Abstract FR:

Cette thèse a pour objet la conception d'un système adaptatif par agents avec utilisation des algorithmes génétiques multi objectifs. L'application consiste en l'ordonnancement d'atelier de type job-shop nm. Dans un premier temps, nous avons cherché à déterminer une représentation calculable efficace pour nos problèmes d'ordonnancement. Du fait d'un problème np-difficile, la méthode du placement par lots a été retenue afin de diminuer la complexité. Afin d'améliorer des solutions existantes, nous avons utilisé les algorithmes génétiques multi objectifs. Ils consistent en l'amélioration d'une population de solutions possibles, ou, en fonction des résultats obtenus, les solutions les moins bonnes sont vouées à disparaitre au profit des meilleures. Celles-ci sont alors choisies pour les étapes de croisements et de mutations afin d'aboutir à une nouvelle population. Vu le nombre de critères retenus, nous ne cherchons pas à déterminer la meilleure solution possible mais obtenir le meilleur compromis possible en utilisant la notion de Pareto. Bien que cette méthode fournisse de bons résultats statistiquement, nous avons réalisé un système basé sur la notion d'agents, afin d'introduire une approche dynamique, avec une évolution génétique de ceux-ci. Nous avons défini une modélisation du problème par agents afin qu'ils puissent collaborer pour aboutir à une bonne solution. Pour définir une évolution de notre système d'agents, nous avons mis en place une méthode d'analyse en composante principale afin de déterminer des groupes d'agents selon les divers paramètres. A partir des groupes, nous réalisons des croisements entre ceux-ci pour renforcer les groupes et les agents qui les composent. Afin de ne pas perdre de spécificités, nous avons défini les notions de groupe moyen et d'agent moyen dans un groupe. Cette méthode nous permet d'aboutir plus rapidement vers une bonne solution, laquelle est généralement meilleure.