Hostname: page-component-586b7cd67f-g8jcs Total loading time: 0 Render date: 2024-11-23T03:16:44.695Z Has data issue: false hasContentIssue false
  • English
  • Français

Un algorithme GRASP pour le problème de planification de techniciens et d'interventions pour les télécommunications

Published online by Cambridge University Press:  08 October 2009

Sylvain Boussier ,
Hideki Hashimoto ,
Michel Vasquez  and
Christophe Wilbaut
Sylvain Boussier
Affiliation:
LGI2P, École des Mines d'Alès, Parc Scientifique Georges Besse, 30035 Nîmes Cedex 1, France; [email protected], [email protected]
Hideki Hashimoto
Affiliation:
Department of Applied Mathematics and Physics, Graduate School of Informatics, Kyoto University, 606-8501 Kyoto, Japan; [email protected]
Michel Vasquez
Affiliation:
LGI2P, École des Mines d'Alès, Parc Scientifique Georges Besse, 30035 Nîmes Cedex 1, France; [email protected], [email protected]
Christophe Wilbaut
Affiliation:
LAMIH, Université de Valenciennes et du Hainaut-Cambrésis, Le Mont Houy, 59313 Valenciennes Cedex 9, France; [email protected]
Get access

Abstract

Le problème de planification de techniciens et d'interventions pour les télécommunications (TIST pour Technicians and Interventions Scheduling Problem forTelecommunications) comprend la planification d'interventions et l'affectation d'équipes de techniciens à ces interventions. Chaque intervention est caractérisée, entre autres, par une priorité. L'objectif de ce problème est de séquencer les interventions en tenant compte de leur priorité tout en satisfaisant un ensemble de contraintes comme l'ordre d'exécution de certaines interventions et le nombre minimum de techniciens d'un niveau de compétence donné à affecter à chaque intervention. La résolution de ce problème est centrée sur un algorithme GRASP (Greedy Randomized Adaptive Search Procedure) caractérisé par une mise à jour dynamique des critères de choix des interventions. Pour évaluer la qualité des résultats obtenus par cette approche heuristique, nous présentons également un calcul de bornes inférieures.

Keywords

Technicians and intervention schedulingGRASPmetaheuristics.Planificationheuristiquemémoire Adaptative.
Type
Research Article
Information
RAIRO - Operations Research , Volume 43 , Issue 4: ROADEF 07 , October 2009 , pp. 387 - 407
Copyright
© EDP Sciences, ROADEF, SMAI, 2009

Access options

Get access to the full version of this content by using one of the access options below. (Log in options will check for institutional or personal access. Content may require purchase if you do not have access.)

References

Atkinson, J.B., A greedy randomised search heuristic for time-constrained vehicle scheduling and the incorporation of a learning strategy. J. Oper. Res. Soc. 49 (1998) 700–708. CrossRef
T.H. Cormen, C.E. Leiserson, R.L. Rivest and C. Stein, Introduction to algorithms, 2nd ed. The MIT Press (2001).
P.-F. Dutot and A. Laugier, Technicians and interventions scheduling for telecommunications (ROADEF challenge subject). Technical report, France Telecom R&D (2006).
Feo, T.A. and Resende, M.G., A probabilistic heuristic for a computationally difficult set covering problem. Oper. Res. Lett. 8 (1989) 67–71. CrossRef
P. Festa and M.G.C. Resende, GRASP: An annotated bibliography, in Essays and surveys in metaheuristics, C.C. Ribeiro and P. Hansen (Eds.), Kluwer Academic Publishers (2002) 325–367.
Fleurent, C. and Glover, F., Improved constructive multistart strategies for the quadratic assignment problem using adaptive memory. INFORMS J. Comput. 11 (1999) 198–204. CrossRef
Glover, F., Future paths for integer programming and links to artificial intelligence. Comput. Oper. Res. 13 (1986) 533–549. CrossRef
H. Kellerer, U. Pferschy and D. Pisinger, Knapsack Problems. Springer (2004).
Lodi, A., Martello, S. and Vigo, D., Models and bounds for two-dimensional level packing problems. J. Comb. Optim. 8 (2004) 363–379. CrossRef
Resende, M.G.C. and Ribeiro, C.C., GRASP, A for graph planarization. Networks 29 (1997) 173–189. 3.0.CO;2-E>CrossRef
M.G.C. Resende and C.C. Ribeiro, Greedy randomized adaptive search procedures, in Handbook of Metaheuristics, F. Glover and G.A. Kochenberger (Eds.), Kluwer Academic Publishers (2003) 219–249.
Taillard, É.D., Gambardella, L.M., Gendreau, M. and Potvin, J.-Y., Adaptive memory programming: A unified view of metaheuristics. Eur. J. Oper. Res. 135 (2001) 1–16. CrossRef
H. Tang, E. Miller-Hooks and R. Tomastik, Transp. Res. Part E. Logist. Transp. Rev. 43 (2007) 591–609.
Tsang, E. and Voudouris, C., Fast local search and guided local search and their application to british telecom's workforce scheduling problem. Oper. Res. Lett. 20 (1997) 119–127. CrossRef
Xu, J. and Chiu, S.Y., Effective heuristic procedures for a field technician scheduling problem. J. Heurist. 7 (2001) 495–509. CrossRef