Xinyue WANG soutient sa thèse de doctorat le vendredi 22 novembre 2024: « Optimisation de la satisfaction client et des coûts énergétiques pour les problèmes d’ordonnancement flowshop » (see English version below)

Les problèmes de planification liés aux tarifs multi-agents et au temps d’utilisation de l’électricité sont devenus des sujets de recherche d’actualité pour améliorer la satisfaction des clients et équilibrer l’offre et la demande en électricité.

Les travaux existants révèlent que : 1) la plupart des problèmes d’ordonnancement se concentrent sur des configurations bi-agents ; 2) la plupart des recherches sur l’ordonnancement dans le cadre des tarifs horaires limitent aux machines uniques ou parallèles ou aux ateliers simplifiés ; et 3) très peu d’études prennent en compte des hypothèses réalistes, telles que les arrivées des tâches et les dates d’échéance souhaitées par les clients.

Pour combler ces lacunes, cette thèse explore trois nouveaux problèmes d’ordonnancement flowshop qui intégrant successivement l’aspect de multi-agents et de tarifs horaires de l’électricité, tout en prenant en compte des hypothèses réalistes telles que les dates disponibles de tâches, les dates d’échéance et les activités de maintenance.

Premièrement, un problème d’ordonnancement de flowshop et multi-agents avec dates de disponibilité et sous deux scénarios est étudié. L’objectif est de minimiser le temps total de réalisation des agents et le retard maximum. Pour obtenir une solution optimale pour les instances de petite taille, un algorithme de séparation et évaluation combinant des bornes inférieures et des stratégies d’élagage est développé. Pour les instances de taille moyenne, un algorithme co-évolutif intégrant des techniques d’apprentissage par renforcement est proposé pour obtenir des solutions proches d’optimum. Des expériences numériques démontrent l’efficacité des méthodes proposées.

Deuxièmement, un bi-objectif problème d’ordonnancement de flowshop avec tarifs horaires de l’électricité est adressé. L’objectif est de trouver le meilleur compromis entre le coût total de l’électricité et le retard maximum. Basé sur l’analyse du problème, des inégalités valides sont conçues pour réduire l’espace de recherche. Ensuite, une méthode de contrainte ε combinant taille de pas maximale et stratégie d’inversion est proposée pour obtenir le front de Pareto. Pour les instances de taille moyenne et grande, un algorithme d’optimisation des mouches à fruits en deux étapes est appliqué pour obtenir un front de approché. Les performances des algorithmes proposés sont évaluées à travers diverses expériences numériques.

Enfin, un problème d’ordonnancement de flowshop et multi-agents avec tarifs horaires de l’électricité est étudié. L’objectif est de minimiser le temps total de réalisation des agents et le coût total de l’électricité, simultanément. Un nouveau algorithme de séparation et évaluation est conçu pour résoudre le problème, dans lequel une stratégie de branchement à deux nœuds et des règles d’élagage sont fournies pour réduire efficacement le temps de calcul. La performance de l’algorithme proposé est évaluée en comparant les résultats proposés par un solveur commercial CPLEX.

Multi-agent and time-of-use (ToU) tariff of electricity related scheduling problems have become hot research topics in production scheduling to improve customer satisfaction and balance electricity supply and demand.

Existing works reveal that: 1) most multi-agent scheduling focuses on bi-agent problems; 2) most scheduling research under ToU tariffs addresses single and parallel machine, or simplified shop environments; and 3) very few studies consider real-world assumptions, such as dynamic job arrivals and customer-desired due dates. To bridge these research gaps, this thesis investigates three new flow shop scheduling problems which successively integrates the aspect of multi-agents and ToU tariffs, considering practical assumptions such as release dates, due dates and maintenance activities.

Firstly, a multi-agent FSS problem with release dates under two scenarios is addressed. The objective is to minimize the total completion time of the agents and the maximum lateness. To obtain an optimal solution for small-size instances, a branch-and-bound (B&B) algorithm combining lower bounds and pruning strategies is developed. For medium-size instances, a co-evolutionary algorithm incorporating reinforcement learning techniques is proposed to obtain near-optimal solutions. Numerical experiments demonstrate the effectiveness of the proposed methods.

Secondly, a bi-objective FSS problem under ToU tariffs is investigated. The objective is to find the best trade-off between the total electricity cost and the maximum lateness. Based on problem analysis, valid inequalities are designed to reduce the search space. And then, an ε-constraint method combining maximum step size and inversion strategy is proposed to obtain the Pareto front. For medium- and large-size instances, a two-stage fruit fly optimization algorithm is applied to obtain an approximate Pareto front. The performance of the proposed algorithms is evaluated through various numerical experiments.

Finally, a bi-objective multi-agent FSS problem under ToU tariffs is studied. The objective is to simultaneously minimize the total completion time of agents and the total electricity cost. A new B&B algorithm is designed for the problem, in which a two-node branching strategy and pruning rules are provided to effectively reduce the computational time. The performance of the proposed algorithm is evaluated by comparing the results proposed by a commercial solver CPLEX