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

从结构特征上看，S的观点和观点在结构上是一致的，S的最低要求是：S的职业生涯，国家和地区的旋转业，以及国家和地区的企业，以及企业和企业。在通勤途中，记者专车司机开了一辆公交车。 L的助手L的问题和公式是由S的宏大变数和约束决定的。这是一种新的发展算法，没有考虑到所有变量和临时变量之间的矛盾，因此不可能找到可行的方案。L的研究和改进是L的最佳选择。 在服务中的CES算法可用于解决问题和问题。LE OBJECTFS DE PROJET SUNT De： L的信息发布和解决方案的自动生成和实现。 -Généraliser CES算法Pourélargir leur Domaines d‘应用：Traiter les prolèmes de chauffeur d’Autobus et les prolèmes de block mensuels d‘Agents de bord travillant enéquipes，Optimiser Simultan le Rotation et Les Brous mensuels。 -Réaliser des Implantations des算法Capables de Traiter Les Prolèmes Commercial aux。 这是一项既有优势又有选择的项目，但同时也有自己的逻辑和逻辑。

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.