Le problème combiné de production et de tournées de véhicules (PRP) consiste à proposer une planification intégrée de la production et de la distribution. Il vise à optimiser le coût global de la chaîne logistique et à améliorer le niveau de service aux clients. Bien que le PRP et son application en agroalimentaire (FPRP) présentent des enjeux importants à la fois scientifiques et industriels, ils n’ont pas été suffisamment étudiés dans la littérature. L’objectif de cette thèse est de développer de nouveaux modèles et algorithmes pour le PRP et le FPRP.Dans cette thèse, nous avons d’abord étudié un PRP multi-produit avec sous-traitance (MPRPOS) qui est une extension naturelle du PRP classique. Pour ce problème, un nouveau programme linéaire en nombres mixte (MILP) a été proposé et une heuristique à trois niveaux a été développée. Les expériences numériques sur 225 instances générées aléatoirement pour le MPRPOS et 1530 instances de benchmark du PRP montrent de très bonnes performances de l’heuristique proposée. En particulier, nous avons obtenu de nouvelles meilleures solutions pour 283 instances de benchmark.A partir de l’étude du MPRPOS et en prenant en compte les spécificités des produits agroalimentaires (périssabilité et qualité), trois nouveaux FPRPs ont été ensuite étudié: 1) un FPRP multi-site avec conditionnement (MFPRP); 2) un FPRP multi-critère (BFPRP): minimisation du coût total de la chaîne logistique et maximisation de la qualité; et 3) un FPRP avec des contraintes de fenêtre horaires (FPRPTW). Pour chacun des problèmes, un modèle MILP a été établi. En outre, une Matheuristique hybride combinant une méthode itérative, une procédure de fixe-et-optimisation et un processus d’optimisation basé sur les routes déterminées pendant les deux premières étapes a été développée pour le MFPRP. Pour le BFPRP, une heuristique du type epsilon-contrainte et une méthode par logique floue sont proposées. Et le FPRPTW est directement résolu par le solveur CPLEX. Une étude des cas montre que le modèle et l’algorithme proposés pour le BFPRP peuvent significativement améliorer la performance de l’entreprise. Les résultats numériques sur des instances générées aléatoirement montrent que les méthodes développées sont plus performantes que le CPLEX. / The production routing problem (PRP) consists of determining an integrated production and distribution planning that aims to optimize overall cost and improve service level. Although the PRP has been attracting academic and practical interests, it has not been well studied in the literature. Food production routing problem (FPRP) that is more complex than the classic PRP due to food perishability, has rarely been studied. This thesis focuses on developing new models and algorithms for the PRP and FPRP.Firstly, a multi-product PRP with outsourcing (MPRPOS) that is a generalization of the classic PRP is addressed. For the problem, a mixed integer linear programming (MILP) model is proposed and a three-level heuristic is designed. Computational experiments on 225 newly generated MPRPOS instances and 1530 PRP benchmark instances demonstrate the effectiveness and efficiency of the proposed heuristic. Especially, 283 new best solutions for PRP benchmark instances are found by the heuristic.Considering food quality and perishability, and based on the study for the PRP, three new FPRPs are then investigated, i.e., 1) a multi-plant FPRP with packaging consideration (MFPRP); 2) a bi-objective FPRP (BFPRP) that minimizes the total supply chain cost and maximizes food quality simultaneously; and 3) a FPRP with delivery time window constraints (FPRPTW). For each of the studied problems, a MILP model is proposed. Moreover, a hybrid matheuristic that combines a two-phase iterative method, a fix-and-optimize procedure, and a route-based optimization is developed for the MFPRP. For the BFPRP, an epsilon-constraint-based heuristic and a fuzzy logic decision method are proposed to generate near-optimal Pareto solutions and to help decision makers select a preferred solution. And the FPRPTW is directly solved by the state-of-the-art solver CPLEX. A case study shows the proposed model and algorithm for BFPRP can improve food supply chain performance. Computational results on randomly generated instances demonstrate the proposed hybrid matheuristic and epsilon-constraint-based heuristic outperform CPLEX.

Cette thèse est consacrée à l'étude de deux phases du processus de la livraison e-commerce. La première partie est consacrée aux opérations de préparation des commandes et de leur expédition. Nous proposons un modèle global basé sur la coordination de la préparation et de l'expédition et l'intégration tactique-opérationnelle. La méthode de la résolution proposée repose sur la décomposition du problème en trois phases et il a été démontré qu'elle surpasse significativement le solveur commercial. Ensuite, nous proposons un second modèle basé sur une procédure dynamique à horizon glissant qui prend en compte l'incertitude du nombre des commandes futures. La deuxième partie de la thèse est consacrée à un système de livraison du dernier kilomètre offrant deux familles de services. Nous abordons un problème de tarification des services qui prend en compte le comportement des clients. Les clients sont sensibles au tarif d'un service de livraison, mais aussi à sa qualité. Nous proposons un modèle à deux niveaux où au niveau supérieur, le fournisseur de services contrôle des tarifs. Au niveau inférieur, les clients réagissent en choisissant leur service de livraison selon une fonction d'utilité qui incorpore le tarif du fournisseur et la congestion perçue. Nous modélisons la réaction des clients à l'aide d'un modèle logit imbriqué et calculons l'état de l'équilibre des utilisateurs. Basé sur une recherche locale qui exploite une analyse de sensibilité pour le SUE, un nouvel algorithme heuristique pour le problème de tarification des services à deux niveaux est proposé et comparé à d'autres approches existantes. / All over the world, the growth of e-commerce has led to an increasing importance of the inherent supply chain. This thesis is dedicated to the study of two phases of the e-fulillment process. The first part is dedicated to to the warehouse where picking and shipping operations are conducted at the e-fulfilment process uphill. We propose a global model based on picking and shipping coordination, and tactical-operational integration. The solution method proposed is based on decomposition of the problem in three phases and it was shown to outperform significantly commercial solver. Then we propose, a second model that is based on a dynamic procedure with rolling horizon that takes into account the uncertainty of the future demand. The second part of the thesis is dedicated to last mile delivery system offering two families of services. We address a services pricing problem that takes into account the customers behaviour. Customers are sensitive to the tariff of a delivery service, but also to its quality. We propose a bilevel model where at the upper level, the provider control services tariffs. At the lower level, users react by choosing their delivery service according to a utility function which incorporates the provider tariff and the perceived congestion. We model the customers reaction using a nested logit model and compute the resulting stochastic user equilibrium (SUE). Based on a local search that exploits a sensitivity analysis for the SUE, a new heuristic algorithm for the bilevel services pricing problem is proposed and compared to others existing approaches.

Dans cette thèse nous étudions la problématique d’un fournisseur d’électricité qui souhaite à la fois réguler la demande et créer du revenu dans un environnement potentiellement compétitif (PRMDS). Nous proposons des modèles bi-niveaux pour représenter l’interaction hiérarchique entre le fournisseur d’électricité (le meneur) et ses clients (le suiveur). L’objectif du meneur est de maximiser son revenu en décroissant la valeur de pointe de la demande alors que l’objectif du suiveur est de minimiser la somme des coûts des clients. Nous supposons que les clients résidentiels sont inter-connectés entre eux via un réseau de communication bi-directionnel ce qui permet un pilotage de la demande par rapport aux prix par un agrégateur de réseau intelligent. Dans cette thèse nous avons proposé plusieurs modèles de programmation mathématique à deux niveaux bilinéaire bilinéaire pour le PRMDS. Ces modèles peuvent être reformulés sous forme de problèmes linéaire avec variables mixte (MIP) en utilisant les conditions de KKT. Ces modèles sont résolus de façon exacte sur des instances de taille moyenne via un logiciel commercial. Afin de résoudre des instances de plus grande taille, des heuristiques ont été proposées. Deux d’entre elles ont prouvé leur efficacité en terme de qualité de solution obtenue et de temps de calcul. Finalement nous avons considéré une version robuste du problème de programmation mathématique à deux niveaux. Des propriétés préliminaires ont été prouvées. / This thesis is concerned with revenue optimization of an energy provider. A bilevel programming approach is proposed to model the relationship between the energy provider (leader) and power users (follower). The leader intends to achieve an optimal trade-off between revenue and peak load whereas the follower minimizes total cost of users to achieve system optimality. A smart grid structure that allows two-way communication is assumed to interconnect users and to schedule their demand regarding the prices. Day-ahead real-time prices are read by each customer's smart meter and the response is coordinated. In this thesis, we propose several bilinear bilevel programs that are presented and reformulated as single-level mixed integer problems using the KKT conditions of the follower's problem. These MIPs are solved to optimality for randomly generated instances using a commercial software. Different versions of the models are tested and compared. In order to solve large instances, several heuristics are developed. Two of these methods are shown to be efficient and solve large instances that cannot be solved within a reasonable time interval using exact method. Their outputs are compared to the exact solutions for small instances and their performances are evaluated. Finally, we address the robust bilevel optimization problem, discuss existing approaches, give illustrative examples, and propose avenues for future research.

En réponse aux contraintes économiques, au problème du vieillissement de la population et aussi à la volonté des patients de se faire soigner dans le milieu familial, l’Hospitalisation À Domicile (HAD) prend de plus en plus d’ampleur. Dans ce travail de recherche, nous nous intéressons aux établissements d’hospitalisation à domicile, parmi les différentes problématiques qui existent dans ce domaine, nous étudions le problème de routage et de planification des personnels.Nous développons tout d’abord un modèle de programmation linéaire en nombres entiers qui permet de formuler clairement les contraintes du problème.Nous présentons par la suite, une matheuristique permettant de résoudre le problème défini sur une journée de planification. Nous développons également une variante de notre matheuristique sur un horizon de 14 jours. Cette dernière prend en considération plusieurs contraintes en plus de celles considérées pour la planification sur une journée. Enfin, nous introduisons un problème de réoptimisation de routage et de la planification des personnels pour l’hospitalisation à domicile et présentons quelques approches de résolutions. Ces différentes méthodes combinent des heuristiques, la programmation dynamique et la programmation mathématique. / Home health care (HHC), i.e., visiting and nursing patients athome, is a growing sector in the medical care system. There fore, the optimal scheduling of the health care staffs arises. The objective of this problem consists in constructing routes and rosters for the staffs while optimizing costs. We propose an integer linear programming formulation (ILP) that clearly formulate the constraints of the problem. We present a matheuristic to solve the daily routing and rostering problem. We also develop a variant of our matheuristic defined for a period of 14 days. It takes into account several constraints in addition to those considered in the daily planning. Finally, we introduce the problem of reoptimizing the routing and rostering staffs and we give some ideas to solve this problem. These methods combine heuristic algorithms, dynamic programming and mathematical programming.

Cette thèse a pour but d’apporter des solutions méthodologiques pour la mutualisation des transports entre les fournisseurs et les plateformes de la grande distribution. Cette mutualisation permet en effet de réduire les coûts, les émissions de CO2, et d’augmenter la qualité de service. Elle est organisée autour d’un réseau de plateformes de cross-docking appelées Centres de Routage Collaboratifs, développé par la société 4S Network. Nos travaux consistent à modéliser et résoudre à l’aide de techniques de recherche opérationnelle plusieurs problèmes d’optimisation du transport dans le réseau mutualisé. Le verrou scientifique majeur est de résoudre conjointement un problème de plan de chargement (Service Network Design Problem) dans un réseau logistique national, et des problèmes de tournées de véhicules à une échelle régionale. Nous prenons en compte des contraintes additionnelles issues du monde industriel et les tarifs réellement pratiqués par les transporteurs, notamment des coûts non linéaires.Les problèmes d’optimisation résultants sont résolus au moyen de méthodes ditesmatheuristiques, c’est-à-dire combinant des approches exactes telles que la génération de colonnes et des approches (méta)heuristiques telles que la recherche tabou. Les algorithmes développés dans cette thèse ont donné lieu à unoutil logiciel aujourd’hui en exploitation chez 4S Network. / The main purpose of this PhD. thesis is to provide methodological solutions for a collaborative transport between suppliers and retail platforms. The outcomes of this collaboration are numerous:cost reduction, greenhouse gas emission reduction and higher quality of service. The network is structured around cross-docking platforms developed by the company 4S Network. We model and solve several optimization problems in this collaborative network, using operationsresearch techniques. The major scientific challenge is to simultaneously solve a Service Network Design Problem in a national logistics network and several Vehicle Routing Problems at regional level. We consider additional constraints and prevailing pricing arising from the carriers, in particular non-linear costs. The resulting optimization problems are solved by matheuristic methods, that combine exact approaches as column generation and (meta)heuristic approaches as tabu search. The algorithms developed in this thesis are the core functions of a software tool developed for 4S network.

Le succès dans l'utilisation de méthodes exactes d’optimisation combinatoire pour des problèmes de grande taille est encore limité à certains problèmes ou à des classes spécifiques d'instances de problèmes. Une approche alternative consiste soit à utiliser des métaheuristiques ou des matheuristiques qui reposent en partie sur des méthodes exactes. Dans le contexte de l'optimisation combinatoire, nous nous intéressons des heuristiques permettant de choisir les heuristiques appliquées au problème traité. Dans cette thèse, nous nous concentrons sur l'optimisation à l’aide d’hyperheuristiques pour des problèmes logistiques. Nous proposons un cadre hyperheuristique qui effectue une recherche dans l'espace des algorithmes heuristiques et apprend comment changer l'heuristique courante systématiquement tout au long du processus de telle sorte qu'une bonne séquence d'heuristiques permet d’obtenir des solutions de haute qualité. Nous étudions plus particulièrement deux problèmes en logistique pour lesquels nous proposons des HHs: un problème de planification d’interventions sur des puits de forage et un problème conjoint de localisation de hubs et de routage. Ensuite, nous comparons les performances de plusieurs HH décrites dans la littérature pour le second problème abordé reposant sur différentes méthodes de sélection heuristique telles que la sélection aléatoire, la fonction de choix, une approche de Q-Learning et un algorithme de colonie de fourmis. Les résultats numériques prouvent l'efficacité de HHs pour les deux problèmes traités, et la pertinence d'inclure l'information venant d’une relaxation de Lagrangienne pour le deuxième problème. / Success in using exact methods for large scale combinatorial optimization is still limited to certain problems or to specific classes of instances of problems. The alternative way is either using metaheuristics or matheuristics that rely on exact methods in some ways. In the context of combinatorial optimization, we are interested in heuristics to choose heuristics invoked to solve the addressed problem. In this thesis, we focus on hyperheuristic optimization in logistic problems. We focus on proposing a hyperheuristic framework that carries out a search in the space of heuristic algorithms and learns how to change the incumbent heuristic in a systematic way along the process in such a way that a good sequence of heuristics produces high quality solutions. We propose HHs for two problems in logistics: the workover rig scheduling problem and the hub location routing problem. Then, we compare the performances of several HHs described in the literature for the latter problem, which embed different heuristic selection methods such as a random selection, a choice function, a Q-Learning approach, and an ant colony based algorithm. The computational results prove the efficiency of HHs for the two problems in hand, and the relevance of including Lagrangian relaxation information for the second problem.

No description available.

Nous considérons dans cette thèse un problème d’ordonnancement de flow-shop de permutation où un ensemble de travaux doit être ordonnancé sur un ensemble de machines. Les travaux doivent être ordonnancés sur les machines dans le même ordre. L’objectif est de minimiser le retard total. Nous proposons des algorithmes heuristiques et des nouvelles matheuristiques pour ce problème. Les matheuristiques sont un nouveau type d’algorithmes approchés qui ont été proposés pour résoudre des problèmes d’optimisation combinatoire. Les méthodes importent de la résolution exacte au sein des approches (méta) heuristiques. Ce type de méthode de résolution a reçu un grand intérêt en raison de leurs très bonnes performances pour résoudre des problèmes difficiles. Nous présentons d’abord les concepts de base d’un problème d’ordonnancement. Nous donnons aussi une brève introduction à la théorie de l’ordonnancement et nous présentons un panel de méthodes de résolution. Enfin, nous considérons un problème où un flow shop de permutation à m-machine et un problème de tournées de véhicules sont intégrés, avec pour objectif la minimisation de la somme des retards. Nous proposons un codage direct d’une solution et une méthode de voisinage. Les résultats montrent que l’algorithme Tabou améliore grandement la solution initiale donnée par EDD et où chaque voyage ne délivre qu’un travail. / We consider in this thesis a permutation flow shop scheduling problem where a set of jobs have to be scheduled on a set of machines. The jobs have to be processed on the machines in the same order. The objective is to minimize the total tardiness. We propose heuristic algorithms and many new matheuristic algorithms for this problem. The matheuristic methods are a new type of approximated algorithms that have been proposed for solving combinatorial optimization problems. These methods embed exact resolution into (meta)heuristic approaches. This type of resolution method has received a great interest because of their very good performances for solving some difficult problems. We present the basic concepts and components of a scheduling problem and the aspects related to these components. We also give a brief introduction to the theory of scheduling and present an overview of resolution methods. Finally, we consider a problem where m-machine permutation flow shop scheduling problem and a vehicle routing problem are integrated and the objective is to minimize the total tardiness. We introduce a direct coding for a complete solution and a Tabu search for finding a sequence and trips. The results show that the TS greatly improves the initial solution given by EDD heuristic where each trip serves only one job at a time.

L’objectif de cette thèse est de développer un cadre méthodologique pour les problèmes de tournées de véhicules riches (RVRPs). Nous présentons d’abord une taxonomie et une définition élaborée des RVRPs basée sur une analyse typologique réalisée en fonction de deux critères discriminatoires. Dans cette thèse, nous nous intéressons à la résolution du problème de tournées de véhicules multi-dépôt multi-compartiment multi-produits avec fenêtres de temps (MDMCMCm-VRPTW). Nous proposons une heuristique de génération de colonnes unifiée qui inclut une matheuristique de type VNS. La matheuristique combine plusieurs heuristiques de routage de type destruction et insertion ainsi que des procédures efficaces de contrôle de réalisabilité des contraintes afin de résoudre le MDMCMCm-VRPTW pour un seul véhicule. Deux voisinages de chargement, basés sur la résolution de programmes mathématiques sont proposées. Des études expérimentales approfondies sont conduites sur un ensemble de 191 instances pour des VRPs moins complexes. Les expérimentations valident la compétitivité de la matheuristique unifiée. Une analyse de sensibilité révèle l’importance de certains choix algorithmiques et des voisinages de chargement pour parvenir à des solutions de très bonne qualité. La matheuristique basée sur la méthode de VNS est intégrée dans l’heuristique de génération de colonnes pour résoudre le MDMCMCm-VRPTW. Nous proposons une méthode exacte de post-traitement capable d’optimiser l’affectation des clients aux tournées de véhicules. Enfin, nous résolvons un RVRP qui survient dans le processus de collecte de l’huile d’olive en Tunisie à l’aide d’un algorithme exact de type branch-and-cut / The purpose of this thesis is to develop a solution framework for Rich Vehicle Routing Problems (RVRPs). We first provide a comprehensive survey of the RVRP literature as well as a taxonomy. Selected papers addressing various variants are classified according to the proposed taxonomy. A cluster analysis based on two discriminating criteria is performed and leads to define RVRPs. In this thesis we are interested in solving a multi-depot multi-compartment multi-commodity vehicle routing problem with time windows (MDMCMCm-VRPTW). We propose a unified column generation heuristic cooperating with a variable neighborhood search (VNS) matheuristic. The VNS combines several removal and insertion routing heuristics as well as computationally efficient constraint checking. Two loading neighborhoods based on the solution of mathematical programs are proposed to intensify the search. On a set of 191 instances of less complex routing problems, the unified matheuristic turns to be competitive. A sensitivity analysis, performed on more complex generated instances reveals the importance of some algorithmic features and of loading neighborhoods for reaching high quality solutions. The VNS based matheuristic is embedded in a column generation heuristic to solve the MDMCMCm-VRPTW. We propose an exact post-processing method to optimize the assignment ofcustomers to vehicle routes. Last, we introduce, model and solve to optimality a RVRP arising in the olive oil collection process in Tunisia. We propose an exact branch-and-cut algorithm to solve the problem. We evaluate the performance of the algorithm on real data sets under different transportation scenarios

Étant donné leur faible impact environnemental, l’utilisation des véhicules électriques dans les activités de service a beaucoup augmenté depuis quelques années. Cependant, leur déploiement est freiné par des contraintes techniques telles qu’une autonomie limitée et de longs temps de charge des batteries. La prise en compte de ces contraintes a mené à l’apparition de nouveaux problèmes de tournées de véhicules pour lesquels, en plus d’organiser les tournées,il faut décider où et de combien charger les batteries. Dans cette thèse nous nous intéressons à ces problèmes au travers de quatre études. La première concerne le développement d’une métaheuristique en deux phases simple mais performante pour résoudre un problème particulier appelé "Green VRP”. Dans la seconde, nous nous concentrons sur la modélisation d’un aspect essentiel dans ces problèmes : le processus de chargement des batteries. Nous étudions différentes stratégies pour modéliser ce processus et montrons l’importance de considérer la nature non linéaire des fonctions de chargement. Dans la troisième étude nous proposons une recherche locale itérative pour résoudre des problèmes avec des fonctions de chargement non linéaires. Nous introduisons un voisinage dédié aux décisions de chargement basé sur un nouveau problème de chargement sur une tournée fixée. Dans la dernière étude, nous traitons un problème réel de tournées de techniciens avec des véhicules classiques et électriques. Ce problème est résolu par une métaheuristique qui décompose le problème en plusieurs sous-problèmes plus simples résolus en parallèle, puis qui assemble des parties des solutions trouvées pour construire la solution finale. / Electric vehicles (evs) are one of the most promising technologies to reduce the greenhouse gas emissions. For this reason, the use of evs in service operations has dramatically increased in recent years. Despite their environmental benefits, evs still face technical constraints such as short autonomy and long charging times. Taking into account these constraints when planning ev operations leads to a new breed of vehicle routing problems (vrps), known as electricVrps (evrps). In addition, to the standard routing decisions, evrps are concerned with charging decisions: where and how much to charge. In this ph. D thesis, we address evrps through 4 different studies. In the first study, we tackle the green vehicle routing problem. To solve the problem, we propose a simple, yet effective, two-phase matheuristic. In the second study, we focus a key modelling aspects in evrps: the battery charging process. We study different strategies to model this process and show the importance of considering the nonlinear nature of the battery charging functions. InThe third study, we propose an iterated local search to tackle evrp with non-linear charging functions. We introduce a particular local search operator for the charging decisions based on a new fixedroute charging problem. The fourth and last study considers a real technician routing problem with conventional and electric vehicles (trp-cev). To tackle this problem, we propose a parallel matheuristic that decomposes the problem into a set of easier-to-solve subproblemsThat are solved in parallel processors. Then the approach uses parts of the solutions found to the subproblems to assemble final solution to the trp-cev.