Canada Spends Logo

Explore our Budget 2026 analysis

Grant: Discovery Grants Program - Individual

Université de Montréal

$20,000.00

Métaheuristique et programmation mathématique

FY 2014-15

Summary
Dans notre programme de recherche, nous nous intéressons à résoudre plusieurs applications dans divers domaines. Nous utilisons deux types de méthodes de résolution : des méthodes exactes et des hybrides de métaheuristiques. Pour les méthodes exactes, il est possible d'exploiter la structure des problèmes afin d'ajouter ou de modifier des contraintes pour améliorer les bornes inférieures dans l'arbre d'énumération implicite. Pour d'autres problèmes de grande taille s'échelonnant sur un horizon de plusieurs périodes, nous utilisons la décomposition en horizon roulant pour résoudre plusieurs problèmes plus petits afin de fixer séquentiellement les valeurs des variables. Finalement pour d'autres problèmes mixtes de grande taille, nous utilisons la décomposition de Benders.Les hybrides que nous utilisons combinent plusieurs métaheuristiques. En général, un hybride repose sur une recherche locale (méthode Tabu, recuit simulé) ou une recherche avec population (algorithme génétique, « scatter search »). Le mécanisme d'amélioration (intensification) combine différents processus. Le choix de celui retenu à une itération spécifique repose sur un processus d'apprentissage évaluant leur performance jusqu'ici. Le mécanisme de diversification génère de nouvelles solutions initiales en utilisant des méthodes heuristiques ou des mécanismes de recombinaison comme ceux des algorithmes génétiques ou du « scatter search ».En programmation mathématique, nous nous intéressons à la résolution exacte du problème de formation de cellules (un problème fractionnaire en nombres entiers) avec la méthode de Dinkelbach, afin de vérifier la qualité des solutions obtenues avec des métaheuristiques. Nous étudions aussi l'approche « Resolution Search » pour résoudre les problèmes combinatoires en nombres entiers. Cette méthode d'énumération implicite parcoure le domaine réalisable d'une façon différente de celle des méthodes Branch & Bound.
Program
Discovery Grants Program - Individual
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data

As published

Application id
8312-2011
Name nom
Ferland, Jacques
Department département
Informatique et recherche opérationnelle
Organization id
63
Institution établissement
Université de Montréal
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2014
Competition year année de concours
2011
Award amount
20000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
Discovery grants programs
Group fr
Programmes de subventions à la découverte
Committee code
1509
Committee name en
Civil, Industrial and Systems Engineering
Committee name fr
Génie civil, industriel et des systèmes
Area of application code
520
Area of application group en
Manufacturing processes and products
Area of application group fr
Procédés et produits industriels
Area of application en
Production and operations management
Area of application fr
Production et gestion des opérations
Research subject code
1601
Research subject group en
Industrial engineering
Research subject group fr
Génie industriel
Research subject en
Operations research and management science
Research subject fr
Recherche opérationnelle et science de la gestion
Partie
4
Nb partie
5
Application title
Métaheuristique et programmation mathématique
Keyword
NSERC
Application summary
Dans notre programme de recherche, nous nous intéressons à résoudre plusieurs applications dans divers domaines. Nous utilisons deux types de méthodes de résolution : des méthodes exactes et des hybrides de métaheuristiques. Pour les méthodes exactes, il est possible d'exploiter la structure des problèmes afin d'ajouter ou de modifier des contraintes pour améliorer les bornes inférieures dans l'arbre d'énumération implicite. Pour d'autres problèmes de grande taille s'échelonnant sur un horizon de plusieurs périodes, nous utilisons la décomposition en horizon roulant pour résoudre plusieurs problèmes plus petits afin de fixer séquentiellement les valeurs des variables. Finalement pour d'autres problèmes mixtes de grande taille, nous utilisons la décomposition de Benders.Les hybrides que nous utilisons combinent plusieurs métaheuristiques. En général, un hybride repose sur une recherche locale (méthode Tabu, recuit simulé) ou une recherche avec population (algorithme génétique, « scatter search »). Le mécanisme d'amélioration (intensification) combine différents processus. Le choix de celui retenu à une itération spécifique repose sur un processus d'apprentissage évaluant leur performance jusqu'ici. Le mécanisme de diversification génère de nouvelles solutions initiales en utilisant des méthodes heuristiques ou des mécanismes de recombinaison comme ceux des algorithmes génétiques ou du « scatter search ».En programmation mathématique, nous nous intéressons à la résolution exacte du problème de formation de cellules (un problème fractionnaire en nombres entiers) avec la méthode de Dinkelbach, afin de vérifier la qualité des solutions obtenues avec des métaheuristiques. Nous étudions aussi l'approche « Resolution Search » pour résoudre les problèmes combinatoires en nombres entiers. Cette méthode d'énumération implicite parcoure le domaine réalisable d'une façon différente de celle des méthodes Branch & Bound.