2006 Algorithmes Memetiques Pour Les Problemes de Tournees de Vehicules Slides

C.
PRINS - Algorithmes mémétiques pour les problèmes de tournées de véhicules - Slide #1
Algorithmes mémétiques pour les

problèmes de tournées de véhicules
Christian PRINS*
Institut Charles Delaunay, FRE CNRS 2848

Université de Technologie de Troyes (UTT), Troyes
christian.prins@utt.fr
C. PRINS - Algorithmes mémétiques pour les problèmes de tournées de véhicules - Slide #2
Plan
1. Un algorithme mémétique (MA) pour le VRP

2. Adaptation aux tournées sur arcs (CARP et MCARP)
3. Une extension de la structure: MA|PM
4. Cas des flottes hétérogènes (HVRP)
Partie 1
Un algorithme mémétique
pour le VRP
GA classique – Version incrémentale

1: initialiser population Pop de nc chromosomes
2: répéter
3: choisir deux parents P1, P2 dans Pop
4: croiser P1 et P2 → enfants C1, C2
5: pour chaque enfant C faire
6: muter C (petite probabilité)
7: remplacer une solution B de Pop par C
8: fin pour
9: jusqu'à (critère d'arrêt).
Pas assez agressif pour l'optimisation combinatoire.

Peu compétitif avec méthodes taboues, par exemple.
Algorithme mémétique (MA)

Avec recherche locale LS. Structure de Moscato (1989) :
1: initialiser la population Pop

2: améliorer chaque solution s de Pop : s ← LS(s)
3: répéter
4: choisir deux parents P1, P2 dans Pop
5: croiser P1 et P2 → enfants C1, C2
6: pour chaque enfant C faire
7: améliorer : C ← LS(C)
8: muter C (petite probabilité)
9: remplacer une solution B de Pop par C
10: fin pour
VRP (Vehicle Routing Problem)

Données:
réseau avec n + 1 nœuds
nœud 0: dépôt avec véhicules de capacité W
nœuds 1 à n: "clients" avec des demandes connues qi
matrice D des "coûts" de déplacement entre nœuds.
But: trouver un ensemble de tournées de coût total min.
Notes:
nombre de tournées libre.
pas de livraisons partielles
NP-difficile : TSP si demande totale ≤ W.
Point de départ du travail

Années 90: GA efficaces pour le TSP et le VRPTW
(Potvin et Bengio, 1996), mais pas pour le VRP.
Gendreau (1998): "The published GAs for the VRP cannot
compete with the best TS methods".
Chromosomes avec délimiteurs de tournées :
1 5 4 0 2 7 3 0 6 8
Réparation des violations de capacité des véhicules.

Perturbe l'hérédité des bonnes séquences.
Idée-clé : chromosomes sans délimiteurs de tournées.

Chromosome et croisement
Chromosome :
permutation S des n clients
plus courts chemins implicites entre clients
sans délimiteurs de tournées : "tour géant" avec W=∞
Tout croisement pour le TSP est utilisable, exemple LOX:
2 points de coupure aléatoires
↓ ↓
P1 : 1 3 2|6 4 5|9 7 8
P2 : 3 6 8|1 4 9|2 5 7
C1 : 3 8 1 6 4 5 9 2 7
Mais comment en déduire une solution pour le VRP ?
Evaluation : procédure SPLIT 1/2

Chromosome S → graphe auxiliaire H = (V,A,C) :
V = (0, 1, 2, …, n), nœud fictif 0
un arc (i,j) ∈ A pour chaque tournée Si+1…Sj :
j
∑ q( S
k =i +1
k) ≤W
Cij coût de la tournée :

j −1
Cij = d (0, Si +1 ) + ∑d (S , S
k =i +1
k k +1 ) + d ( S j ,0)
Découpage optimal: chemin optimal de 0 à n dans H.

Evaluation : procédure SPLIT 2/2

c(4) c
b(4) 30 25 d (2) d
b
10 30 40 15
25 T2
T1:55 60 T3:90
a(5) 20 35 e(7) a e
Chromosome S = (a,b,c,d,e) Découpe optimale, coût 205
ab:55 cd :95
40 55 115 150
a:40 b:50 c:60 d:80 e:70
0 205
bc:85
bcd:120 de:90
Graphe auxiliaire des tournées pour W=10. Chemin optimal en gras.

Avantages de SPLIT
Simplicité :
pas de problèmes avec les délimiteurs de tournées
réutilisation possible de croisements pour le TSP.
Pas de perte d'information :

le MA explore l'espace des permutations
SPLIT évalue chaque permutation optimalement.
il existe un chromosome optimal.
Rapidité :
algorithme de Bellman pour graphes sans circuit
complexité O(m) pour m arcs dans H et m = O(n2).
Deux extensions simples de SPLIT

Contraintes au niveau tournée (temps de conduite max):
les tournées infaisables sont exclues de H
ensuite, le calcul du chemin optimal n'est pas affecté!
Flotte limitée de p véhicules:

chemin optimal d'au plus p arcs
algorithme général de Bellman
 F0 (0) = 0; ∀j ≠ 0 : F0 ( j ) = +∞

 Fk ( j ) = min ( Fk −1 (i ) + Cij : i prédécesse ur de j )
L'itération k donne les chemins d'au plus k arcs.
→ on stoppe à l'itération p, complexité: O(pm).
Population
Table Pop de nc chromosomes distincts :
pour éviter convergence prématurée (clones)
meilleure dispersion (et donc exploration) des solutions
Règle de dispersion simple :

∀ P1, P2 ∈ Pop : |cost(P1) – cost(P2)| ≥ ∆
tout enfant violant cette règle est rejeté
taux de rejet peu élevé si nc petit, exemple nc = 30
Composition initiale de Pop:

3 bonnes solutions (heuristiques classiques du VRP)
nc-3 permutations aléatoires, évaluées par SPLIT.
Recherche locale du MA 1/2
a b
a b
u v u v Or-OPT
Déplacement de chaînes
Depot y y
x x
u v u v
2-OPT
x y x
Croisement de deux arêtes y
Des échanges de nœuds sont aussi considérés.

u v u v Mouvements appliqués
aussi à deux tournées,
T1 T2
x y x y exemple 2-OPT.
L'ensemble des
mouvements est
évaluable en O(n2).
u v u v
T1 T2 Première amélioration
x y y
x
au lieu de meilleure
amélioration.
Résumé du MA pour le VRP

1: construire Pop avec nc chromosomes dispersés
2: trier Pop par coûts croissants (meilleure soln Pop(1))
3: répéter
4: choisir P1, P2 par tournoi binaire
5: croisement OX sur P1, P2 → enfant C
6: si random < PLS alors C ← LS(C) finsi
7: choisir B au hasard dans la pire moitié de Pop
8: si (Pop\{B})∪{C} vérifie règle de dispersion alors
9: B←C
10: finsi
NB: différences avec modèle de MA de Moscato.

Exemples de résultats
14 instances de Christofides, n=50-199
Type Auteurs Année Ecart aux

meilleures solns
TS Taillard 1993 0.05 %
MA Prins 2001 0.08 %
TS Gendreau et al. 1994 0.20 %
TS Taillard 1992 0.39 %
TS Rego et Roucairol 1996 0.55 %
TS Rego et Roucairol 1996 0.77 %
TS Osman 1993 1.01 %
SA Osman 1993 2.09 %
Source: Crainic & Laporte, Fleet Management and Logistics, Kluwer, 1998.
Références
Ce travail :
Prins, A simple and effective evolutionary algorithm for
the VRP, Comp. Oper. Res. 31(12), p. 1985-2002, 2004.
Références générales sur le VRP :

Crainic et Laporte, Fleet management and logistics,
Kluwer, 1998.
Toth et Vigo, The vehicle routing problem, SIAM, 2002.
Adaptations à d'autres problèmes

En résumé :
MA très efficace pour le VRP
Structure générale assez simple et flexible.
Chromosomes sans séparateurs de tournées (SPLIT).
Extensions déjà traitées :

Problèmes de tournées sur arcs (CARP, MCARP)
MA avec gestion de population (MA|PM)
Flottes hétérogènes de véhicules (HFVRP)
Tournées périodiques (PVRP, PCARP)
Demandes aléatoires (SVRP, SCARP)
Problème de tournées multi-objectifs.
Partie 2
Adaptation aux problèmes

de tournées sur arcs
En collaboration avec :
J.M. Belenguer, E. Benavent (Univ. Valencia, Espagne)
P. Lacomme (Univ. Blaise Pascal, Clermont-Ferrand)
W. Ramdane-Chérif (Ecole des Mines de Nancy)
CARP et CARP mixte (MCARP)

NB: CARP = Capacitated Arc Routing Problem. Données :
graphe mixte G = (V,E,A) pour le MCARP
graphe non-orienté G = (V,E) pour le CARP (A = ∅)
n nœuds dont un dépôt de véhicules de capacité W
m liens (arcs ou arêtes) dont t tâches (liens à traiter)
chaque lien e a un coût de traversée c(e)
si tâche, demande q(e) et coût de traitement s(e)
But: traiter les tâches par des tournées de coût minimal.

NP-difficile: Problème du Postier Rural en cas particulier.
Applications: collecte de déchets urbains, déneigement …
Un petit exemple de CARP: gdb1

T1 : 99 T2 : 30
2 3
2 18
9 20
9 13 4 5
17 T3 : 66 T4 : 71
16
4 11
1 12 5
14 19
19 18 7
12 10 7 3
3
8 4 T5: 50
11
10
8 6 Optimum:
20 5 trips
total cost 316
n=12 (dépôt : 1), m=t=22, demandes=1, capacité W=5

Utilité du MCARP
Modèle très général avec 2 types de liens: arcs et arêtes.

Cas de la collecte de déchets, entre deux nœuds i et j:
j j j
i i i
Un arc 2 arcs opposés Une arête

Rue à sens unique Rue à double sens Rue à double sens
Côtés indépendants Collecte bilatérale
Complications gérables : liens //, interdictions de tourner etc.

Codage du réseau: graphe orienté

Une arête = 2 arcs. Arcs indexés de 1 à m' = 2.|E|+|A|.
Deux arcs u,v codant la même arête sont liés par un
pointeur inv: inv(u)=v et inv(v)=u.
Matrice des distances entre arcs D, m'×m'.
7 8 6
i j
no 10 10 no
u v
D(u,v)=21: distance de l'arc u à l'arc v (u,v non inclus),

tenant compte des interdictions de tourner.
Chromosome et croisement
Après ce codage, le MA ressemble à celui pour le VRP,
mais avec des index d'arcs au lieu d'index de nœuds.
Chromosome:
suite de t indices d'arcs (1 par tâche).
plus courts chemins implicites entre tâches.
pas de délimiteurs de tournées (tour géant avec W=∞)
chaque tâche figure sous forme d'un de ses deux arcs!
Adaptation des croisements LOX et OX :

on copie un arc u d'un parent dans un enfant
seulement si u et inv(u) ne sont pas déjà dans C.
2
Evaluation: procédure SPLIT in O(t )
c(5)
20 20
b(3) 5 d(1) 5
5 Trip 3
20 15 5 5 5
10 11 13 9 20 15
10 11 13 9
11 14
Trip 1
a(4) 5 12 10 7 e(6) 5 7
20 16
20 16
depot
Chromosome S = (a,b,c,d,e) Découpe optimale, coût 141
bcd(80)
bc(56) de(50)
a(37) b(27) c(40) d(32) e(33)
0 37 51 91 115 141
ab(51) cd(64)
Graphe auxilaire des tournées pour W=9. Chemin optimal en gras.


2-OPT + Or-opt + échanges, dans 1 ou 2 tournées.
Les deux directions d'une arête doivent être gérées!
Exemple avec 2-OPT: des arêtes peuvent être inversées.
u y u y u y
T1 T1 T1 T2
T2
x T2 v
x v inv (x) inv (v)
depot
Before After (case 1) After (case 2)

Complications soulevées dans le cas du MCARP :
suite de liens NON inversible si elle contient des arcs.

la matrice des distances D n'est PAS symétrique.
le coût d'une suite peut changer après inversion si on
accepte les arêtes "venteuses" (windy : cij ≠ cji).
Il est quand même possible d'évaluer l'ensemble des

mouvements en O(t2) seulement…
Résultats pour le CARP

Comparaison avec méthode taboue de Hertz et al. (2000)
Instances DeArmon Belenguer Eglese

23 pbs, t ≤ 55 34 pbs, t ≤ 97 24 pbs, t ≤ 190
TS MA TS MA TS MA
Ecart moy BI % 0.48 0.15 1.90 0.61 4.74 2.47
Ecart max BI % 4.62 1.78 8.57 4.26 8.61 4.46
BI atteinte 18 21 15 22 0 0
Meilleures solns 19 23 17 32 0 19
Durée (s) 1 GHz 9.0 5.3 63.9 38.3 ? 527.0
BI: borne inférieure de Belenguer et Benavent (2003).

Longo (2006): le MA résoud tous les DeArmon optimalement!
Résultats pour le MCARP

Borne inférieure BI basée sur une formulation linéaire en
nombres entiers et une méthode polyédrale.
34 instances de taille moyenne (disponibles)

Obtenues en orientant des arêtes dans des instances
classiques du CARP: 24-50 nœuds, 43-138 tâches.
Ecart moyen à BI = 0.49%, 24 optima prouvés.
15 instances de très grande taille (disponibles)

Imitant la collecte de déchets, jusqu'à 1200 arcs.
Ecart moyen à BI = 0.32%, 6 optima prouvés.
Exemple de MCARP: n=28, m=68, t=50

240-33-273 264-18-282 183-20-203 214-21-235 047-22-069
1 2 3 4 5 6
265-33-298 097-18-115 325-20-345 000-21-021 207-22-229
000 000 122 324 112 285 453 453

22 22 19 20 21 21 19 19
022 022 141 344 133 306 472 472
066-21-087 014-18-032
205
7 187-44-231 8 41 9 10 11
246 000-18-018
101 311 153 300 088 000 379

18 18 23 17 21 17 17
119 329 176 317 109 017 396
depot and dumping site
172-40-212 000-18-018 301-15-316
12 13 14 15 16 17
014-21-035 372-19-391
381 390 000 000 000 000 139 110 377

20 20 19 19 27 17 26 15 15
401 410 019 019 027 017 165 125 392
18 343-37-380 19 000-19-019 20 094-18-112 21 308-19-327 22 349-21-370 23
478 478 238 204 000 707 707 159 053 146
22 22 17 25 204 14 17 17 26 18 18
500 500 255 229 25 014 724 724 185 071 164
229
334-39-373 000-18-018 247-21-268 715-37-752

24 25 26 27 28
147-39-186 054-18-072 368-21-389 715-37-752
Références
Lacomme, Prins, Ramdane-Chérif, Competitive memetic algo-
rithms for arc routing problems, Annals of OR, 131, p. 159-
185, 2004.
Belenguer, Benavent, Lacomme, Prins, Lower and upper

bounds for the mixed CARP, Comp. Oper. Res., 33(12), p.
3363-3383, 2006.
Prins, Bouchenoua, An MA solving the VRP, the CARP, and

more general routing problems with nodes, edges and arcs. In
Hart et al. (éd.): Recent advances in memetic algorithms,
Springer, 2004.
NB: nous sommes les seuls à avoir publié sur le MCARP.

Partie 3
Renforcement des MA :
MA|PM
K. Sörensen (Univ. Anvers, Belgique)
M. Sevaux (Univ. Bretagne-Sud, Lorient)
MA|PM (Sörensen, 2003)

Memetic Agorithm with Population Management.
Principe. MA avec :
petite population de bonnes solutions bien diversifiées
gestion de la population pour contrôler la diversité.
Gestion de population :
distance d(x,y) dans l'espace des solutions
distance à une population P: dP(s) = min {d(s,x): x∈P}
nouvelle solution s ajoutée à P seulement si dP(s) ≥ ∆
ajustement dynamique du seuil de diversité ∆
MA|PM pour les pbs de tournées

1: initialiser population P et seuil de diversité ∆
2: répéter
3: choisir deux parents P1, P2 dans P
4: croisement OX sur P1, P2 → enfant C
5: si random < PLS alors C ← LS(C) finsi
6: choisir B au hasard dans la pire moitié de P
7: tant que dP(C) < ∆ ou | si dP(C) ≥ ∆ alors
8: muter C | B← C
9: fintantque | finsi
10: B←C | //sinon ignorer C
11: mettre à jour le seuil ∆
Quelques avantages de MA|PM
Chaînon manquant entre MA et Scatter Search (SS).

Contrôle actif de diversité avec la gestion de population.
Structure de type MA : plus facile à implémenter que SS.
Peut s'appliquer à tout MA existant (upgrade).
Exemples de distances possibles 1/2

Deux chromosomes X,Y pour le VRP (n clients), sans
délimiteurs de tournées : distances entre permutations.
Distance de Hamming :
DH(X,Y) = nb de positions avec valeurs ≠ dans X, Y.
DH ( X , Y ) = ∑ ( X (i ) ≠ Y (i ))
i =1, n
Valeurs dans [0,n]. Calculable en O(n).
Inconvénient: DH(X,Y) = n si Y est une "rotation" de X.
Distance des "paires cassées" :

DR(X,Y)=nb de paires {Xi,Xi+1} non adjacentes dans Y.
Valeurs dans [0,n-1]. Calculable en O(n).
Exemples de distances possibles 2/2

Distance de Levenshtein ("edit distance") DL :
X et Y vus comme des chaînes de symboles
DL(X,Y) nb min d'opérations pour changer X en Y.
Autorisées : effacer, insérer ou remplacer un symbole.
Valeurs dans [0,n].
Calculable en O(n2) par programmation dynamique.
Exemple. DL("fruits","brutes") = 4:
fruits → bruits → bruts → brutes
Politiques de contrôle du seuil ∆

MA|PM accepte un enfant C si dP(C) ≥ ∆. Politiques :
∆ = constante, exemple ∆=1 ⇔ pas de clones
augmenter ∆ depuis 1 jusqu'à une valeur maximale
idem, mais reset si la meilleure solution est améliorée.
New best soln found Stop
max value:
0.7 x dmax
min value: 1
Crossovers
Résultats
Etude sur le CARP présentée à TRISTAN 5 (2004) :
meilleurs résulats avec distance des paires cassées

résultats un peu meilleurs que le MA de base
mais 5 fois moins de croisements (converge plus vite)
et temps de calcul divisés par 3.
Partie 4
VRP à flotte hétérogène

(HVRP)
P. Lacomme (Univ. Blaise Pascal, Clermont-Ferrand)
N. Labadi (UTT)
Le HVRP
VRP mais t types de véhicules. Type k défini par :
capacité Qk et disponibilité ak
coût fixe Fk
"coût variable" Vk (= coût par unité de distance)
Coût d'une tournée de longueur L faite par le type k:

C = Fk + Vk . L
But: minimiser le coût total des tournées, chacune

étant affectée à un véhicule compatible.
Comment adapter SPLIT ? 1/2

Chromosome S et une tournée faisable T de longueur L.
VRP classique :
cost(T) = L
découpe en O(m) pour m arcs (algorithme de Bellman)
ab:55 cd :95
40 55 115 150
a:40 b:50 c:60 d:80 e:70
0 205
bc:85
bcd:120 de:90
Vehicle Fleet Mix Problem (VFMP, disponibilités infinies) :

cost(T)=F(k)+V(k).L, k type compatible le moins cher.
le calcul du chemin optimal ne change pas!
Comment adapter SPLIT ? 2/2

Vrai HVRP. Les disponibilités a(k) sont limitées :
le coût de T dépend du véhicule utilisé
ceci peut se modéliser avec des arcs parallèles
chemin faisable: au plus a(k) véhicules par type k
Chemin optimal à contraintes de ressources!

NP-difficile si une seule resource et si chaque arc a
besoin de plusieurs unités (Meggido, 1979).
Nous avons prouvé qu'il reste NP-difficile dans notre
cas (réduction de PATH WITH FORBIDDEN PAIRS).
Programmation dynamique
Soit F(j,x1,x2,…,xt) :
le coût d'une découpe optimale de S1…Sj
avec 0 ≤ xk ≤ ak véhicules de chaque type k.
Notre but est de calculer F(n,a1,a2,…,at) et nous avons :

F(0,x1,x2,…,xt)=0, pour tout type k et tout 0 ≤ xk ≤ ak
∀j > 0, F(j,x1,x2,…,xt) =
min {F(i,x1,x2,…,xk-1,…,xt): i ≤ j, load(i,j) ≤ Qk, xk>0)
Peut être résolu en O(mnt) si t ≤ n.

SPLIT est donc NP-difficile, mais pseudo-polynomial.
Elle est même polynomiale pour t fixé!
Quelques résultats
8 instances de Taillard, n=50-100
Meilleures solutions connues (BKS) dans Tarantilis et al.
Un seul réglage de parameters - PC à 2.4 GHz
Auteurs Année Méthode Ecart BKS Durée (s)

Li et al. à paraître RTR -0.49% 286
Lacomme et al. en cours MA|PM -0.45% 75
Lacomme et al. en cours MA -0.04% 50
Tarantilis et al. 2004 TA 0.09% 86
Taillard 1999 HCG 0.40% 26
Le MA améliore 4 meilleures solutions connues.
Le RTR et le MA|PM en améliorent 6!
Conclusion
Nos MA sans délimiteurs de tournées sont des outils
efficaces pour les problèmes de tournées de véhicules.
La procédure SPLIT est très flexible, tant que le problème

de chemin optimal est polynomial (VRP, CARP, MCARP,
PCARP) ou au moins pseudo-polynomial (HVRP) !
Point de vue du génie logiciel : l'extension progressive

GA → MA → MA|PM est (relativement) facile.
Remarques confirmées par d'autres applications non

citées ici (Stochastic CARP, tournées multi-objectifs…).

2006 Algorithmes Memetiques Pour Les Problemes de Tournees de Vehicules Slides

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2006 Algorithmes Memetiques Pour Les Problemes de Tournees de Vehicules Slides

Cargado por

Copyright:

Formatos disponibles

C.

PRINS - Algorithmes mémétiques pour les problèmes de tournées de véhicules - Slide #1

Algorithmes mémétiques pour les

Institut Charles Delaunay, FRE CNRS 2848

1. Un algorithme mémétique (MA) pour le VRP

GA classique – Version incrémentale

 Pas assez agressif pour l'optimisation combinatoire.

Algorithme mémétique (MA)

1: initialiser la population Pop

VRP (Vehicle Routing Problem)

But: trouver un ensemble de tournées de coût total min.

Point de départ du travail

 Réparation des violations de capacité des véhicules.

Idée-clé : chromosomes sans délimiteurs de tournées.

Evaluation : procédure SPLIT 1/2

 Cij coût de la tournée :

 Découpage optimal: chemin optimal de 0 à n dans H.

Evaluation : procédure SPLIT 2/2

Chromosome S = (a,b,c,d,e) Découpe optimale, coût 205

Graphe auxiliaire des tournées pour W=10. Chemin optimal en gras.

Pas de perte d'information :

Deux extensions simples de SPLIT

Flotte limitée de p véhicules:

Règle de dispersion simple :

Composition initiale de Pop:

Recherche locale du MA 1/2

Des échanges de nœuds sont aussi considérés.

Recherche locale du MA 2/2

Résumé du MA pour le VRP

NB: différences avec modèle de MA de Moscato.

Type Auteurs Année Ecart aux

Références générales sur le VRP :

Adaptations à d'autres problèmes

Extensions déjà traitées :

Adaptation aux problèmes

CARP et CARP mixte (MCARP)

But: traiter les tâches par des tournées de coût minimal.

Un petit exemple de CARP: gdb1

n=12 (dépôt : 1), m=t=22, demandes=1, capacité W=5

Modèle très général avec 2 types de liens: arcs et arêtes.

Un arc 2 arcs opposés Une arête

Complications gérables : liens //, interdictions de tourner etc.

Codage du réseau: graphe orienté

D(u,v)=21: distance de l'arc u à l'arc v (u,v non inclus),

Adaptation des croisements LOX et OX :

Chromosome S = (a,b,c,d,e) Découpe optimale, coût 141

Graphe auxilaire des tournées pour W=9. Chemin optimal en gras.

Recherche locale du MA 1/2

Exemple avec 2-OPT: des arêtes peuvent être inversées.

Before After (case 1) After (case 2)

Recherche locale du MA 1/2

Complications soulevées dans le cas du MCARP :

 suite de liens NON inversible si elle contient des arcs.

Il est quand même possible d'évaluer l'ensemble des

Résultats pour le CARP

Instances DeArmon Belenguer Eglese

BI: borne inférieure de Belenguer et Benavent (2003).

Résultats pour le MCARP

34 instances de taille moyenne (disponibles)

15 instances de très grande taille (disponibles)

Exemple de MCARP: n=28, m=68, t=50

000 000 122 324 112 285 453 453

101 311 153 300 088 000 379

Pas assez agressif pour l'optimisation combinatoire.

Réparation des violations de capacité des véhicules.

Cij coût de la tournée :

Découpage optimal: chemin optimal de 0 à n dans H.

suite de liens NON inversible si elle contient des arcs.

meilleurs résulats avec distance des paires cassées