Sedoud,Aimane2026-01-222026-01-222025-06-23https://dspace.univ-tlemcen.dz/handle/112/25614Ce mémoire porte sur l’optimisation de l’ordonnancement dans un atelier flowshop, un problème NPdifficile. Il compare les performances de quatre métaheuristiques (GA, SA, PSO, TS) ainsi que deux approches hybrides (GA-SA et PSO-TS) pour la minimisation du makespan (Cmax). Les algorithmes ont été codés en Python et testés sur des instances de référence. L’analyse repose sur la qualité des solutions, le temps de calcul et la robustesse. Les résultats montrent la supériorité de l’approche hybride GA-SA, qui allie exploration globale et intensification locale. Cette étude confirme l’intérêt des méthodes hybrides pour résoudre efficacement des problèmes complexes d’ordonnancement industriel.frFlowshopOrdonnancementMétaheuristiquesMakespanAlgorithme Génétique (GA)Recuit Simulé (SA)Optimisation par Essaim de Particules (PSO)Recherche Tabou (TS)Approches hybridesPythonRobustesseTemps de calculNP-difficile.Thesis