Laboratoire de Génie Informatique et d’Automatique de l’Artois

Nathalie HELAL

ATER
Travaille dans les thèmes :
The capacitated vehicle routing problem with evidential demands
International Journal of Approximate Reasoning, pp 124-151, Vol. 95, avril 2018
Le problème de tournées de véhicules avec des demandes évidentielles
Actes des 26e rencontres Francophones sur la Logique Floue et ses Applications , pp 15-21, (Prix ex aequo du meilleur papier doctorant), Amiens, France, Cepaduès, octobre 2017
A Recourse Approach for the Capacitated Vehicle Routing Problem with Evidential Demands
Proceedings of the 14th European Conference on Symbolic and Quantitative Approaches to Reasoning with Uncertainty, ECSQARU 2017, pp 190-200, LNCS 10369, Lugano, Switzerland, A. Antonucci, L. Cholvy and O. Papini (Eds.), Springer, juillet 2017
The Capacitated Vehicle Routing Problem with Evidential Demands : A Belief-Constrained Programming Approach
4th International Conference on Belief Functions, BELIEF 2016, pp 212-221, LNAI 9861, Prague, Czech Republic, J. Vejnarová and V. Kratochvil (Eds.), Springer, septembre 2016
2016
Conférence Nationale avec Comité de Lecture
Optimisation discrète sous incertitudes modélisées par des fonctions de croyance
17ème congrès ROADEF de la société Française de Recherche Opérationnelle et Aide à la Décision, Compiègne, France, février 2016

Auteur de la thèse intitulée "Une réponse évidentielle pour le problème de tournée de véhicules avec contrainte de capacité et demandes incertaines"

2014 - 2017

Le problème de tournées de véhicules avec contrainte de capacité est un problème important en optimisation combinatoire. L’objectif du problème est de déterminer l’ensemble des routes, nécessaire pour servir les demandes déterministes des clients ayant un cout minimal, tout en respectant la capacité limite des véhicules. Cependant, dans de nombreuses applications réelles, nous sommes confrontés à des incertitudes sur les demandes des clients. La plupart des travaux qui ont traité ce problème ont supposé que les demandes des clients étaient des variables aléatoires. Nous nous proposons dans cette thèse de représenter l’incertitude sur les demandes des clients dans le cadre de la théorie de l’évidence - un formalisme alternatif pour modéliser les incertitudes. Pour résoudre le problème d’optimisation qui résulte, nous généralisons les approches de modélisation classiques en programmation stochastique. Précisément, nous proposons deux modèles pour ce problème. Le premier modèle, est une extension de l’approche Chance-Constrained Programming, qui impose des bornes minimales pour la croyance et la plausibilité que la somme des demandes sur chaque route respecte la capacité des véhicules. Le deuxième modèle étend l’approche stochastic programming with recourse : l’incertitude sur les recours (actions correctives) possibles sur chaque route est représentée par une fonction de croyance et le coût d’une route est alors son coût classique (sans recours) additionné du pire coût espéré des recours. Certaines propriétés de ces deux modèles sont étudiées. Un algorithme de recuit simulé est adapté pour résoudre les deux modèles et est testé expérimentalement.