Cette thèse a pour objet l’étude d’une extension du RCPSP, un problème d’ordonnancement de tâches et d’affectation de ressources. Cette extension considère un aspect multi-site au problème. Cette extension a pour but de modéliser des problématiques de mutualisation de ressources entre plusieurs sites, comme c’est notamment le cas dans les communautés hospitalières. Pour résoudre ce problème nous avons proposé des méthodes exactes ainsi que des méthodes approchées. Deux modèles mathématiques ont été proposés et comparés sur de petites instances générées. Des méthodes approchées ont également été proposées. Ces méthodes s’articulent sur un couplage méta-heuritique / algorithme d’ordre strict et permettent d’explorer un espace de recherche restreint. Trois différents codages de solution ont été proposés ainsi que trois algorithmes d’ordre strict correspondant à chacun des trois codages. Ces différentes méthodes ont été comparées et analysées selon les instances et le temps de calcul alloué. / Résumé non disponible

L’hospitalisation hors les murs est une expression générique qui désigne toutes les formes de structures accueillant des patients pour une prise en charge longue et régulière nécessitant des soins complexes. Les structures hors les murs doivent assurer une prise en charge sure et d’une qualité au moins identique à celle fourni par l’hôpital, tout en contribuant à la diminution des coûts de la prise en charge. D’où la nécessité d’une gestion efficiente des activités des soignants et des ressources humaines. Dans ce travail de recherche, l’intérêt est porté à la problématique générale de gestion des activités de soins en Hospitalisation À Domicile (HAD). Il s’agit d’une problématique très complexe, car elle vise à résoudre simultanément des sous-problèmes réputés NP – difficiles. Dans cette thèse, nous étudions cette problématique au niveau opérationnel de la conception des tournées des soignants. La démarche adoptée pour ce travail de recherche se base sur trois étapes essentielles. Nous commençons par une étude sur le système de santé et les structures d’HAD en France, tout en mettant en claire les facteurs essentiels de leur fonctionnement. Cette étape sera clôturée par une étude du fonctionnement des systèmes d’HAD dans la région Rhône-Alpes, en se basant sur les retours du projet régional Organisation des Soins A Domicile (OSAD). La deuxième étape concerne les problématiques de gestion et la planification des activités de soins et des ressources humaines en HAD. Ce travail conduira à l’élaboration d’une classification des problématiques de la gestion des activités en HAD. En se basant sur la classification identifiée précédemment, nous définissons, les axes de complexité de ce problème : (i) le nombre d’activités de soins par soignant, (ii) la dépendance temporelle entre les activités des patients et (iii) la dimension environnementale. Ensuite, nous proposons un ensemble d’approches et d’outils pour la résolution de la problématique des tournées d’infirmiers en HAD, sous différentes contraintes liées à la réalisation des soins et en particulier aux contraintes de dépendances temporelles. Pour répondre à l’ensemble des contraintes et exigences de performance, nous développons une heuristique originale permettant une résolution en un temps compatible avec les contraintes de mise en oeuvre, pour des instances de grande taille / Home care services, is a generic term that gathers different kind of care: provider, agency, and organization. In France, the most important part of the in-home care is performed by HAD (Hospitalization At Home). The HAD concept is defined by decree. The HAD has to provide only complex care in the patient’s home for 24 motives. HAD are hospitals and have to ensure continuity of care for their patients. Our researches focus on the operation management for home care services. This problem is complex; it needs to solve sub-problems known to be NP - hard. In this work, this problem is studied at the operational level in design of tours of caregivers. The approach followed is based on three essential stages. Firstly, we study the health system and the home care structures in France. At the end of this step, we summarize the outcome obtained of the regional project Organization of Home Care Service (Organisation des Soins A Domicile : OSAD) on the home care structures in the Rhône-Alpes region (France). The second step gathers scientific literature about home care management, particularly about problems of management and planning of activities and human resources in the home care structures. This work leads to design a classification in order to management activities issues in home care structures. Based on this classification, we define three complexity axes of the operation management in home care problem, i.e. (i) the rate of the number of care activities per caregiver, (ii) dependency level between the patients’ activities and (iii) the environmental level. In the third stage, we suggest a set of mathematical approaches and tools for solving the problem of caregivers’ tours. Two MIPL model are developed, the first is based on a Traveling Salesman Problem (TSP) with coordination between the caregivers and the second on RCPSP (Ressources Constrained Project Scheduling Problem). Because the both previous models are time consuming, we suggest an original heuristic to solve the TSP coordinated problem, to resolve the care management activities in home care services

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

The main goal of a scheduling process is to decide when and how to execute each of the project's activities. Despite large variety of researched scheduling problems, the majority of them can be described as generalisations of the resource-constrained project scheduling problem (RCPSP). Because of wide applicability and challenging difficulty, RCPSP has attracted vast amount of attention in the research community and great variety of heuristics have been adapted for solving it. Even though these heuristics are structurally different and operate according to diverse principles, they are designed to obtain only one solution at a time. In the recent researches on RCPSPs, it was proven that these kind of problems have complex multimodal fitness landscapes, which are characterised by a wide solution search spaces and presence of multiple local and global optima. The main goal of this thesis is twofold. Firstly, it presents a variation of the RCPSP that considers optimisation of projects in an uncertain environment where resources are modelled to adapt to their environment and, as the result of this, improve their efficiency. Secondly, modification of a novel evolutionary computation method Cuckoo Search (CS) is proposed, which has been adapted for solving combinatorial optimisation problems and modified to obtain multiple solutions. To test the proposed methodology, two sets of experiments are carried out. Firstly, the developed algorithm is applied to a real-life software development project. Secondly, the performance of the algorithm is tested on universal benchmark instances for scheduling problems which were modified to take into account specifics of the proposed optimisation model. The results of both experiments demonstrate that the proposed methodology achieves competitive level of performance and is capable of finding multiple global solutions, as well as prove its applicability in real-life projects.

La version classique du problème d'ordonnancement de projet à contraintes de ressources (RCPSP) consiste à trouver un ordonnancement, de durée minimale, des activités d'un projet entrant en compétition sur l'usage de ressources renouvelables, cumulatives et disponibles en quantité limité. <br />La réputation d'extrême difficulté du RCPSP a mené nombre de chercheurs à proposer de nouvelles méthodes de résolution exacte toujours plus performantes pour ce problème. Malgré cela, les instances de tailles réelles, qui se recontrent fréquemment, par exemple dans la gestion de production industrielle, sont encore loins d'être résolues optimalement. Il est donc intéressant, en combinant les acquis des travaux précédents, en particulier en programmation par contraintes (PPC) et en programmation linéaire (PL), de se pencher sur des méthodes exactes innovantes ou encore de développer des procédures d'évaluation par défaut, pour permettre une meilleure estimation de la performance des heuristiques sur le RCPSP. Ce travail de thèse entre dans ce cadre.<br /><br />Dans un premier temps, nous nous attachons au calcul de bornes inférieures pour le RCPSP par relaxation lagrangienne. D'une part, nous cherchons à accélerer le calcul de la borne de Brucker et Knust (obtenue par hybridation de PPC et de génération de colonnes) en résolvant le programme linéaire sous-jacent par relaxation lagrangienne (méthodes de sous-gradient et de génération de contraintes). D'autre part, nous appliquons le même principe de relaxation lagrangienne, sur la formulation linéaire initiale de Mingozzi et al. dont est extraite la relaxation préemptive utilisée par Brucker et Knust. Une partie du problème se réduit alors, comme indiqué par Möhring et al., au calcul d'une coupe minimale dans un graphe.<br /> <br />Nous étudions ensuite, un second type de bornes inférieures, obtenu par des méthodes de coupes basées sur les relaxations continues de deux formulations linéaires entières. Ces programmes linéaires sont au préalable resserés par des techniques éprouvées de propagation de contraintes, dont la règle globale du shaving. L'originalité de notre méthode repose essentiellement dans la génération des coupes qui sont, en grande partie, directement déduites des règles de propagation de contraintes.<br /><br />Enfin, nous proposons une méthode originale de résolution exacte pour le RCPSP, basée sur la procédure de Resolution Search de Chvàtal, une alternative aux méthodes de Branch-and-Bound classiques et qui se rapproche du Dynamic Backtracking en programmation par contraintes. Dans Resolution Search, l'espace de recherche ne se présente pas comme un arbre, puisqu'il s'agit, à chaque fois qu'un noeud terminal est rencontré, de rechercher par backtrakings successifs, les fixations minimales qui font de ce noeud un noeud terminal. L'ensemble des ces fixations est alors stocké de manière intelligente de façon à les exclure de l'espace de recherche. Resolution Search a été initialement développée pour la résolution de programmes linéaires en variables binaires, mais n'a semble-t'il jamais été employée dans le cadre de problèmes spécifiques.<br />Dans le but de prouver son efficacité, nous commencons par l'appliquer basiquement à deux formulations linéaires en variables binaires pour le RCPSP et la comparons à une version tout aussi basique de Branch-and-bound.<br /> Nous en poursuivons l'étude en utilisant des règles de branchement et d'évaluation ayant déjà prouvé leur efficacité dans des implémentations classiques de méthodes arborescentes pour le RCPSP, telles que celles de Brucker et al., Carlier et Latapie, Demeulemeester et Herroelen.

Les problèmes d'ordonnancement constituent une classe importante des problèmes d'optimisation combinatoire. La plupart des travaux dans ce domaine considèrent des problèmes statiques pour lesquels toutes les données (activités, ressources, contraintes) sont connues à l'avance. En réalité, ce type de problèmes est très souvent soumis aux aléas (matières premières livrées en retard, arrivées de nouvelles commandes, pannes de machines, etc.). Aussi, l'ordonnancement se déroule rarement comme prévu. On a alors affaire à un problème d'ordonnancement dit dynamique. Dans cette thèse, nous considérons un problème d'ordonnancement très général, appelé RCPSP (Resource Constrained Project Scheduling Problem), et proposons un système permettant de résoudre le cas dynamique. Bien que beaucoup de travaux concernent le RCPSP statique, seules quelques méthodes sont proposées pour le cas dynamique. De plus ces méthodes ne sont pas satisfaisantes. La méthode que nous proposons applique au RCPSP une des techniques utilisées pour résoudre les problèmes de satisfaction de contraintes dynamiques : les explications. Une explication est un ensemble de contraintes (un sous-ensemble du système de contraintes courant) qui justifie le résultat de la recherche (déduction de nouvelles contraintes, contradiction aboutissant à un échec, etc.). Ces explications sont une trace explicite du comportement de la propagation. Elles permettent de défaire efficacement les effets passés d'une contrainte et ainsi d'ajouter et retirer dynamiquement des contraintes. Nous avons ainsi développé une recherche arborescente (inspirée d'une recherche arborescente de la littérature) qui en chaque noeud propage les contraintes temporelles et de ressources (en utilisant les techniques de core-times, task-interval et resource-histogram) tout en conservant des explications. Nous utilisons de plus une notion de distance (écart entre la fin d'une activité et le début d'une autre) permettant d'exprimer toutes les contraintes temporelles dans un cadre unique. Notre système est ainsi capable de résoudre de manière efficace (i.e. sans repartir à zéro et dans un temps raisonnable) des instances de RCPSP dynamiques (i.e. ajouts/retraits de contraintes de précédence, ajouts/retraits d'activités et de ressources). De plus, notre système étant très générique, il permet de traiter des extensions du RCPSP dynamique (précédences/disjonctions/chevauchements généralises, et variation des disponibilités des ressources).

The main goal of a scheduling process is to decide when and how to execute each of the project’s activities. Despite large variety of researched scheduling problems, the majority of them can be described as generalisations of the resource-constrained project scheduling problem (RCPSP). Because of wide applicability and challenging difficulty, RCPSP has attracted vast amount of attention in the research community and great variety of heuristics have been adapted for solving it. Even though these heuristics are structurally different and operate according to diverse principles, they are designed to obtain only one solution at a time. In the recent researches on RCPSPs, it was proven that these kind of problems have complex multimodal fitness landscapes, which are characterised by a wide solution search spaces and presence of multiple local and global optima. The main goal of this thesis is twofold. Firstly, it presents a variation of the RCPSP that considers optimisation of projects in an uncertain environment where resources are modelled to adapt to their environment and, as the result of this, improve their efficiency. Secondly, modification of a novel evolutionary computation method Cuckoo Search (CS) is proposed, which has been adapted for solving combinatorial optimisation problems and modified to obtain multiple solutions. To test the proposed methodology, two sets of experiments are carried out. Firstly, the developed algorithm is applied to a real-life software development project. Secondly, the performance of the algorithm is tested on universal benchmark instances for scheduling problems which were modified to take into account specifics of the proposed optimisation model. The results of both experiments demonstrate that the proposed methodology achieves competitive level of performance and is capable of finding multiple global solutions, as well as prove its applicability in real-life projects.

In this paper we investigate and compare multi-objective and weighted single objective approaches to a real world workforce scheduling problem. For this difficult problem we consider the trade off in solution quality versus population diversity, for different sets of fixed objective weights. Our real-world workforce scheduling problem consists of assigning resources with the appropriate skills to geographically dispersed task locations while satisfying time window constraints. The problem is NP-Hard and contains the Resource Constrained Project Scheduling Problem (RCPSP) as a sub problem. We investigate a genetic algorithm and serial schedule generation scheme together with various multi-objective approaches. We show that multi-objective genetic algorithms can create solutions whose fitness is within 2% of genetic algorithms using weighted sum objectives even though the multi-objective approaches know nothing of the weights. The result is highly significant for complex real-world problems where objective weights are seldom known in advance since it suggests that a multi-objective approach can generate a solution close to the user preferred one without having knowledge of user preferences.

In the field of operations research, the set of scheduling problems of activities is considered as one of the most relevant ones due to its great applicability and complexity. Within the broad variety of problems in this set, it is remarkable the Resource-Constrained Project Scheduling Problem (RCPSP), since it is regarded as the most important-base problem in this area and it has been the object of study in countless research projects. Basically, this problem consists of a project split into sets of activities that are related to each other by means of precedence-constraints, and require an amount of each limited resource, to be performed. The objective, then, is to allocate in the most efficient way those resources to the activities in order to optimize a scoring function such as the makespan. Similar in importance is the multimodal-version of the RCPSP, called MRCPSP, in which for each activity there exists multiple execution modes that involve a different combination of limited resources, giving rise to a different execution time. In the literature, it has been addressed widely these two problems with both exact methods and approximation methods, being these latter the most successful. These research works have focused mainly on obtaining economic advantages such as costs and project time minimization. However, with the accelerating globalization and the fast countries' growing economies, the race for power resources have increased sharply. In fact, the importance of taking into account the energy consumption on modeling has become so important that it is now considered as important as other performance measures such as productivity and costs. Hence, the main goal of this Ph.D. dissertation is to develop a new RCPSP and MRCPSP approach based on the energetic efficiency, which is aimed at searching for sustainable solutions in terms of time and energy consumption. To this end, it has been proposed an extension of the RCPSP, named MRCPSP-ENERGY, which considers besides the traditional resources of the RCPSP, a variable energetic consumption that generates different execution modes for the activities. This proposal includes a new optimization criterion based on the energetic efficiency of a project, which considers simultaneously the minimization of both the total duration and the energy consumption of such project. Moreover, in order to assess the solution methods for the MRCPSP-ENERGY, the standard library mostly used for this purpose has been extended and a new one has been proposed, called PSPLIB-ENERGY. In order to solve the proposed problem, firstly, the most successful metaheuristics methods, which address the RCPSP, were analyzed. Secondly, it was shown that these methods lead to redundant solutions, hindering the search. Therefore, an evolutive method was proposed, whose main contribution is the development of a new mutation operator that reduces the number of redundant solutions. Similarly, in the multimodal case, it was determined that the most widespread searching methods are also focused on the activity list representation and therefore they yield redundant solutions. As a solution alternative for the MRCPSP-ENERGY, it was shown that such search can be carried out by focusing on the mode list representation, as different mode lists also reach diverse solutions, giving rise to a less number of redundant solutions. Keeping in mind this finds, it was proposed a new evolutive method for solving the MRCPSP-ENERGY, which unifies both searching methods such that the search is conducted with two optimization phases. Based on the obtained results given by the PSPLIB-ENERGY library, the proposed method proved to be able to reach highly efficient solutions. / En la investigación operativa, el conjunto de problemas de secuenciación de actividades es considerado como uno de los más relevantes debido a su gran aplicabilidad y complejidad. Dentro de la amplia variedad de problemas en este conjunto, destaca el problema de programación de tareas con recursos restringidos (RCPSP por su sigla en inglés), pues es considerado como el problema base más importante en esta área y ha sido objeto de estudio de numerosas investigaciones. Básicamente, consiste de un proyecto subdividido en un conjunto de actividades que se encuentran relacionadas mediante restricciones de precedencia y requieren, para ser ejecutadas, una cantidad de cada tipo de recurso cuya disponibilidad máxima se encuentra limitada. El objetivo es asignar los recursos a las actividades de la manera más eficiente posible para optimizar una medida de desempeño, por ejemplo, la duración total del proyecto. Igualmente importante es la versión multi-modal del RCPSP, llamada MRCPSP, en la que para cada actividad existen múltiples modos de ejecución que involucran una combinación diferente de recursos limitados, dando origen a un tiempo de ejecución distinto. En la literatura se han abordado ampliamente estos dos problemas tanto con métodos exactos como de aproximación, siendo estos últimos los más exitosos. Estos trabajos se han centrado principalmente en la obtención de beneficios económicos, como la minimización de los costes o la obtención de la mínima duración del proyecto. Sin embargo, con la aceleración de la globalización y el rápido desarrollo de los países, la competencia por recursos energéticos ha aumentado drásticamente. Incluso, la importancia de tener en cuenta el consumo de energía en los modelos ha crecido de tal manera que, ahora es considerado con la misma relevancia que otras medidas de desempeño como la productividad y los costes. Así, el objetivo principal de esta tesis es desarrollar un nuevo enfoque del RCPSP y del MRCPSP, basado en la eficiencia energética, la cual busca soluciones sostenibles en términos de tiempo y de consumo energético. Para este fin, se ha propuesto una extensión del RCPSP denominada MRCPSP-ENERGY, la cual considera, además de los recursos tradicionales del RCPSP, un consumo de energía variable que da origen a distintos modos de ejecución de las actividades. Esta propuesta incluye un nuevo criterio de optimización basado en la eficiencia energética del proyecto, que tiene en cuenta de manera simultánea la minimización de la duración del proyecto y el consumo total de energía. Adicionalmente, con el objetivo de evaluar los métodos de solución para el MRCPSP-ENERGY, se ha ampliado la librería estándar de prueba más extendida para el RCPSP y se ha propuesto una nueva librería, denominada PSPLIB-ENERGY. Para encontrar solución al problema propuesto, primero se analizaron los mejores métodos metaheurísticos que abordan el RCPSP. Luego, se identificó que estos métodos conducen a soluciones redundantes, entorpeciendo la búsqueda. Por tanto, se propuso un método evolutivo cuya principal aportación es el desarrollo de un nuevo operador de mutación que disminuye la generación de soluciones redundantes. Similarmente, en el caso multi-modal se detectó que los principales métodos de búsqueda también se centran en la representación de lista de actividades y por tanto generan soluciones redundantes. Como alternativa de solución para el MRCPSP-ENERGY, se mostró que la búsqueda puede realizarse enfocándose en la lista de modos, ya que diferentes listas de modos también pueden alcanzar soluciones distintas, generando un menor número de soluciones redundantes. Teniendo en cuenta estos hallazgos, se propuso un nuevo método evolutivo para resolver el MRCPSP-ENERGY, que unifica ambos métodos de búsqueda para realizarla en dos fases de optimización. Basándose en los resultados obtenidos en la PSPLIB-ENERGY, se concluye que el m / En la investigació operativa, el conjunt de problemes de seqüenciació d'activitats és considerat com un dels més rellevants a causa de la seua gran aplicabilitat i complexitat. Dins de l'àmplia varietat de problemes en este conjunt, destaca el problema de programació de tasques amb recursos restringits (RCPSP per la seua sigla en anglés) , perquè és considerat com el problema base més important en esta àrea i ha sigut objecte d'estudi de nombroses investigacions. Bàsicament, consistix d'un projecte subdividit en un conjunt d'activitats que es troben relacionades per mitjà de restriccions de precedència i requerixen, per a ser executades, una quantitat de cada tipus de recurs la disponibilitat màxima de la qual es troba limitada. L'objectiu és assignar els recursos a les activitats de la manera més eficient possible per a optimitzar una mesura d'exercici, per exemple, la duració total del projecte. Igualment important és la versió multi- modal del RCPSP, crida MRCPSP, en la que per a cada activitat hi ha múltiples modes d'execució que involucren una combinació diferent de recursos limitats, donant origen a un temps d'execució distint. En la literatura s'han abordat àmpliament estos dos problemes tant amb mètodes exactes com d'aproximació, sent estos últims els més reeixits. Estos treballs s'han centrat principalment en l'obtenció de beneficis econòmics, com la minimització dels costos o l'obtenció de la mínima duració del projecte. No obstant això, amb l'acceleració de la globalització i el ràpid desenrotllament dels països, la competència per recursos energètics ha augmentat dràsticament. Inclús, la importància de tindre en compte el consum d'energia en els models ha crescut de tal manera que, ara és considerat amb la mateixa rellevància que altres mesures d'exercici com la productivitat i els costos. Així, l'objectiu principal d'esta tesi és desenrotllar un nou enfocament del RCPSP i del MRCPSP, basat en l'eficiència energètica, la qual busca solucions sostenibles en termes de temps i de consum energètic. Per a este fi, s'ha proposat una extensió del RCPSP denominada MRCPSP- ENERGY, la qual considera, a més dels recursos tradicionals del RCPSP, un consum d'energia variable que dóna origen a distints modes d'execució de les activitats. Esta proposta inclou un nou criteri d'optimització basat en l'eficiència energètica del projecte, que té en compte de manera simultània la minimització de la duració del projecte i el consum total d'energia. Addicionalment, amb l'objectiu d'avaluar els mètodes de solució per al MRCPSP-ENERGY, s'ha ampliat la llibreria estàndard de prova més estesa per al RCPSP i s'ha proposat una nova llibreria, denominada PSPLIB-ENERGY. Per a trobar solució al problema proposat, primer es van analitzar els millors mètodes metaheurísticos que aborden el RCPSP. Després, es va identificar que estos mètodes conduïxen a solucions redundants, entorpint la busca. Per tant, es va proposar un mètode evolutiu la principal aportació del qual és el desenrotllament d'un nou operador de mutació que disminuïx la generació de solucions redundants. Semblantment, en el cas multi- modal es va detectar que els principals mètodes de busca també se centren en la representació de llista d'activitats i per tant generen solucions redundants. Com a alternativa de solució per al MRCPSP-ENERGY, es va mostrar que la busca pot realitzar-se enfocant-se en la llista de modes, ja que diferents llistes de modes també poden aconseguir solucions distintes, generant un menor nombre de solucions redundants. Tenint en compte estes troballes, es va proposar un nou mètode evolutiu per a resoldre el MRCPSP-ENERGY, que unifica ambdós mètodes de busca per a realitzar-la en dos fases d'optimització. Basant-se en els resultats obtinguts en la PSPLIB-ENERGY, es conclou que el mètode proposat és capaç d'aconseguir solucions altament eficients. / Morillo Torres, D. (2017). Eficiencia energética en la programación de tareas con recursos restringidos [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/90654

Thesis deals with the topic of computational scheduling of production with dynamic reconfigurations and maintenance. The problem is formally defined by a mathematical model named Resource Constrained Project Scheduling Problem which was extended by dynamic reconfiguration and maintenance. Number of different schedule generation algorithms were proposed based on this model. Also methods of solution optimization based on genetic algorithms were described. The typology of production orders of which different task types are created was described in the experimental part. The result of the experiments is clear recommendation of scheduling algorithm for given task type. For the conclusion, thesis deals with the case study of choice of suitable solution for specific production companies.