|
Présentation ROA
Ce module a pour but de présenter les applications principales de la Recherche Opérationnelle ainsi que les innovations récentes de ce domaine. Il s'appuiera sur la mise en oeuvre de méthodes au travers de projets.
La Recherche Opérationnelle (RO) est l'ensemble des domaines scientifiques, des outils et des problèmes touchant aux questions d'ordre décisionnel (dit aussi stratégique) ou d'optimisation de systèmes complexes. De tels systèmes peuvent se rencontrer dans l'industrie (gestion d'usine, production, logistique), dans les transports (transports publics, flotte de véhicules de livraison), dans les services publics (planning d'hôpitaux, planifications de travaux), les réseaux (télécommunications, circuits imprimés, économie d'énergie), mais aussi dans la compréhension de la combinatoire de la nature (combinaisons dans l'ADN, physique statistique), etc.
Les grands groupes industriels ainsi que les starts-up spécialisées en Recherche Opérationnelle, appellent ce domaine "Science of Better", pour témoigner de l'importance stratégique des outils informatiques et mathématiques dans l'aide à la décision pour les dirigeants d'entreprise ou les décideurs publics.
 Ce module a pour but de proposer un tour d'horizon des différents domaines et outils utilisés dans l'industrie en Recherche Opérationnelle (algorithmique de l'ordonnancement et des graphes, flots dans les réseaux, programmation linéaire en nombres entiers...) Il s'appuiera sur des problèmes venus de challenges internationaux (Google Hash Code, Challenge Roadef), ou issus de cas concrets du monde de l'entreprise. Le module présentera également des avancées récentes autour de la prise en compte de l'incertitude pour rendre les solutions robustes et la prise de décisions sous critères multiples.
 Pour découvrir les domaines d'application de la Recherche Opérationnelle, voici une
vidéo créée par la société de RO anglaise.
Quelques articles s'adressant à divers publics sur le sujet.
La revue grand public Tangente propose un Hors-Série spécial Recherche Opérationelle auquel plusieurs intervenants de ce module ont participé.
Organisation du module
Après quelques cours introductifs, le module s'intéressera principalement à des problèmes pratiques de modélisation issues d'applications industrielles.
Le module sera essientiellement basé sur des projets issus de la pratique industrielle, réalisés en petits groupes d'étudiants encadrés par un intervenant.
- Cours: Pierre Fouilhoux
- La Recherche Opérationnelle: formalisation de problèmes classiques
- Comment résoudre un problème d'Optimisation Combinatoire: des heuristiques aux PLNE compacts
- Modèles non-compactes en contraintes et algorithme deBranch&Cut
- Ouverture vers (au choix) les approches polyèdrales, la robustesse, l'ordonnancement ou le multi-critère
- Cours: Lucas Létocart
- Modèles non-compactes en variables: décomposition et génération de colonnes
- Optimisation Non-Linéaire
- TP: Pierre Fouilhoux
Résolution de problèmes d'Optimisation Combinatoire par Branch&Cut
Documents de cours
Cours
Partie 1: Pierre Fouilhoux
Partie 2: Lucas Létocart
TD
TP
Projets proposés
Projets 2022-2023: Tracé d'un métro circulaire en Julia
Projets 2021-2022: Le problème du voyageur de commerce
L'énoncé du projet est incluse dans l'énoncé du TP 2021-2022.
Projets 2020-2021: Tracé d'un métro circulaire en C++
Autres projets possibles
- Projet Tournées de véhicules
Sujet proposé autour du problème Vehicle Routing Problem et ses variantes
Pour l'organisation des tournées de techniciens
- Projet Conception de réseaux de télécommunications
Sujet proposé autour de la mise en place de réseaux avec topologie fiable (résistance aux pannes).
- Projet Production et Distribution Intégrées
Sujet proposé autour de la chaîne logistique: décision de production de lots et de livraisons (tournées de véhicules).
- Projet Conception de circuits intégrés
Sujet proposé autour de la mise en place de circuits sur des cartes: problème de placement et d'affectation aux couches.
- Projet en physique statistique "Verre de Spin"
Sujet proposé autour du lien entre le problème MAX-CUT et un problème en physique statistique "Spin Glasses"
Projets Challenge (en cours ou passés)
- Google Hash Code "Optimize a data Center"
Sujet proposé autour du challenge Optimize a data Center
Ici vous pouvez trouver une version en français
- Google Hash Code "Photo SlideShow"
Sujet proposé autour du challenge Photo SlideShow
Code C++ permettant de lire une instance et d'évaluer une solution Checker_RP.tgz
- Challenge ROADEF
Sujet proposé autour des challenges Challenge ROADEF
Challenge 2020 "Maintenance planning Problem" avec RTF.
Les challenges précédents étaient en lien avec EDF, Air France, Air Liquide, SNCF, St-Gobain,...
Ouvrages de références
- Combinatorial Optimization, W. Cook, W. Cunningham, W. Pulleyblank et A. Schrijver , Wiley-Interscience, 1997.
- Integer Programming, L. Wolsey, Wiley-Interscience, 1998.
- Programmation mathématiques, Michel Minoux, Lavoisier 2008.
- Approches Polyédrales en Optimisation Combinatoire, A.R. Mahjoub, Optimisation combinatoire . 1 , concepts fondamentaux, Hermes science publ. Lavoisier, 2005.
- Modèles et Algorithmes en Ordonnancement: Exercices et problèmes corrigés. Groupe GOThA. Ellipses, 2004.
- Scheduling Algorithms. Peter Brucker, Springer, 2004.
- Handbook of Scheduling: Algorithms, Models, and Performance Analysis. Joseph Y-T. Leung. CRC Press, 2004.
- Handbook on Scheduling: From Theory to Applications. Jacek Blazewicz, Klaus H. Ecker,
- Erwin Pesch, Günter Schmidt, Jan Weglarz, Springer, 2007.
Pochet, Y., & Wolsey, L. A. (2006). Production planning by mixed integer programming. Springer Science & Business Media.
Faire un stage/une thèse en Recherche Opérationelle?
Métiers de la Recherche Opérationnelle, de l'Optimisation, de l'Aide à la Décision et de la Recommandation Intelligente
Les ingénieurs et les chercheurs ayant suivi les modules du master ANDROIDE correspondants à cette coloration s'intéressent aux questions d'ordre décisionnel, que l'on appelle aussi questions stratégiques.
Souvent de structures complexes et de dimensions importantes, ces questions nécessitent le recours à des modélisations et l'utilisation d'algorithmes performants. Il peut s'agir par exemple de décider l'investissement d'une entreprise sur un marché concurrentiel (Aide à la décision), la recherche d'un plan de livraison optimal pour un convoyeur (Recherche Opérationnelle), le meilleur ordonnancement des tâches d'une usine (Ordonnancement),...
Les compétences d'un ingénieur R&D de cette coloration sont recherchées par plusieurs types d'entreprises:
- les grands groupes industriels qui possèdent des départements R&D dédiés aux problèmes Rercherche Opérationnelle et Aide à la décision, mais aussi des départements de décision stratégiques liées à la direction,
- les entreprises fournissant des consultants aux entreprises pour des problèmes ponctuels ou récurrents,
- et les éditeurs logiciels et solutions web qui ont besoin d'intégrer des méthodes et algorithmes de pointe dans leurs produits.
|
