Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Cherif makrem ÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC MÉMOIRE PRÉSENTÉ À L'ÉCOLE DE TECHNOLOGIE SUPÉRIEURE COMME EXIGENCE PARTIELLE À L'OBTENTION DE LA MA? TRISE EN GÉNIE MÉCANIQUE M Ing PAR CHERIF MAKREM OPTIMISATION DE L'ORDONNANCEMENT PAR

ÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC MÉMOIRE PRÉSENTÉ À L'ÉCOLE DE TECHNOLOGIE SUPÉRIEURE COMME EXIGENCE PARTIELLE À L'OBTENTION DE LA MA? TRISE EN GÉNIE MÉCANIQUE M Ing PAR CHERIF MAKREM OPTIMISATION DE L'ORDONNANCEMENT PAR L'APPROCHE HYBRIDE BASÉE SUR LES RÉSEAUX DE NEURONES MONTRÉAL LE DECEMBRE ? droits réservés de Cherif Makrem CCE MÉMOIRE A ÉTÉ ÉVALUÉ PAR UN JURY COMPOSÉ DE M Dao Thien My directeur de mémoire Département de génie mécanique à l'École de Technologie Supérieure Mme Sylvie Nadeau présidente de jury Département de génie mécanique à l'École de Technologie Supérieure M Richard Lepage membre de jury externe Département de génie de la production automatisée à l'École de Technologie Supérieure IL A FAIT L'OBJET D'UNE PRÉSENTATION DEVANT JURY LE NOVEMBRE À L'ÉCOLE DE TECHNOLOGIE SUPÉRIEURE COPTIMISATION DE L'ORDONNANCEMENT PAR L'APPROCHE HYBRIDE BASÉE SUR LES RÉSEAUX DE NEURONES Cherif Makrem SOMMAIRE Les problèmes d'ordonnancement se posent dans de nombreux domaines tels que la productique et l'informatique Leur variété vient de la diversité des données des contraintes et des critères d'optimisation qu'ils impliquent Ce mémoire traite le problème de l'ordonnancement déterministe dans un atelier à t? ches Job shop ? et cellules de production sur la base d'une utilisation des réseaux de neurones Ce problème est un problème d'optimisation NP- Complet lorsque le nombre de machines et de t? ches est supérieur à deux Les données sont constituées de l'ensemble des t? ches à exécuter de leurs gammes opératoires de leurs durées ainsi que de l'ensemble des machines Les contraintes prises en compte sont les contraintes de partage de ressources et de précédences Les variables de décision concernent les dates de début et les dates de ?n des opérations Un critère d'optimisation est considéré le makespan qui correspond à la minimisation d temps total de travail L'utilisation des réseaux de neurones est intéressante car le parallélisme intrinsèque de ces derniers o ?re a priori une possibilité de traiter des problèmes de grandes tailles dans un temps limité Une étude comparative des di ?érentes approches de réseaux de neurones utilisés dans 'optimisation a été e ?ectuée Elle nous a permis d'apprécier les potentialités des réseaux de neurones de Hop ?eld dans le traitement d'une variété de problèmes d'optimisation Notre travail a consisté ensuite à ajuster les particularités des réseaux de neurones à mettre en oeuvre pour la résolution de notre problème d'ordonnancement Les propositions de ce mémoire sont articulées autour d'une utilisation combinée des réseaux de neurones avec un algorithme heuristique Cette combinaison peut apporter dans la majorités des cas une amélioration nette de la qualité de solutions En ?n une des particularités fondamentales des réseaux de neurones étant la robustesse il nous a paru intéressant de chercher dans quelle mesure il est possible d'explorer utilement cette propriété Cette démarche nous a conduit à la proposition d'un réseau récent de Hop ?eld Quantized Hop ?eld qui nous permet d'obtenir les solutions optimales très fréquemment et beaucoup plus rapidement que d'autres réseaux de Hop ?eld COPTIMIZATION OF SCHEDULING BY THE HYBRID APPROACH