Nous détaillons dans cette thèse des algorithmes modérément exponentiels pour l'approximation du problème MAX SAT. Nous discutons d'une méthode générique pour la conception d'algorithmes exponentiels réalisant des schémas d'approximation dans un cadre plus général. Enfin, nous présentons des résultats paramétrés pour des problèmes de coupe à cardinalité contrainte.

Cette thèse porte sur des problèmes d'exploration de données avec le point de vue de la recherche opérationnelle. L'exploration de données consiste en l'apprentissage de nouvelles connaissances à partir d'observations contenues dans une base de données. La nature des problèmes rencontrés dans ce domaine est proche de celle des problèmes de la recherche opérationnelle: grandes instances, objectifs complexes et difficulté algorithmique. L'exploration de données peut aussi se modéliser comme un problème d'optimisation avec un objectif partiellement connu. Cette thèse se divise en deux parties. La première est une introduction à l'exploration de données. Elle présente l'Analyse Combinatoire de Données (ACD), une méthode d'exploration de données issue de l'optimisation discrète. Cette méthode est appliquée à des données médicales originales et une extension aux problèmes d'analyse de temps de survie est proposée. L'analyse de temps de survie consiste à modéliser le temps avant un événement (typiquement un décès ou une rechute). Les heuristiques proposées utilisent des techniques classiques de recherche opérationnelle telles que la programmation linéaire en nombres entiers, la décomposition de problème, des algorithmes gloutons. La seconde partie est plus théorique et s'intéresse à deux problèmes combinatoires rencontrés dans le domaine de l'exploration de données. Le premier est un problème de partitionnement de graphes en sous-graphes denses pour l'apprentissage non supervisé. Nous montrons la complexité algorithmique de ce problème et nous proposons un algorithme polynomial basé sur la programmation dynamique lorsque le graphe est un arbre. Cet algorithme repose sur des résultats de la théorie des couplages. Le second problème est une généralisation des problèmes de couverture par les tests pour la sélection d'attributs. Les lignes d'une matrice sont coloriées en deux couleurs. L'objectif est de trouver un sous-ensemble minimum de colonnes tel que toute paire de lignes avec des couleurs différentes restent distinctes lorsque la matrice est restreinte au sous-ensemble de colonnes. Nous montrons des résultats de complexité ainsi que des bornes serrées sur la taille des solutions optimales pour différentes structures de matrices.

Nous étudions dans cette thèse un problème de tarification pour le transport longue distance de marchandises à charge pleine. Plus précisément chaque véhicule livre une seule demande à la fois. Dans cet environnement, nous étudions une problématique de tarification et de valorisation de la capacité inutilisée entre deux transporteurs. Le premier, le transporteur B, possède une clientèle qu'il ne peut satisfaire en totalité, et devra se résoudre à sous-traiter une partie à la concurrence. Le deuxième transporteur, le transporteur A, concurrent mais partenaire privilégié du premier, propose des tarifs pour combler les demandes insatisfaites du transporteur B. Nous sommes en présence d'un processus de décision séquentiel, non coopératif, hiérarchisé que nous modélisons par une approche de programmation bi-niveau : au premier niveau le transport A (le meneur) a pour objectif de maximiser son revenu en fixant des tarifs, et en prenant explicitement en compte la réaction du transporteur B (le suiveur) qui a pour objectif de satisfaire toutes ses demandes à coût minimal. Deux types de modèles ont été proposé : un modèle bi-niveau mono-objectif et un modèle bi-niveau bi-objectif. Plus précisément deux objectifs sont pris simultanément en compte pour le problème de haut niveau : la maximisation du revenu et l'équilibrage de la distance parcourue à vide. Des méthodes exactes ont été proposées, pour résoudre les instances de petites tailles et des heuristiques sont définies pour obtenir de bonnes solutions en des temps raisonnables sur des instances de plus grande taille.

Le but de ces travaux est de présenter une synthèse des résultats que nous avons obtenus depuis la soutenance de notre thèse de doctorat en 2007 et de proposer des pistes de recherches à court et à moyen terme. Ces réalisations concernent principalement le domaine de l'Aide Multicritère à la Décision (AMCD). Le premier chapitre introduit le domaine de recherche en AMCD, avant de passer à une présentation des objectifs scientifiques qui ont guidé nos travaux. Le deuxième chapitre présente nos contributions algorithmiques et méthodologiques aux 2 principaux courants de pensée de l'AMCD. Le fil rouge de ces travaux est la validation expérimentale des algorithmes proposés en les confrontant à des grandes quantités de données générées artificiellement. L'amélioration des outils informatiques de soutien du processus d'AMCD est une autre de nos préoccupations. Le troisième chapitre traite de cette thématique, alors que le quatrième chapitre illustre quelques cas d'application.

De nombreux retours de produits dus au recyclage et à la réutilisation des déchets se développent dans le but de préserver les ressources naturelles limitées de notre planète. Ces nouveaux flux interagissant avec les flux de production traditionnels, il est important de les piloter de façon à satisfaire au mieux les demandes des clients et minimiser l'encours dans la chaîne logistique. Nos travaux s'inscrivent dans cette démarche. Nous nous plaçons dans un contexte où la capacité de production est limitée et nous considérons un problème opérationnel de gestion des stocks et de la production intégrant des flux de retours. Nous modélisons trois problèmes de production et de stockage à temps continu, avec des capacités de production limitées, des délais aléatoires et des coûts linéaires. Le premier prenant en compte la probabilité qu'un produit puisse être réutilisé comme produit fini ou seulement comme produit semi-fini (par partie), le deuxième présentant un problème où la réutilisation d'un retour comme produit fini nécessite une étape de remise à neuf et le troisième modélisant un système où les clients préviennent à l'avance du renvoi potentiel de leurs produits. Outre la caractérisation des politiques optimales de gestion, une part importante de nos contributions réside dans l'évaluation des performances de différentes politiques heuristiques et l'étude de l'impact de la capacité de production sur celles-ci. Enfin, nous nous servons dans tout ce document d'outils permettant la caractérisation des politiques optimales. La dernière partie de ce document vise à développer ces outils et à permettre l'étude de l'effet des paramètres d'un système formulé en processus de décision Markovien sur la politique optimale de celui-ci.

Dans cette thèse, nous nous intéressons au problème de chargement des laveurs dans un service de stérilisation de dispositifs médicaux réutilisables (DMR). Ce problème de chargement des laveurs a été considéré comme un problème d'ordonnancement par batch. Nous présentons, dans un premier temps, des études offline pour lesquelles nous avons développé des algorithmes, exacts et approchés, ainsi que des modèles PLNE pour certains cas particuliers et pour des cas généraux. Nous présentons ensuite des études semi-online et online pour lesquelles nous avons développé des heuristiques. Nous avons également conçu des modèles de simulation afin de tester l'impact de nos heuristiques sur l'ensemble du service de stérilisation. Nous proposons, en dernier lieu, l'implémentation d'une approche de type bin packing pour le cas d'un service de stérilisation externe afin de minimiser le nombre de cycles de lavage lancés.

Cette HDR concerne l'ordonnancement en présence de divers communications

Les travaux de recherche menés dans cette thèse s'inscrivent dans deux champs disciplinaires que sont l'évaluation du confort et l'aide multicritère à la décision.L'objectif de la thèse est de construire un modèle pour évaluer des trains sur le point de vue du confort tel qu'il est perçu par les voyageurs. L'approche utilisée pour cela repose sur trois étapes principales de construction d'un modèle d'aide multicritère à la décision. La première consiste à définir et à formaliser les critères de confort du problème. Dans la deuxième étape, il s'agit de construire les échelles afin de pouvoir évaluer les trains sur chaque critère de confort considéré.La troisième étape consiste à agréger les critères de confort en utilisant des méthodes d'agrégation multicritère. Cette étape nécessite l'élicitation des préférences des décideurs afin de mettre en oeuvre les méthodes d'agrégation.Notre contribution est de formaliser une approche pour la construction d'un modèle d'évaluation du confort dans les trains. Cette approche peut être appliquée à d'autres problématiques que l'évaluation du confort. Elle présente deux particularités principales. La première est d'intégrer dans la construction du modèle des facteurs importants traduisant la perception du confort. Nous avons choisi pour cela un modèle hiérarchique comportant plusieurs niveaux. La deuxième particularité de l'approche est d'utiliser des méthodes d'agrégation pouvant être différentes d'un noeud à un autre du modèle. Elle présente également d'autres aspects plus spécifiques, notamment lors de l'élicitation des préférences où nous construisons des exemples d'apprentissage informatifs pour accélérer le processus d'élicitation

Ce mémoire illustre la difficile déclinaison du paradigme de l'optimalité lors de sa confrontation aux principes de réalité de systèmes toujours plus complexes. Après avoir récapitulé l'expérience de recherche acquise à travers des contributions variées, qui nous emmènent de problèmes de contrôle en dimension infinie à des applications dans les domaines du spatial, de l'énergie et de l'automobile, les développements spécifiques en matière de prospective long terme seront l'objet d'une attention particulière. Ainsi, le credo que l'optimalité est un canevas nécessaire pour envisager les enjeux d'une modélisation du long terme sera défendu, soutenant l'idée que cette approche devra rester centrale dans nos perspectives de recherche. Mais dans la tradition d'une formation "à la française", cette réflexion ne saura être menée sans revenir au préalable sur les grands principes sous jacents à l'optimalité et leur liaison naturelle avec l'étude des systèmes dynamiques.

L'entreprise "Cyres-group" cherche à améliorer le temps de réponse de ses grappes Hadoop et la manière dont les ressources sont exploitées dans son centre de données. Les idées sous-jacentes à la réduction du temps de réponse sont de faire en sorte que (i) les travaux soumis se terminent au plus tôt et que (ii) le temps d'attente de chaque utilisateur du système soit réduit. Nous identifions deux axes d'amélioration : 1. nous décidons d'intervenir pour optimiser l'ordonnancement des travaux sur une plateforme Hadoop. Nous considérons le problème d'ordonnancement d'un ensemble de travaux du type MapReduce sur une plateforme homogène. 2. Nous décidons d'évaluer et proposer des outils capables (i) de fournir plus de flexibilité lors de la gestion des ressources dans le centre de données et (ii) d'assurer l'intégration d'Hadoop dans des infrastructures Cloud avec le minimum de perte de performance. Dans une première étude, nous effectuons une revue de la littérature. À la fin de cette étape, nous remarquons que les modèles mathématiques proposés dans la littérature pour le problème d'ordonnancement ne modélisent pas toutes les caractéristiques d'une plateforme Hadoop. Nous proposons à ce niveau un modèle plus réaliste qui prend en compte les aspects les plus importants tels que la gestion des ressources, la précédence entre les travaux, la gestion du transfert des données et la gestion du réseau. Nous considérons une première modélisation simpliste et nous considérons la minimisation de la date de fin du dernier travail (Cmax) comme critère à optimiser. Nous calculons une borne inférieure à l'aide de la résolution du modèle mathématique avec le solveur CPLEX. Nous proposons une heuristique (LocFirst) et nous l'évaluons. Ensuite, nous faisons évoluer notre modèle et nous considérons, comme fonction objective, la somme des deux critères identifiés depuis la première étape : la minimisation de la somme pondérée des dates de fin des travaux ( ∑ wjCj) et la minimisation du (Cmax). Nous cherchons à minimiser la moyenne pondérée des deux critères, nous calculons une borne inférieure et nous proposons deux heuristiques de résolution. / "Cyres-Group" is working to improve the response time of his clusters Hadoop and optimize how the resources are exploited in its data center. That is, the goals are to finish work as soon as possible and reduce the latency of each user of the system. Firstly, we decide to work on the scheduling problem in the Hadoop system. We consider the problem as the problem of scheduling a set of jobs on a homogeneous platform. Secondly, we decide to propose tools, which are able to provide more flexibility during the resources management in the data center and ensure the integration of Hadoop in Cloud infrastructures without unacceptable loss of performance. Next, the second level focuses on the review of literature. We conclude that, existing works use simple mathematical models that do not reflect the real problem. They ignore the main characteristics of Hadoop software. Hence, we propose a new model ; we take into account the most important aspects like resources management and the relations of precedence among tasks and the data management and transfer. Thus, we model the problem. We begin with a simplistic model and we consider the minimisation of the Cmax as the objective function. We solve the model with mathematical solver CPLEX and we compute a lower bound. We propose the heuristic "LocFirst" that aims to minimize the Cmax. In the third level, we consider a more realistic modelling of the scheduling problem. We aim to minimize the weighted sum of the following objectives : the weighted flow time ( ∑ wjCj) and the makespan (Cmax). We compute a lower bound and we propose two heuristics to resolve the problem.