Planification et Ordonnancement en temps réel d’un Job shop en utilisant l’Intelligence Artificielle

Abstract

Les problèmes d'ordonnancement étant NP-difficiles. Les métaheuristiques sont de plus en plus utilisées pour résoudre de tels problèmes. C'est pour cela que l'utilisation d'heuristiques et de métaheuristiques est amplement justifiée. Dans ce travail, nous avons adaptés des métaheuristiques pour la élection de routages alternatifs en temps réel. La première métaheuristique est l’algorithme mémétique avec gestion de population, il s'agit d'un algorithme génétique hybride avec une technique de recherche locale et de mesure de distance permettant de contrôler la diversification des solutions dans la population, et la deuxième est l’algorithme de recherche dispersée basé sur l’extraction d’un ensemble de référence R contenant les meilleurs solutions de la population initiale. Les résultats obtenus sont comparés avec ceux de d’autres métaheuristiques à base de population. Les ésultats ont montré que les deux étaheuristiques adaptées ont amélioré le taux de production, le aux d’utilisation des différentes machines et le taux d’utilisation du système de transport, pour un système de production saturé et même en présence de pannes.