Étude et Mise en OEuvre d’Algorithmes d’Optimisation
No Thumbnail Available
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des Sciences
Abstract
Ce mémoire s’inscrit dans le cadre de l’optimisation, discipline centrale dans la résolution de problèmes complexes où il s’agit de rechercher une solution optimale respectant un ensemble de contraintes prédéfinies. L’optimisation joue un rôle déterminant dans divers domaines tels que la planification, l’affectation des ressources ou encore l’organisation de systèmes, notamment lorsqu’il est nécessaire de concilier efficacité, performance et faisabilité. Afin de résoudre ces problèmes, plusieurs algorithmes d’optimisation ont été développés. Ce travail se concentre sur deux approches complémentaires : la méthode AGL (Algorithme Glouton Local), qui construit une solution étape par étape en choisissant localement les meilleures options, et AGE (Algorithme Génétique Évolutionnaire) un méta heuristique inspiré des processus biologiques de sélection naturelle, permettant une exploration approfondie de l’espace des solutions. Ces deux approches sont évaluées en termes de performances, de temps de calcul, et de capacité à satisfaire des contraintes. L’étude a été appliquée au cas concret de la génération automatique des emplois du temps universitaire, un problème de nature combinatoire, souvent NP-difficile, nécessitant la prise en compte de nombreuses contraintes : indisponibilités des enseignants, limitation du nombre de cours par jour, incompatibilités d’horaires ou de salles, pauses pédagogiques, etc. Nous avons conçu un outil permettant d’évaluer et de maitre en oeuvre deux techniques d’optimisation dans le but de produire un emploi du temps (EDT) satisfaisant les contraintes académiques Les résultats obtenus mettent en évidence que, si la méthode gloutonne permet une génération rapide de solutions acceptables dans des cas simples, les algorithmes génétiques offrent de meilleures performances en matière de qualité de solution et de satisfaction des contraintes dans des scénarios plus complexes. Cette étude montre l’intérêt des approches heuristiques et évolutives dans la résolution efficace de problèmes organisation efficace en milieu universitaire.