = 89
Question : Peut-on faire mieux ?
Rponse : oui ! !
e

e
Plan
Probl`me 1||
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
28 novembre 2005
72 de 117
wj Cj
Theorem
R`gle de Smith : Ordonnancer les tches dans lordre croissant
e
a
des pj /wj minimise le stock dencours (i.e.
wj Cj )

e
Plan
Probl`me 1||
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
72 de 117
wj Cj
Theorem
e
a
wj Cj )
des r`gles de
e
Algorithmes plus
labrs
e
e
28 novembre 2005
Tche j
a
pj
wj
pj /wj
1
2
1
2
2
3
3
1
3
6
2
3
4
5
1
5
5
1
2
0.5

e
Plan
Probl`me 1||
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
28 novembre 2005
wj Cj
Theorem
e
a
wj Cj )
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
72 de 117
Tche j
a
pj
wj
pj /wj
1
2
1
2
2
3
3
1
3
6
2
3
4
5
1
5
5
1
2
0.5
La squence optimale pour le probl`me avec poids est

e
e
= (5, 2, 1, 3, 4)
w

e
Plan
Probl`me 1||
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
28 novembre 2005
wj Cj
Theorem
e
a
wj Cj )
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
72 de 117
Tche j
a
pj
wj
pj /wj
1
2
1
2
2
3
3
1
3
6
2
3
4
5
1
5
5
1
2
0.5
La squence optimale pour le probl`me avec poids est

e
e
= (5, 2, 1, 3, 4)
w
La squence optimale pour le probl`me sans poids est
e
e
= (5, 1, 2, 4, 3)
1

e
Plan
Probl`mes 1|rj |
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
wj Cj et 1|rj , pmtn|
73 de 117
wj Cj
On associe une date de disponibilit rj ` une tche j

e
a
a
Theorem
Le probl`me 1|rj |
e
wj Cj est NP-dicile
Theorem
Le probl`me 1|rj , pmtn|
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
28 novembre 2005
wj Cj est NP-dicile
Theorem
e
polynomial :
Cj peut tre rsolu en temps

e
e

e
Plan
Probl`mes 1|rj |
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
wj Cj et 1|rj , pmtn|
73 de 117
wj Cj
On associe une date de disponibilit rj ` une tche j

e
a
a
Theorem
Le probl`me 1|rj |
e
wj Cj est NP-dicile
Theorem
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
28 novembre 2005
wj Cj est NP-dicile
Theorem
Le probl`me 1|rj , pmtn| Cj peut tre rsolu en temps
e
e
e
polynomial : Aecter la machine ` la tche de plus courte
a
a
dure sous la condition suivante : quand une tche arrive, elle
e
a
prempte la machine si sa dure est plus petite que la dure
e
e
e
rsiduelle de la tche en cours.
e
a

e
Plan
28 novembre 2005
74 de 117
Probl`mes 1||Lmax et 1|rj , pmtn|Lmax

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
R`gle
e
La r`gle de Jackson consiste ` donner la priorit la plus leve
e
a
e
e e
` la tche disponible de plus petite date chue.
a
a
e

e
Plan
28 novembre 2005
74 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
R`gle
e
La r`gle de Jackson consiste ` donner la priorit la plus leve
e
a
e
e e
` la tche disponible de plus petite date chue.
a
a
e
Denition
On dsignera par ordonnancement de Jackson
e
lordonnancement de liste obtenu en appliquant la r`gle de
e
Jackson
Si j, rj = 0, on parle galement dordre EDD : Earliest Due
e
Date.

e
Plan

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Exemple
j
rj
pj
dj
1
0
6
31
2
9
7
41
3
13
6
22
4
11
7
24
5
20
4
27
Ordonnancement de Jackson premptif

e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Ordonnancement de Jackson non-premptif

e
6
30
3
40
7
30
5
48
75 de 117

e
Plan
75 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
j
rj
pj
dj
` une
a
de type
Exemple
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
1
0
6
31
2
9
7
41
3
13
6
22
4
11
7
24
5
20
4
27
6
30
3
40
7
30
5
48

e
25
1
0
2 4
6
13 11
4
19
5
24
2
28 30

e
2
33
7
36
41

e
Plan
75 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
j
rj
pj
dj
` une
a
de type
Exemple
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
1
0
6
31
2
9
7
41
3
13
6
22
4
11
7
24
5
20
4
27
6
30
3
40
7
30
5
48

e
25
1
0
2 4
6
13 11
4
19
5
24
28 30
33
36
41

e
25
25
1
0
2
6
0
3
16
5
4
22
5
29
6
33
7
36
41

e
Plan
28 novembre 2005
76 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Montrer que la r`gle EDD est optimale pour 1||Lmax

e
Algorithmes plus
labrs
e
e
Montrer que lordonnancement de Jackson est optimal

pour 1|rj , pj = 1, pmtn|Lmax
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
Montrer que lordonnancement de Jackson est optimal

pour 1|rj , pmtn|Lmax
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
Plan
77 de 117
Probl`me 1|rj |Lmax

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
Theorem
Le probl`me 1|rj |Lmax est NP-dicile au sens fort
e
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Rduction ` partir du probl`me 3-Partition qui est

e
a
e
NP-complet au sens fort
Denition
Etant donns n + 1 = 3m + 1 entiers positifs a1 , . . . , a3m et A
e
tels que A/4 < aj < A/2, j = 1, . . . , 3m, et 3m aj = mA,
j=1
existe-t-il une partition de lensemble {1, . . . , 3m} en m
sous-ensembles X1 , . . . , Xm , tel que jXl aj = A,
l = 1, . . . , m ?

e
Plan
28 novembre 2005
78 de 117
Probl`me 1|rj |Lmax

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
A toute instance du probl`me 3-Partition, on peut associer

e
une instance du probl`me 1|rj |Lmax ` n + m 1 tches telles
e
a
a
que
rj = 0, pj = aj et dj =
j {1, . . . , n}
n
j=1 aj
+ m 1, pour
rn+k = kA + k 1, pn+k = 1 et dn+k = kA + k pour

k {1, . . . , m 1}
On montre que 3-Partition a une solution si, et seulement
si, la valeur de la solution optimale, de linstance construite du
probl`me 1|rj |Lmax , est gale ` 0.
e
e
a

e
Plan
79 de 117
Probl`me F 2||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
n tches Jj , j = 1, . . . , n, ` excuter sur deux machines

a
a e
M1 et M2
Cheminement unique : M1 puis M2
aj et bj sont les dures de la tche Jj , j = 1, . . . , n sur les
e
a
machines M1 et M2 , respectivement.
Intuitivement
avoir des tches excutes le plus rapidement possible su
a
e e
M1 pour pouvoir les excuter M2 (M2 reste inactive le
e
minimum de temps possible)
= R`gle SPT sur M1
e
Sur M2 , on essaie dexcuter les tches dans lordre LPT
e
a
pour que M2 nattende pas trop que M1 lui fournisse des
tches
a

e
Plan
80 de 117
Probl`me F 2||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
R`gle
e
R`gle de Johnson
e
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Partitionner lensemble des tches en 2 sous-ensembles

a
A = {j J , aj bj }
B = {j J , aj > bj }
Squencer les tches de A dans lordre croissant des aj

e
a
squence A
e
Squencer les tches de B dans lordre dcroissant des bj
e
a
e
squence B
e
Fusionner les deux squences = {A , B }
e
On utilise le mme ordre de passage sur les 2 machines
e

e
Plan
28 novembre 2005
81 de 117
Probl`me F 2||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Denition
Un ordonnancement pour lequel toutes les tches sont
a
excutes dans un mme ordre (sur les machines) est appel
e e
e
e
ordonnancement de permutation

e
Plan
28 novembre 2005
81 de 117
Probl`me F 2||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Denition
a
e e
e
e
Algorithmes plus
labrs
e
e
Lemme
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Une instance du probl`me F 2||Cmax a toujours une solution

e
optimale qui est un ordonnancement de permutation

e
Plan
28 novembre 2005
81 de 117
Probl`me F 2||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Denition
a
e e
e
e
Algorithmes plus
labrs
e
e
Lemme
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Une instance du probl`me F 2||Cmax a toujours une solution

e
optimale qui est un ordonnancement de permutation
Theorem
La r`gle de Johnson est optimale pour F 2||Cmax
e

e
Plan
28 novembre 2005
Probl`me F 2||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
Exemple
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
j
1
2
3
4
M1
6
4
4
8
M2
8
5
1
4
82 de 117

e
Plan
28 novembre 2005
Probl`me F 2||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
Exemple
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
j
1
2
3
4
A = {1, 2} et B = {3, 4}
M1
6
4
4
8
M2
8
5
1
4
82 de 117

e
Plan
28 novembre 2005
82 de 117
Probl`me F 2||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
Exemple
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
j
1
2
3
4
M1
6
4
4
8
M2
8
5
1
4
A = {1, 2} et B = {3, 4}
Squence optimale = (2, 1, 4, 3)
e
Dessiner le digramme de Gantt de lordonnancement optimal

e
Plan
28 novembre 2005
83 de 117
Probl`mes ` machines parall`les

e
a
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
Deux types de dcision ` prendre

e
a
des r`gles de
e
aectation des tches aux machines

a
squencement de chaque machine

e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
dune faon indpendante sil ny a pas de contraintes de

c
e
prcdence entre les tches
e e
a
dune faon dpendante sinon
c
e

e
Plan
28 novembre 2005
Probl`me P ||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Theorem
Le probl`me P ||Cmax est NP-dicile
e
On note Cmax la valeur de la solution optimale
Montrer que
Cmax (1/m) j pj
Cmax pj , j = 1, . . . n
84 de 117

e
Plan
28 novembre 2005
85 de 117
Probl`me P |pmtn|Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Montrer que la dure dun ordonnancement optimal est

e
suprieure ou gale ` B = max(maxj pj , (1/m) j pj ))
e
e
a
Proposer un algorithme qui construit un ordonnancement
dont la dure est exactement B
e
Calculer le nombre doprations ncessaires
e
e
Conclure quant la complexit de lalgorithme
e

e
Plan
28 novembre 2005
85 de 117
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
e
e
a
e
e
e
e

e
Plan
28 novembre 2005
85 de 117
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
e
e
a
e
e
e
e

e
Plan
28 novembre 2005
85 de 117
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
e
e
a
e
e
e
e

e
Plan
28 novembre 2005
86 de 117
Probl`me P ||Cmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Theorem
Un algorithme de liste est un 2-approximation algorithm
pour P ||Cmax
Theorem
LPT est un 4/3-approximation algorithm pour P ||Cmax

e
28 novembre 2005
Plan
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Voir exemple du livre
87 de 117

e
Plan
88 de 117
Probl`me 1||fmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
On note P = p1 + p2 + + pn
Jk la tche telle que fk (P ) = min{fj (P ), j = 1, . . . , n}
a
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Montrons quil un ordonnancement optimal tel que Jk

soit la derni`re tche excute
e a
e e
fmax (S) la valeur optimale de la fonction objectif si on

nordonnance que les tches de S J
a
fmax (J ) min{fj (P ), j = 1, . . . , n}
fmax (J ) fmax (J {Jj })
La procdure Least-Cost-Last est optimale pour 1||fmax

e
Le probl`me 1|prec|fmax est-t-il polynomial ?
e

e
Plan
88 de 117
Probl`me 1||fmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
a
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e a
e e

a
fmax (J ) min{fj (P ), j = 1, . . . , n}

e
e

e
Plan
88 de 117
Probl`me 1||fmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
a
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e a
e e

a
fmax (J ) min{fj (P ), j = 1, . . . , n}

e
e

e
Plan
88 de 117
Probl`me 1||fmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
a
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e a
e e

a
fmax (J ) min{fj (P ), j = 1, . . . , n}

e
e

e
Plan
88 de 117
Probl`me 1||fmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
a
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e a
e e

a
fmax (J ) min{fj (P ), j = 1, . . . , n}

e
e

e
Plan
88 de 117
Probl`me 1||fmax
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
a
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e a
e e

a
fmax (J ) min{fj (P ), j = 1, . . . , n}

e
e

e
Plan
Probl`me 1||
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
28 novembre 2005
89 de 117
Uj
n tches ` ordonnancer telles que d1 d2 . . . dn

a
a
de type
` machines
a
Algorithme de Hogdson
des r`gles de
e
1 : C = 0, O , L
2 : for j = 1 to n do
3 : C C + pj
4 : O = O {Jj }
5 : if C > dj then
6:
Soit Ji le job de O de plus grande dure
e
7:
O = O {Ji } , L = L {Ji }
8:
C = C pj
9 : end if
10 : end for
11 : Ordonnancer les jobs de O dans lordre naturel puis les jobs de L dans
nimporte quel ordre.
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
Plan
Probl`me 1||
e
28 novembre 2005
90 de 117
Uj
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Theorem
Lalgorithme de Hogdson est optimal pour 1||
Uj
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Jj
Exemple : pj
dj
J1
6
8
J2
4
9
J3
7
15
J4
8
20
J5
3
21
J6
5
22
Lalgorithme de Hogdson nest pas optimal pour 1||
wj Uj

e
Plan
28 novembre 2005
91 de 117
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
Comment peut rsoudre rapidement un probl`me

e
e
dordonnancement NP-dicile ?
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Algorithmes ` base de r`gle(s) de priorit

a
e
e
Algorithmes par dcomposition spatiale

e
Algorithmes par dcompostion temporelle

e
Algorithmes par dcomposition spatiale et temporelle

e

e
Plan
28 novembre 2005
92 de 117
F ||Cmax
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
Heuristique de Campbell, Dudek, et Smith (CDS)
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Construire des ordonnancements de permutation

Utiliser lalgorithme de johnson sur m 1 probl`mes
e
F 2||Cmax
= une squence pour chaque probl`me
e
e
Evaluer les squences trouves pour le probl`me F ||Cmax
e
e
e
Slectionner la meilleure squence
e
e

e
Plan
28 novembre 2005
93 de 117
P |rj |Lmax
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
Heuristiques tudiants ID (2004-2005)

e
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Aecter les tches aux machines

a
Utiliser lalgorithme de Carlier pour rsoudre m probl`mes
e
e
1|rj |Lmax pour le squencement sur chaque machine
e
une mtaheuristique pour amliorer laectation
e
e

e
Plan
28 novembre 2005
94 de 117
Probl`mes doptimisation discr`te

e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Denition
Probl`mes doptimisation discr`te
e
e
Etant donn un ensemble S de solutions ralisables
e
e
Etant donne une fonction cout c : S IR
e
Trouver une solution s S telle que c(s ) c(s) pour
tout s S.
Les probl`mes dordonnancement non premptifs sont des
e
e
probl`mes doptimisation discr`te.
e
e

e
Plan
95 de 117
Mthodes de recherche par voisinage

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Dmarrer avec une solution initiale s0

e
Passer dune solution courante s ` une autre solution
a
voisine s (meilleure ou non) tant que le test darrt nest
e
pas vri.
e e
Le voisinage N (s) dune solution s est lensemble des
solutions s qui peuvent tre obtenues ` partir de s `
e
a
a
travers une modication bien dnie.
e
Faire une recherche dans le voisinage de s
Evaluer les solutions s F (s) N (s)
Accepter ou rejeter de passer ` s dans litration suivante.
a
e

e
Plan
28 novembre 2005
Mthodes de recherche par voisinage

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
Ce qui direncie les mthodes de recherche locale

e
e
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
La reprsentation dune solution

e
La conception du voisinage
La procdure de recherche dans le voisinage
e
Le crit`re dacceptation ou de rejet dune solution
e
rencontre
e
96 de 117

e
Plan
97 de 117
Principe des mthodes B&B

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Enonc du probl`me
e
e
Soit S lensemble des solutions admissibles dun probl`me
e
combinatoire P
f (s) le crit`re considr pour valuer une solution s S
e
ee
e
On cherche une solution s S telle que
f (s ) = minsS f (s)
Hypoth`ses
e
On suppose quil existe une heuristique permettant de
calculer une borne suprieure B du minimum recherch :
e
e
f (s ) B
On suppose quon peut eectuer une partition
{S1 , S2 , . . . , Sk } de S telle que
S1 S2 . . . Sk = S
Si Sj = pour tout i, j {1, . . . , k} et i = j

e
Plan
97 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Enonc du probl`me
e
e
e
combinatoire P
e
ee
e
Hypoth`ses
e
e
e
f (s ) B
S1 S2 . . . Sk = S

e
Plan
97 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Enonc du probl`me
e
e
e
combinatoire P
e
ee
e
Hypoth`ses
e
e
e
f (s ) B
S1 S2 . . . Sk = S

e
Plan
97 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Enonc du probl`me
e
e
e
combinatoire P
e
ee
e
Hypoth`ses
e
e
e
f (s ) B
S1 S2 . . . Sk = S

e
Plan
98 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
Hypoth`ses (suite)
e
` une
a
de type
` machines
a
des r`gles de
e
On suppose quil est possible, pour tout i = 1, . . . , k, de

e
calculer une borne infrieure bi de f (s) sur Si :
s Si , bi f (s)
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Si bi > B alors Si ne peut contenir une solution optimale

Abandonner la recherche dans Si
Si bi B alors Si peut contenir une solution optimale
Continuer la recherche dans Si
Si bi = B alors optimum local

e
Plan
98 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
Hypoth`ses (suite)
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
s Si , bi f (s)
Quelles conclusions peut-on avoir ?

e
Plan
98 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
Hypoth`ses (suite)
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
s Si , bi f (s)
Pour tout i = 1, . . . , k

e
Plan
98 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
Hypoth`ses (suite)
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
s Si , bi f (s)
Pour tout i = 1, . . . , k

e
Plan
98 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
Hypoth`ses (suite)
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
s Si , bi f (s)
Pour tout i = 1, . . . , k

e
Plan
99 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Continuer la recherche dans Si veut dire quon eectue une

partition de Si en ki sous-ensemble Si,1 , Si,2 , . . . , Si,ki

e
Plan
99 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type

` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Pour tout j = 1, . . . , ki
Si bi,j > B alors Si,j ne peut contenir une solution
optimale
Abandonner la recherche dans Si,j
Si bi,j B alors Si,j peut contenir une solution optimale
Continuer la recherche dans Si,j

e
Plan
99 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type

` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Pour tout j = 1, . . . , ki
Si bi,j > B alors Si,j ne peut contenir une solution
optimale
Abandonner la recherche dans Si,j
Si bi,j B alors Si,j peut contenir une solution optimale
Continuer la recherche dans Si,j
Si pour tout j = 1, . . . , ki , on a abondonn la recherche dans
e
Si,j , alors ceci veut dire quon abandonne la recherche dans Si

e
Plan
28 novembre 2005
100 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
b1 B
S1
b2 > B
S2
bi B
bk > B
Si
bi,1 B
Si,1
Sk
bi,3 B
bi,2 > B
Si,2
Si,3

e
Plan
101 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Schmas dvolution de lexploration

e
e
En largeur dabord
En profondeur dabord
Meilleur noeud dabord (ex : borne infrieure minimale)
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Borne suprieure
e
Si on trouve dans un noeud donn une borne suprieure
e
e
B < B, on remplace B par B dans la suite des calculs
Le calcul de nouvelles bornes est gnralement fait au
e e
niveau des feuilles de larbre de dcision
e

e
Plan
101 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e

e
e
En largeur dabord
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Borne suprieure
e
e
e
e e
e

e
Plan
101 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e

e
e
En largeur dabord
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Borne suprieure
e
e
e
e e
e

e
Plan
101 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e

e
e
En largeur dabord
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Borne suprieure
e
e
e
e e
e
la borne est la valeur du crit`re de lordonnancement
e
correspondant ` la feuille
a

e
Plan
28 novembre 2005
102 de 117
... En rsum
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
Ce qui direncie les approches par valuation et sparation

e
e
e
est :
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
le schma de sparation (comment partionner S)

e
e
le schma dvolution de lexploration de larbre de
e
e
dcision
e
les mthodes de calcul des bornes suprieures et infrieures
e
e
e
la frquence de calcul des bornes suprieures
e
e
...

e
Plan
103 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Param`tres de la mthode
e
e
Schema de sparation :
e
Si est lensemble des ordonnancements pour lesquels la
tche i est place en premier
a
e
Si,j est lensemble des ordonnancements pour lesquels i
est premi`re position et j en deuxi`me
e
e
Schma dvolution de lexploration de larbre de dcision :

e
e
e
largeur dabord (par exemple)
Borne suprieure donne par lalgorithme de Jackson
e
e
a
a
non-premptif (on la met ` jour ` chaque niveau)
e
Borne infrieure donne par lalgorithme de Jackson
e
e
premptif
e
On construit des ordonnancements actifs ! !

e
Plan
103 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
e
e
a
e
e
e

e
e
e
e
e
a
a
e
e
e
premptif
e

e
Plan
103 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
e
e
a
e
e
e

e
e
e
e
e
a
a
e
e
e
premptif
e

e
Plan
103 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
e
e
a
e
e
e

e
e
e
e
e
a
a
e
e
e
premptif
e

e
Plan
103 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
e
e
a
e
e
e

e
e
e
e
e
a
a
e
e
e
premptif
e

e
Plan
103 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
e
e
a
e
e
e

e
e
e
e
e
a
a
e
e
e
premptif
e

e
Plan
103 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
e
e
a
e
e
e

e
e
e
e
e
a
a
e
e
e
premptif
e

e
Plan
104 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Exemple
j
1
2
3
rj
0
9 13
pj 6
7
6
dj 31 41 22
Ordonnancement de
4
5
6
7
11 20 30 30
7
4
3
5
24 27 40 48
Jackson premptif
e
25
1
0
2 4
6
13 11
4
19
5
24
28 30
33
36
41

e
25
25
1
0
2
6
0
3
16
5
4
22
5
29
6
33
7
36
41

e
Plan
28 novembre 2005
105 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Initialisation
t0 0
B0 = 6 et b0 = 1
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Tches candidates pour la premi`re place :

a
e
b1 = b0 = 1 et B1 = B0 = 6 on poursuit la recherche
t1 max(r1 , t0 ) + p1 = 6

e
Plan
28 novembre 2005
105 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Initialisation
t0 0
B0 = 6 et b0 = 1
e
1`re itration
e

a
e
t1 max(r1 , t0 ) + p1 = 6

e
Plan
28 novembre 2005
105 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Initialisation
t0 0
B0 = 6 et b0 = 1
e
1`re itration
e

a
e
t1 max(r1 , t0 ) + p1 = 6

e
Plan
28 novembre 2005
105 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Initialisation
t0 0
B0 = 6 et b0 = 1
e
1`re itration
e
Tches candidates pour la premi`re place : J1 seulement

a
e
parce quon construit des ordonnancements actifs
t1 max(r1 , t0 ) + p1 = 6

e
Plan
28 novembre 2005
105 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Initialisation
t0 0
B0 = 6 et b0 = 1
e
1`re itration
e

a
e
S1 = S : on place J1 en premi`re position
e
t1 max(r1 , t0 ) + p1 = 6

e
Plan
28 novembre 2005
105 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Initialisation
t0 0
B0 = 6 et b0 = 1
e
1`re itration
e

a
e
e
t1 max(r1 , t0 ) + p1 = 6

e
Plan
28 novembre 2005
105 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Initialisation
t0 0
B0 = 6 et b0 = 1
e
1`re itration
e

a
e
e
t1 max(r1 , t0 ) + p1 = 6

e
Plan
106 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
e
2`me itration
e
Tches candidates pour la deuxi`me place :
a
e
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
b1,2 = 6 ; b1,3 = 3 ; b1,4 = 2

B1,2 = B1 = 6 ; B1,3 = 3 ; B1,4 = 2
= (1, 4, )
est la squence donne par lalgorithme de Jackson
e
e
non-premptif appliqu sur linstance compose des tches
e
e
e
a
{J2 , J3 , J5 , J6 , J7 } ` partir de linstant
a
t = max(t1 , r4 ) + p4 = 18
= (1, 4, 3, 5, 6, 2, 7)

e
Plan
106 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
2`me itration
e
Tches candidates pour la deuxi`me place : J2 , J3 et J4
a
e
(respect du fait quon construit des ordonnancements
actifs)
b1,2 = 6 ; b1,3 = 3 ; b1,4 = 2
B1,2 = B1 = 6 ; B1,3 = 3 ; B1,4 = 2
= (1, 4, )
e
e
e
e
e
a
a
t = max(t1 , r4 ) + p4 = 18
= (1, 4, 3, 5, 6, 2, 7)

e
Plan
106 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
2`me itration
e
a
e
actifs)
b1,2 = 6 ; b1,3 = 3 ; b1,4 = 2
B1,2 = B1 = 6 ; B1,3 = 3 ; B1,4 = 2
= (1, 4, )
e
e
e
e
e
a
a
t = max(t1 , r4 ) + p4 = 18
= (1, 4, 3, 5, 6, 2, 7)

e
Plan
106 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
2`me itration
e
a
e
actifs)
b1,2 = 6 ; b1,3 = 3 ; b1,4 = 2
B1,2 = B1 = 6 ; B1,3 = 3 ; B1,4 = 2
= (1, 4, )
e
e
e
e
e
a
a
t = max(t1 , r4 ) + p4 = 18
= (1, 4, 3, 5, 6, 2, 7)

e
Plan
106 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
2`me itration
e
a
e
actifs)
b1,2 = 6 ; b1,3 = 3 ; b1,4 = 2
B1,2 = B1 = 6 ; B1,3 = 3 ; B1,4 = 2
= On a trouv une solution optimale

e
= (1, 4, )
e
e
e
e
e
a
a
t = max(t1 , r4 ) + p4 = 18
= (1, 4, 3, 5, 6, 2, 7)

e
Plan
106 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
2`me itration
e
a
e
actifs)
b1,2 = 6 ; b1,3 = 3 ; b1,4 = 2
B1,2 = B1 = 6 ; B1,3 = 3 ; B1,4 = 2

e
= (1, 4, )
e
e
e
e
e
a
a
t = max(t1 , r4 ) + p4 = 18
= (1, 4, 3, 5, 6, 2, 7)

e
Plan
106 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
2`me itration
e
a
e
actifs)
b1,2 = 6 ; b1,3 = 3 ; b1,4 = 2
B1,2 = B1 = 6 ; B1,3 = 3 ; B1,4 = 2

e
= (1, 4, )
e
e
e
e
e
a
a
t = max(t1 , r4 ) + p4 = 18
= (1, 4, 3, 5, 6, 2, 7)

e
Plan
106 de 117
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
2`me itration
e
a
e
actifs)
b1,2 = 6 ; b1,3 = 3 ; b1,4 = 2
B1,2 = B1 = 6 ; B1,3 = 3 ; B1,4 = 2

e
= (1, 4, )
e
e
e
e
e
a
a
t = max(t1 , r4 ) + p4 = 18
= (1, 4, 3, 5, 6, 2, 7)

e
Plan
Premi`re mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
Arbre de dcision
e
de type
t=0
` machines
a
source
des r`gles de
e
Algorithmes plus
labrs
e
e
b0 = 1
B0 = 6
1re position
t=6
J1
b1 = 1
B1 = 6
2me position
J2
J3
J4
b1,2 = 6
B1,2 = 6
b1,3 = 3
B1,3 = 3
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
b1,4 = 2
B1,4 = 2
107 de 117

e
Plan
Deuxi`me mthode
e
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Voir feuilles jointes
28 novembre 2005
108 de 117

e
Plan
109 de 117
Modlisation
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Jj
Oi,j
Mi,j
pi,j
J1
O2,1
M2
2
O1,1
M1
3
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
O3,1
M3
5
O1,1
O2,1
O1,2
J2
O2,2
M1
2
O1,2
M2
4
J3
O3,2
M3
2
O2,2
O3,2
3
0
3
4
5
2
2
5
O1,3
4
2
O2,3
M2
3
O3,1
2
O1,3
M3
2
O2,3

e
Plan
28 novembre 2005
110 de 117
Modlisation
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Modlisation avec un graphe disjonctif G = (V, C, D)

e
V ensemble des sommets : les oprations
e
C ensemble des arcs conjonctifs : contraintes de
prcdence entre oprations dun mme job + arcs ds
e e
e
e
u
aux sommets source (0) et puits ()
D ensemble des arcs disjonctifs : conits entre les
oprations utilisant la mme machine
e
e
Rsoudre le probl`me de jobshop consiste ` orienter les

e
e
a
arcs disjonctifs sans crer de circuit
e
ordre de passage des tches sur une mme ressource
a
e
Le plus long chemin dans le graphe rsultant dtermine la
e
e
dure totale de lordonnancement
e

e
Plan
28 novembre 2005
110 de 117
Modlisation
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
e
e e
e
e
u
e
e

e
e
a
e
a
e
e
e
e

e
Plan
28 novembre 2005
110 de 117
Modlisation
e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
e
e e
e
e
u
e
e

e
e
a
e
a
e
e
e
e

e
Plan
28 novembre 2005
111 de 117
Mthode de shifting bottelneck

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
A un ordonnancement partiel (ou complet) S est associ

e
un graphe GS = (V, CS , DS )
CS = C CD(S), CD(S) est lensemble des arcs qui
remplacent certains arcs de D (selon S)
DS = D DC(S), DC(S) est lensemble des arcs qui ont
t arbitrs (remplacs par les arcs conjonctifs CD(S))
ee
e
e

e
Plan
28 novembre 2005
111 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
ee
e
e

e
Plan
28 novembre 2005
111 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
ee
e
e

e
Plan
28 novembre 2005
112 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
Supposons que les ordres de passage ont t dcids sur

ee e e
un sous ensemble de machines M {M1 , M2 , . . . , Mm }
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
On note D(k) lensemble des arcs disjonctifs des ` la

u a
m
machine Mk : D = k=1 D(k)
On note C(k) lensemble des arcs conjonctifs qui
remplacent les arcs disjonctifs D(k) de la machine Mk
(pour la solution partielle courante)
Le graphe disjonctif correspondant est not
e
G(M) = (V, C(M), D(M)) avec
C(M) =
C(k) et D(M) =
kM
D(k)
kM
/

e
Plan
28 novembre 2005
112 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type

ee e e
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

u a
m
e
C(M) =
C(k) et D(M) =
kM
D(k)
kM
/

e
Plan
28 novembre 2005
112 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type

ee e e
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

u a
m
e
C(M) =
C(k) et D(M) =
kM
D(k)
kM
/

e
Plan
28 novembre 2005
112 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type

ee e e
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

u a
m
e
C(M) =
C(k) et D(M) =
kM
D(k)
kM
/

e
Plan
28 novembre 2005
113 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Principe : La Mthode de shifting bottelneck consiste `

e
a
augmenter lensemble M progrssivement jusqu` ordonnancer
e
a
toutes les machines
Algorithmes plus
labrs
e
e
1
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Dans quel ordre les machines sont introduites dans M ?
Comment ordonnancer une machine slectionne ?

e
e
Quel probl`me dordonnancement considrer sur une
e
e
machine slectionne ?
e
e

e
Plan
28 novembre 2005
113 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e

e
a
e
a
toutes les machines
Algorithmes plus
labrs
e
e
1
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
e
e
e
e
e

e
Plan
28 novembre 2005
113 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e

e
a
e
a
toutes les machines
Algorithmes plus
labrs
e
e
1
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
e
e
e
e
e

e
Plan
114 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

On suppose quun certain nombre de dcisions ont t
e
ee
prises, i.e., M x
e
On construit un probl`me dordonnancement P (k, M)
e
pour chaque machine Mk M
/
On rsout chaque probl`me de faon ` optimiser une
e
e
c a
fonction objectif f (k, M)
On choisit la machine Mk telle que
f (k , M) = max f (k, M)
Mk M
/
Lordonnancement partiel correspond au graphe

G(M) = (V, C(M) C(k ), D(M) D(k ))
C(k ) est lensemble des arcs ds ` la solution optimale de
u a
la machine Mk

e
Plan
114 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
ee
prises, i.e., M x
e
e
/
e
e
c a
f (k , M) = max f (k, M)
Mk M
/

G(M) = (V, C(M) C(k ), D(M) D(k ))
u a
la machine Mk

e
Plan
114 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
ee
prises, i.e., M x
e
e
/
e
e
c a
f (k , M) = max f (k, M)
Mk M
/

G(M) = (V, C(M) C(k ), D(M) D(k ))
u a
la machine Mk

e
Plan
114 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
ee
prises, i.e., M x
e
e
/
e
e
c a
f (k , M) = max f (k, M)
Mk M
/

G(M) = (V, C(M) C(k ), D(M) D(k ))
u a
la machine Mk

e
Plan
114 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
ee
prises, i.e., M x
e
e
/
e
e
c a
f (k , M) = max f (k, M)
Mk M
/

G(M) = (V, C(M) C(k ), D(M) D(k ))
u a
la machine Mk

e
Plan
114 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
ee
prises, i.e., M x
e
e
/
e
e
c a
f (k , M) = max f (k, M)
Mk M
/

G(M) = (V, C(M) C(k ), D(M) D(k ))
u a
la machine Mk

e
Plan
28 novembre 2005
115 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
Dans quel ordre les machines ... ?
Quel probl`me dordonnancement P (k, M) ?

e
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
L(i, j) plus long chemin du sommet i au sommet j dans le

graphe G(M) = (V, C(M), D(M))
ri = L(0, i) date de dbut au plus tt de lopration
e
o
e
reprsente par le sommet i (qui sexcute sur la machine
e
e
e
Mk )
di = L(0, ) L(i, ) + pi est la date de n au plus tard
de lopration reprsente par i
e
e
e
Crit`re : minimiser le retard algbrique Lmax pour la
e
e
machine Mk sachant que les machines appartenant ` M
a
ont t dj` ordonnances
e e ea
e

e
Plan
28 novembre 2005
115 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a

e
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
o
e
e
e
e
Mk )
e
e
e
e
e
a
e e ea
e

e
Plan
28 novembre 2005
115 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a

e
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
o
e
e
e
e
Mk )
e
e
e
e
e
a
e e ea
e

e
Plan
28 novembre 2005
115 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a

e
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
o
e
e
e
e
Mk )
e
e
e
e
e
a
e e ea
e

e
Plan
28 novembre 2005
115 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a

e
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e

e
o
e
e
e
e
Mk )
e
e
e
e
e
a
e e ea
e

e
Plan

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Pourquoi ce probl`me ?
e
116 de 117

e
Plan
116 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
Si les machines nappartenant pas ` M pouvaient
a
excuter une innit doprations ` la fois, L(0, ) serait le
e
e
e
a
makespan, tant donn lordre de passage des oprations
e
e
e
sur les machines apparatenant ` M
a

e
Plan
116 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
a
e
e
e
a
e
e
e
a
L(0, i) est bien la date de dbut au plus tt de i
e
o

e
Plan
116 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
a
e
e
e
a
e
e
e
a
e
o
L(i, ) pi est bien le temps ncessaire pour atteindre
e
lorsque i est termine
e

e
Plan
116 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
28 novembre 2005
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
e
a
e
e
e
a
e
e
e
a
e
o
L(i, ) pi est bien le temps ncessaire pour atteindre
e
lorsque i est termine
e
pour ne pas augmenter le makespan, il faut nir i
avant L(0, ) L(i, ) + pi , sinon le makespan augmente
au moins dune quantit gale au retard d `
ee
ua
lintroduction de la machine Mk

e
Plan
28 novembre 2005
117 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Ranement
A chaque fois quon introduit une nouvelle machine k dans
M, on rsout les probl`mes P (k, M {k}) pour eectuer une
e
e
optimisation locale

e
Plan
28 novembre 2005
117 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Ranement
e
e
optimisation locale
Pourquoi ?

e
Plan
28 novembre 2005
117 de 117

e
Algorithmes ` base
a
e
e
Probl`mes
e
machine
Probl`mes
e
owshop
Probl`mes
e
parall`les
e
Limitation
priorit
e
` une
a
de type
` machines
a
des r`gles de
e
Algorithmes plus
labrs
e
e
Approches pour
rsoudre les
e
probl`mes
e
NP-diciles
e
Heuristiques par
voisinage
Procdures par
e
e
e
e
e
1|rj |Lmax
Probl`me J||Cmax
e
Ranement
e
e
optimisation locale
Pourquoi ?
Le probl`me P (k, M {k}) est dirent du probl`me
e
e
e
} {k})
P (k, M {k

Or Donna Cement

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Or Donna Cement

Încărcat de

Drepturi de autor:

Formate disponibile

Introduction aux probl`mes dordonnancement

Introduction aux probl`mes dordonnancement

Introduction aux probl`mes dordonnancement

Dnition et formulation du probl`me dodonnancement

Ordonnancement de projet : rappels et extensions

Ordonnancement dateliers : contexte et classication

Ordonnancement dateliers : mthodes de rsolution

Introduction aux probl`mes dordonnancement

Partie 1 : Dnition et formulation du probl`me

Introduction aux probl`mes dordonnancement

Introduction aux probl`mes dordonnancement

Introduction aux probl`mes dordonnancement

La gestion de la production [Giard 2003]

les dcisions oprationnelles : court terme

Introduction aux probl`mes dordonnancement

Contraintes rencontres en ordonnancement

Introduction aux probl`mes dordonnancement

Contraintes rencontres en ordonnancement

Introduction aux probl`mes dordonnancement

Contraintes rencontres en ordonnancement

Introduction aux probl`mes dordonnancement

Contraintes rencontres en ordonnancement

Introduction aux probl`mes dordonnancement

Contraintes rencontres en ordonnancement

Introduction aux probl`mes dordonnancement

Formalisation des contraintes

Contraintes potentielles (ou de potentiels)

Introduction aux probl`mes dordonnancement

Forme gnrale : tj ti aij

Introduction aux probl`mes dordonnancement

Forme gnrale : tj ti aij

Introduction aux probl`mes dordonnancement

Forme gnrale : tj ti aij

Introduction aux probl`mes dordonnancement

Forme gnrale : tj ti aij

Introduction aux probl`mes dordonnancement

Deux tches i et j sont en disjonction si elles ne peuvent tre

Introduction aux probl`mes dordonnancement

Exemple : On a deux grues et 5 tches ncessitant une grue

alors les tches de S peuvent tre excutes simultanment ` t

Introduction aux probl`mes dordonnancement

Introduction aux probl`mes dordonnancement

Partie 2 : Ordonnancement de projet rappels

Introduction aux probl`mes dordonnancement

Introduction aux probl`mes dordonnancement

Contraintes de potentiel : tj ti aij

Contraintes de non ngativit : t0 , t1 , . . . , tn , tn+1 0

Introduction aux probl`mes dordonnancement

Contraintes de potentiel : tj ti aij

Contraintes de non ngativit : t0 , t1 , . . . , tn , tn+1 0

Introduction aux probl`mes dordonnancement

Modlisation avec un graphe potentiels-tches

On utilise un graphe orient G = (X, U )

Introduction aux probl`mes dordonnancement

Introduction aux probl`mes dordonnancement

Introduction aux probl`mes dordonnancement

Recherche dun ordonnancement ralisable

Introduction aux probl`mes dordonnancement

Recherche dun ordonnancement ralisable

Si la condistion dexistence est vrie alors, il existe en gnral

Introduction aux probl`mes dordonnancement

Dates de dbut au plus tt (1)

Introduction aux probl`mes dordonnancement

Dates de dbut au plus tt (1)