31 |
Optimisation multicouche des réseaux optiques wdm : heuristiques tabou pour la résolution à moindre coût du problème de groupage de routage et d’affectation de longueurs d’ondesHaïtami, Mehdi January 2014 (has links)
La fibre optique constitue le médium par excellence pour le transport d’information à haut débit. Elle forme l’épine dorsale de la majorité des réseaux optiques régionaux et métropolitains. La mise en œuvre à moindre coût de ce type de réseaux nécessite une planification rigoureuse des ressources pour satisfaire une demande de trafic de plus en plus exigeante en bande passante.
Le présent travail s’inscrit dans un cadre d’optimisation multicouche de réseaux optiques WDM. La principale contribution de cette thèse est de concevoir deux heuristiques Tabou, capable de résoudre le problème NP-complet de groupage, de routage et d’affectation de longueurs d’ondes GRWA (Grooming, Routing and Wavelength Assignment) dans un réseau optique WDM. La fonction objectif des heuristiques développées est de minimiser le coût de déploiement du réseau, autrement dit ses dépenses en capital (CAPEX), tout en maximisant son taux d’utilisation. Les contraintes réseaux à respecter sont celles du problème GRWA, augmenté des trois contraintes de la couche physique suivantes : le budget de puissance du signal optique, la quantité de dispersion chromatique qui s’y est accumulée et son rapport signal sur bruit optique (OSNR). Le coût du réseau est calculé en fonction de la quantité d’équipements optiques et optoélectroniques nécessaires pour satisfaire la demande de trafic. Les liens des réseaux optiques étudiés sont bidirectionnels composés de fibres optiques monomodes standard G-652 [1] opérant dans la fenêtre optique centrée autour de la longueur d’onde 1550 nm. Les nœuds sont équipés de plateformes multiservices (MSPP) supportant les protocoles SDH/SONET, GFP et LCAS/VCAT pour une gestion efficace de la bande passante. Le trafic considéré est statique de granularité multiple.
|
32 |
Optimisation de la trajectoire du patient dans les centres de radiothérapie ou d'hadronthérapieJacquemin, Yoan 25 October 2011 (has links) (PDF)
L'optimisation de la planification des traitements par rayons ionisants est bénéfique tant aux patients qu'aux structures de soins bien que particulièrement difficile du fait de la rareté des ressources et de l'importante répétition des séances. Face à cette problématique, un modèle d'optimisation linéaire à nombres entiers a été créé permettant de planifier des protocoles de traitement complexes tout en prenant en compte la disponibilité des patients ainsi que des radiothérapeutes qui les suivent avec pour résultat une amélioration significative des performances sur des indicateurs couvrant les ressources humaines et matérielles ainsi que les délais de prise en charge. De plus nous avons développé des solutions adaptées à des contextes concrets : i) une planification heuristique de la trajectoire des patients au sein du Centre de Protonthérapie d'Orsay (CPO) assortie d'indicateurs de performances, et ii) une adaptation au monde hospitalier de la solution industrielle de planification PREACTOR permettant de conserver la finesse obtenue dans les modélisations linéaires tout en tirant parti des capacités de résolution des heuristiques complexes intégrées à PREACTOR
|
33 |
Algorithmes pour le problème de repositionnementBordenave, Charles January 2008 (has links)
Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal.
|
34 |
De nouveaux algorithmes de tri par transpositionsBenoît-Gagné, Maxime January 2007 (has links)
Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.
|
35 |
Problèmes de production avec transport des composants / Integrated Production and Transportation Scheduling Models.Liberalino, Carlos Heitor Pereira 22 March 2012 (has links)
Dans ce travail nous considérons des problèmes de planification de production sur plusieurs sites avec transport de produits entre ces sites. L’objectif est de synchroniser les deux problèmes (planification et transport) et de construire une solution globale. Le système de production sur chaque site est modélisé comme un problème de Capacitated Lot-Sizing où nous travaillons avec stock et ressources. Le transport de produits entre les sites se ramène à une version simplifiée du Vehicle Routing Problem où le temps est discrétisé. D’abord nous proposons un modèle linéaire en nombres entiers que nous appelons le « Lot-Sizing and Vehicle Routing Problem » (LSVRP). Puis nous présentons deux cas particuliers : le Single-item LSVRP (SLSVRP) et le Single-level LSVRP (1-LSVRP). Les problèmes sont traités ici par six heuristiques que nous avons développé. Quatre de ces méthodes sont des heuristiques qui utilisent la programmation en nombres entiers et prennent en compte la relaxation linéaire de quelques variables du problème. Elles s’appuient sur l’exploration partielle de l’arbre de décision et la fixation de variables. Les deux autres sont spécifiques pour les cas particuliers. La première, qui traite le S-LSVRP, est basée sur la propagation des ordres de production sur chaque site. Puis à chaque itération elle calcule le plan de transport compatible et essaie d’améliorer la solution en modifiant la production sur les sites. L’autre méthode consiste en une relaxation lagrangienne qui travaille sur une modélisation du 1-LSVRP en un problème de flot. Des résultats numériques et des analyses sont présentés pour évaluer l’efficacité de ces heuristiques. / In this work we consider some problems of scheduling both a production distributed on several sites and the transportation of items between those sites. By doing so, the objective is to synchronize the two components and to build a better overall solution. The production system on each site is modeled as a Capacitated Lot-Sizing Problem where stock both on resources and produced items is available. The inter-site items transportation is a simplified version of the Vehicle Routing Problem where time is discretized. We first propose a mixed integer linear programming formulation that we call “The Lot-Sizing and Vehicle Routing Problem” (LSVRP). Then we present two particular cases : The Single-item LSVRP (S-LSVRP) and The Single-level LSVRP (1-LSVRP). All those cases are treated here by the six heuristics we develloped. Four of those methods are MIP based heuristics and take in account the the linear relaxation of some variables of the problem. They rely on partial decision tree exploration along with variable fixing. The other two are specifics for the two particular cases. The one who treats the S-LSVRP is based on production order propagation over the sites. Then, at each iteration, it computes a compatible transportation schedule and it tries to improve the solution by modifying the production on the sites. The other method consists in a lagrangian relaxation that works with an adaptation of the 1-LSVRP into a flow problem. Computational results and analysis are presented to evaluate the efficiency of those heuristics.
|
36 |
Enseignement de la résolution de problèmes arithmétiques à des élèves du 3e cycle du primaire présentant des difficultés d'apprentissageBisaillon, Nathalie January 2005 (has links)
Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.
|
37 |
Une métaheuristique pour le problème d'affectation de longueurs d'onde, de groupage et de routage du trafic dans les réseaux optiques WDMSolari, Yannick January 2005 (has links)
No description available.
|
38 |
Combining Heuristics for Optimizing and Scaling the Placement of IoT Applications in the Fog / Combinaison d'heuristiques pour optimiser et dimensionner le placement d'applications IoT dans le FogXia, Ye 17 December 2018 (has links)
Alors que l’informatique en brouillard amène les ressources de traitement et de stockage à la périphérie du réseau, il existe un besoin croissant de placement automatisé (c.-à-d. La sélection de l'hôte) pour déployer des applications distribuées. Un tel placement doit être conforme aux besoins en ressources des applications dans une infrastructure de brouillard hétérogène et dynamique, et traiter la complexité apportée par les applications Internet des objets (IoT) liées aux capteurs / actionneurs. Cette thèse présente un modèle, une fonction objective et des heuristiques pour résoudre le problème de la mise en place d'applications IoT distribuées dans le brouillard. En combinant les heuristiques proposées, notre approche est capable de gérer les problèmes à grande échelle et de prendre efficacement des décisions de placement adaptées à l'objectif - en optimisant les performances des applications placées. L'approche proposée est validée par une analyse de complexité et une simulation comparative avec des tailles et des applications de tailles variables. / As fog computing brings processing and storage resources to the edge of the network, there is an increasing need of automated placement (i.e., host selection) to deploy distributed applications. Such a placement must conform to applications' resource requirements in a heterogeneous fog infrastructure, and deal with the complexity brought by Internet of Things (IoT) applications tied to sensors and actuators. This paper presents four heuristics to address the problem of placing distributed IoT applications in the fog. By combining proposed heuristics, our approach is able to deal with large scale problems, and to efficiently make placement decisions fitting the objective: minimizing placed applications' average response time. The proposed approach is validated through comparative simulation of different heuristic combinations with varying sizes of infrastructures and applications.
|
39 |
Heuristic reasoning for an automatic commonsense understanding of logic electronic design specifications (English only)Mir, S. 15 October 1993 (has links) (PDF)
English only
|
40 |
Outils et algorithmes pour gérer l'incertitude lors de l'ordonnancement d'application sur plateformes distribuéesCanon, Louis-Claude 18 October 2010 (has links) (PDF)
Cette thèse traite de l'ordonnancement dans les systèmes distribués. L'objectif est d'étudier l'impact de l'incertitude sur les ordonnancements et de proposer des techniques pour en réduire les effets sur les critères à optimiser. Nous distinguons plusieurs aspects de l'incertitude en considérant celle liée aux limites des méthodes employées (e.g., modèle imparfait) et celle concernant la variabilité aléatoire qui est inhérente aux phénomènes physiques (e.g., panne matérielle). Nous considérons aussi les incertitudes qui se rapportent à l'ignorance portée sur les mécanismes en jeu dans un système donné (e.g., soumission de tâches en ligne dans une machine parallèle). En toute généralité, l'ordonnancement est l'étape qui réalise une association ordonnée entre des requêtes (dans notre cas, des tâches) et des ressources (dans notre cas, des processeurs). L'objectif est de réaliser cette association de manière à optimiser des critères d'efficacité (e.g., temps total consacré à l'exécution d'un application) tout en respectant les contraintes définies. Examiner l'effet de l'incertitude sur les ordonnancements nous amène à considérer les aspects probabilistes et multicritères qui sont traités dans la première partie. La seconde partie repose sur l'analyse de problèmes représentatifs de différentes modalités en terme d'ordonnancement et d'incertitude (comme l'étude de la robustesse ou de la fiabilité des ordonnancements).
|
Page generated in 0.0499 seconds