Publié le 08 Avril 2011
Les problèmes qui existent dans le monde réel sont généralement Multi-objectifs. L’optimisation Multi-objectifs (MOO) vise à optimiser plusieurs objectifs qui sont complètement ou partiellement conflictuels. Contrairement à l’optimisation d’un seul objectif, la solution dans un problème MOO n’est pas unique, mais un ensemble de solutions.
Pour résoudre les problèmes d'optimisation Multi-objectifs, L'AVI ainsi que le laboratoire de recherche LOGIQ ont proposé un algorithme hybridé nommé LRRT-VNS (Lexicographic Record to Record Travel with Variable Neighborhood Search). L’originalité de cet algorithme est qu’il détermine deux frontières Pareto (l’une intermédiaire et l’autre finale). Pour cela, il comporte deux phases, l’une de diversification et l’autre d’intensification, en utilisant pour chacune d’elles une métaheuristique appropriée afin de trouver l’ensemble de solutions non dominées.
Pour résoudre les problèmes d'optimisation Multi-objectifs, L'AVI ainsi que le laboratoire de recherche LOGIQ ont proposé un algorithme hybridé nommé LRRT-VNS (Lexicographic Record to Record Travel with Variable Neighborhood Search). L’originalité de cet algorithme est qu’il détermine deux frontières Pareto (l’une intermédiaire et l’autre finale). Pour cela, il comporte deux phases, l’une de diversification et l’autre d’intensification, en utilisant pour chacune d’elles une métaheuristique appropriée afin de trouver l’ensemble de solutions non dominées.
L'efficacité de l'approche proposée est démontrée en résolvant un certain nombre de problèmes non linéaires de Goal Programming (GP) à variables continues, entières et discrètes dont trois sont des problèmes de conception pour l’ingénierie. Dans tous les problèmes, des solutions multiples au problème de GP sont trouvées. Les résultats prouvent que l'approche proposée est un outil efficace nécessitant très peu de paramètres et aussi surclasse toutes les méthodes proposées dans la littérature.
Dhouib S., Kharrat A. et Chabchoub H. (2011) “Goal Programming using Multiple Objective Hybrid Metaheuristic Algorithm”, Journal of the Operational Research Society, Vol. 62, No. 4, pp. 677-689.
