L'industrie est le plus grand consommateur d'énergie dans le monde et la majeure partie de sa consommation est électrique. Pour moduler la consommation et équilibrer les périodes creuses et de pic, les producteurs d'électricité dans de nombreux pays pratiquent une tarification différenciée, en anglais "time-of-use (TOU) policy", afin d’encourager les industriels et les particuliers à adapter leur consommation. Cette stratégie incite les gros consommateurs industriels, en particulier le secteur semi-conducteur où la fabrication se fait souvent par lots, à réduire leurs factures d’électricité en adaptant leur production.Dans ce travail, nous étudions plusieurs problèmes d’ordonnancement de production par lots avec tarification différenciée d'électricité. Nous nous intéressons d’abord à l’ordonnancement d’une machine par lots pour minimiser le coût total d’électricité et le makespan. Le deuxième problème étudié généralise le premier en considérant le coût d’électricité pendant les périodes inactives de la machine telles que les périodes de réglage ou d'attente. Enfin, nous traitons l’ordonnancement sur machines parallèles par lots avec des pièces non identiques. Pour chacun de ces problèmes, nous construisons des modèles mathématiques appropriés, et évaluons sa complexité. Pour la résolution, nous proposons plusieurs méthodes de ɛ-contrainte dans lesquelles des sous-problèmes sont transformés en problèmes de sac-à-doc, de sacs-à-doc multiples et ou de bin packing. Nous développons aussi une méthode itérative à deux étapes. Les performances des méthodes développées sont évaluées à l'aide d'un grand nombre d'instances représentatives générées au hasard. Les résultats numériques montrent l'efficacité de ces méthodes par rapport au logiciel commercial CPLEX. / The industrial sector is the largest consumer of the world's total energy and most of its consumption form is electricity. To strengthen the grid's peak load regulation ability, time-of-use (TOU) electricity pricing policy has been implemented in many countries to encourage electricity users to shift their consumption from on-peak periods to off-peak periods. This strategy provides a good opportunity for manufacturers to reduce their energy bills, especially for energy-intensive ones, where batch scheduling is often involved. In this thesis, several bi-objective batch scheduling problems under TOU tariffs are studied. We first investigate a single machine batch scheduling problem under TOU tariffs with the objectives of minimizing total electricity cost and makespan. This primary work is extended by further considering machine on/off switching. Finally, a parallel batch machines scheduling problem under TOU tariffs with non-identical job sizes to minimize total electricity cost and number of enabled machines is studied. For each of the considered problems, appropriate mathematical models are established, their complexities are demonstrated. Different bi-objective resolution methods are developed, including knapsack problem heuristic based ɛ-constraint method, multiple knapsack problem heuristic based ɛ-constraint method, bin packing heuristic based ɛ-constraint method and two-stage heuristic based iterative search algorithm. The performance of the proposed methods is evaluated by randomly generated instances. Extensive numerical results show that the proposed algorithms are more efficient and/or effective for the studied problems than the commercial software CPLEX.

L'hydrogène produit à partir de sources renouvelables et utilisé dans les piles à combustible pour diverses applications, tant mobiles que stationnaires, constitue un vecteur énergétique très prometteur, dans un contexte de développement durable. Les « feuilles de route » stratégiques, élaborées au niveau européen, national ou régional, consacrées aux potentialités énergétiques de l’hydrogène, ainsi que l’analyse des publications scientifiques ont cependant identifié le manque d'infrastructures, comme l'un des principaux obstacles au développement de l'économie « hydrogène ». Cette étude s’inscrit dans le cadre du développement d’une méthodologie de conception d'une chaîne logistique « hydrogène » (production, stockage et transport). La formulation, basée sur une procédure de programmation mathématique linéaire en variables mixtes, implique une approche multicritère concernant la minimisation du prix de revient de l’hydrogène, l’impact sur le réchauffement climatique et un indice de risque, en prenant en compte une échelle tant régionale que nationale. L’optimisation multi-objectif repose sur une stratégie Ɛ-contrainte développée à partir d’une méthode lexicographique menant à la construction de fronts de Pareto offrant un grand nombre de solutions. La procédure d’aide à la décision M-TOPSIS est ensuite utilisée pour choisir le meilleur compromis. Le modèle est appliqué à une étude de cas en Grande-Bretagne, issue de la littérature spécialisée, qui sert de référence pour comparer les approches mono- et multi-objectif. Ensuite, la modélisation et l'optimisation de la chaîne d'approvisionnement d'hydrogène pour la région Midi-Pyrénées ont été étudiées dans le cadre du projet «H2 vert carburant». Un problème mono/multi-période est traité selon des scénarios d'optimisation basés sur la stratégie Ɛ-contrainte développée à partir d’une méthode lexicographique. Le système d’information ArcGIS® est ensuite utilisé pour valider les solutions obtenues par optimisation multi-objectif. Cette technologie permet d'associer une période de temps aux configurations de la chaîne logistique hydrogène et d’analyser plus finement les résultats de la conception du réseau H2. L’extension au cas de la France répond à un double objectif : d'une part, tester la robustesse de la méthode à une échelle géographique différente et, d’autre part, examiner si les résultats obtenus au niveau régional sont cohérents avec ceux de l'échelle nationale. Dans cette étude de cas, l'outil spatial ArcGIS® est utilisé avant optimisation pour identifier les contraintes géographiques. Un scénario prenant en compte un cycle économique est également traité. Les optimisations mono et multi-objectif présentent des différences relatives au mode de déploiement de filière, centralisé ou décentralisé, et au type de technologie des unités production, ainsi qu’à leur taille. Les résultats confirment l'importance d'étudier différentes échelles spatiales. / Hydrogen produced from renewable sources and used in fuel cells both for mobile and stationary applications constitutes a very promising energy carrier in a context of sustainable development. Yet the strategic roadmaps that were currently published about the energy potentialities of hydrogen at European, national and regional level as well as the analysis of the scientific publications in this field have identified the lack of infrastructures as a major barrier to the development of a « hydrogen » economy. This study focuses on the development of a methodological framework for the design of a hydrogen supply chain (HSC) (production, storage and transportation). The formulation based on mixed integer linear programming involves a multi-criteria approach where three objectives have to be optimised simultaneously, i.e., cost, global warming potential and safety risk, either at national or regional scale. This problem is solved by implementing lexicographic and Ɛ-constraint methods. The solution consists of a Pareto front, corresponding to different design strategies in the associated variable space. Multiple choice decision making based on M-TOPSIS (Modified Technique for Order Preference by Similarity to Ideal Solution) analysis is then selected to find the best compromise. The mathematical model is applied to a case study reported in the literature survey and dedicated to Great Britain for validation purpose, comparing the results between mono- and multi-objective approaches. In the regional case, the modelling and optimisation of the HSC in the Midi-Pyrénées region was carried out in the framework of the project “H2 as a green fuel”. A mono/multi period problem is treated with different optimisation scenarios using Ɛ-constraint and lexicographic methods for the optimisation stage. The geographic information system (GIS) is introduced and allows organising, analysing and mapping spatial data. The optimisation of the HSC is then applied to the national case of France. The objective is twofold: on the one hand, to examine if the methodology is robust enough to tackle a different geographic scale and second to see if the regional approach is consistent with the national scale. In this case study, the ArcGIS® spatial tool is used before optimisation to identify the geographic items that are further used in the optimisation step. A scenario with an economic cycle is also considered. Mono- and multi-objective optimisations exhibit some differences concerning the degree of centralisation of the network and the selection of the production technology type and size. The obtained results confirm that different spatial and temporal scales are required to encompass the complexity of the problem.