Combiner l'intelligence artificielle et la recherche opérationnelle pour optimiser les horaires d'équipages aériens et de chauffeurs d'autobus

点击翻译按钮获取中文摘要

Les problèmes d'horaires traités par AD OPT et Giro ont des structures semblables, il s'agit de couvrir à coût minimum un ensemble de tâches avec des horaires d'employés. Dans le domaine aérien, le problème de rotations d'équipages couvre avec des rotations chaque vol une fois et le problème des blocs mensuels couvre avec des blocs mensuels chaque rotation plusieurs fois pour avoir le personnel requis dans chaque vol. En transport en commun, le problème journalier couvre avec des journées de chauffeurs chaque parcours d'autobus une fois. Tous ces problèmes se formulent à l'aide de modèles de recouvrement d'ensemble qui comportent un très grand nombre de variables et de contraintes. Notre équipe a développé des algorithmes qui permettent de résoudre sans considérer toutes les variables en même temps et réduisent le nombre de contraintes en agrégeant au départ des tâches qui devraient probablement se suivre dans une solution. L'agrégation est modifiée au besoin durant la résolution pour atteindre l'optimalité. Ces algorithmes ont été mis en service sur les problèmes de rotations d'équipages aériens où chaque tâche doit être couverte une seule fois. Les objectifs de ce projet sont de : -Développer des méthodes d'apprentissage automatique pour obtenir à partir des solutions des mois précédents de l'information sur les tâches qui devraient probablement se suivre dans une solution. -Généraliser ces algorithmes pour élargir leurs domaines d'application : traiter les problèmes de chauffeurs d'autobus et les problèmes de blocs mensuels d'agents de bord travaillant en équipes, optimiser simultanément les rotations et les blocs mensuels. -Réaliser des implantations des algorithmes capables de traiter les problèmes commerciaux. Ce projet donnera un avantage concurrentiel à AD OPT et Giro qui disposeront de meilleurs logiciels que leurs concurrents.