Modélisation et Ordonnancement temps réel d’un Job shop à l’aide des métaheuristiques

Abstract

Les problèmes d’ordonnancement sont souvent classés NP-Difficiles. Leur résolution nécessite des méthodes dédiées à leur degré de complexité ; pour cette raison plusieurs heuristiques et métaheuristiques ont été conçues. Notre étude se situe dans le cadre d’adaptation des métaheuristiques pour la résolution d’un problème d’ordonnancement dans un système flexible de production (FMS). La première métaheuristique est l’algorithme mimétique, et la deuxième est l’algorithme API basé sur le comportement de fourragement d’une espèce de fourmis primitives dites les Pachycondyla apicalis. Dans ce deuxième algorithme, nous avons introduit une petite modification qui a conduit à des changements majeurs dans les résultats obtenus. L’algorithme obtenu est ensuite nommé APIm. Les résultats obtenus par les deux algorithmes sont comparés à ceux obtenus par l’algorithme génétique (GA) et par l’algorithme des colonies de fourmis (ACO). Les résultats montrent que l’algorithme mimétique donne, en général, les meilleurs résultats comparé aux autres métaheuristiques. L’algorithme APIm donne de bons résultats comparé à l’ACO.