Un algorithme GRASP pour le problème de planification de techniciens et d'interventions pour les télécommunications

Sylvain Boussier; Hideki Hashimoto; Michel Vasquez; Christophe Wilbaut

RAIRO - Operations Research (2009)

  • Volume: 43, Issue: 4, page 387-407
  • ISSN: 0399-0559

Abstract

top
The Technicians and Interventions Scheduling Problem for Telecommunications embeds the scheduling of interventions, the assignment of teams to interventions and the assignment of technicians to teams. Every intervention is characterized, among other attributes, by a priority. The objective of this problem is to schedule interventions such that the interventions with the highest priority are scheduled at the earliest time possible while satisfying a set of constraints like the precedence between some interventions and the minimum number of technicians needed with the required skill levels for the intervention. We present a Greedy Randomized Adaptive Search Procedure (GRASP) for solving this problem. In the proposed implementation, we integrate dynamic update of the insertion criteria to the GRASP framework in order to generate good-quality solutions using information brought by previous ones. We also compute lower bounds and present experimental results that validate the effectiveness of this approach.

How to cite

top

Boussier, Sylvain, et al. "Un algorithme GRASP pour le problème de planification de techniciens et d'interventions pour les télécommunications." RAIRO - Operations Research 43.4 (2009): 387-407. <http://eudml.org/doc/250662>.

@article{Boussier2009,
abstract = { Le problème de planification de techniciens et d'interventions pour les télécommunications (TIST pour Technicians and Interventions Scheduling Problem for Telecommunications) comprend la planification d'interventions et l'affectation d'équipes de techniciens à ces interventions. Chaque intervention est caractérisée, entre autres, par une priorité. L'objectif de ce problème est de séquencer les interventions en tenant compte de leur priorité tout en satisfaisant un ensemble de contraintes comme l'ordre d'exécution de certaines interventions et le nombre minimum de techniciens d'un niveau de compétence donné à affecter à chaque intervention. La résolution de ce problème est centrée sur un algorithme GRASP (Greedy Randomized Adaptive Search Procedure) caractérisé par une mise à jour dynamique des critères de choix des interventions. Pour évaluer la qualité des résultats obtenus par cette approche heuristique, nous présentons également un calcul de bornes inférieures. },
author = {Boussier, Sylvain, Hashimoto, Hideki, Vasquez, Michel, Wilbaut, Christophe},
journal = {RAIRO - Operations Research},
keywords = {Planification; heuristique; mémoire Adaptative.},
language = {fre},
month = {10},
number = {4},
pages = {387-407},
publisher = {EDP Sciences},
title = {Un algorithme GRASP pour le problème de planification de techniciens et d'interventions pour les télécommunications},
url = {http://eudml.org/doc/250662},
volume = {43},
year = {2009},
}

TY - JOUR
AU - Boussier, Sylvain
AU - Hashimoto, Hideki
AU - Vasquez, Michel
AU - Wilbaut, Christophe
TI - Un algorithme GRASP pour le problème de planification de techniciens et d'interventions pour les télécommunications
JO - RAIRO - Operations Research
DA - 2009/10//
PB - EDP Sciences
VL - 43
IS - 4
SP - 387
EP - 407
AB - Le problème de planification de techniciens et d'interventions pour les télécommunications (TIST pour Technicians and Interventions Scheduling Problem for Telecommunications) comprend la planification d'interventions et l'affectation d'équipes de techniciens à ces interventions. Chaque intervention est caractérisée, entre autres, par une priorité. L'objectif de ce problème est de séquencer les interventions en tenant compte de leur priorité tout en satisfaisant un ensemble de contraintes comme l'ordre d'exécution de certaines interventions et le nombre minimum de techniciens d'un niveau de compétence donné à affecter à chaque intervention. La résolution de ce problème est centrée sur un algorithme GRASP (Greedy Randomized Adaptive Search Procedure) caractérisé par une mise à jour dynamique des critères de choix des interventions. Pour évaluer la qualité des résultats obtenus par cette approche heuristique, nous présentons également un calcul de bornes inférieures.
LA - fre
KW - Planification; heuristique; mémoire Adaptative.
UR - http://eudml.org/doc/250662
ER -

References

top
  1. J.B. Atkinson, A greedy randomised search heuristic for time-constrained vehicle scheduling and the incorporation of a learning strategy. J. Oper. Res. Soc.49 (1998) 700–708.  Zbl1140.90351
  2. T.H. Cormen, C.E. Leiserson, R.L. Rivest and C. Stein, Introduction to algorithms, 2nd ed. The MIT Press (2001).  Zbl1047.68161
  3. P.-F. Dutot and A. Laugier, Technicians and interventions scheduling for telecommunications (ROADEF challenge subject). Technical report, France Telecom R&D (2006).  
  4. T.A. Feo and M.G. Resende, A probabilistic heuristic for a computationally difficult set covering problem. Oper. Res. Lett.8 (1989) 67–71.  Zbl0675.90073
  5. P. Festa and M.G.C. Resende, GRASP: An annotated bibliography, in Essays and surveys in metaheuristics, C.C. Ribeiro and P. Hansen (Eds.), Kluwer Academic Publishers (2002) 325–367.  Zbl1017.90001
  6. C. Fleurent and F. Glover, Improved constructive multistart strategies for the quadratic assignment problem using adaptive memory. INFORMS J. Comput.11 (1999) 198–204.  Zbl1040.90541
  7. F. Glover, Future paths for integer programming and links to artificial intelligence. Comput. Oper. Res.13 (1986) 533–549.  Zbl0615.90083
  8. H. Kellerer, U. Pferschy and D. Pisinger, Knapsack Problems. Springer (2004).  
  9. A. Lodi, S. Martello and D. Vigo, Models and bounds for two-dimensional level packing problems. J. Comb. Optim.8 (2004) 363–379.  Zbl1084.90031
  10. M.G.C. Resende and C.C. Ribeiro, A GRASP for graph planarization. Networks29 (1997) 173–189.  Zbl0885.90112
  11. M.G.C. Resende and C.C. Ribeiro, Greedy randomized adaptive search procedures, in Handbook of Metaheuristics, F. Glover and G.A. Kochenberger (Eds.), Kluwer Academic Publishers (2003) 219–249.  Zbl1102.90384
  12. É.D. Taillard, L.M. Gambardella, M. Gendreau and J.-Y. Potvin, Adaptive memory programming: A unified view of metaheuristics. Eur. J. Oper. Res.135 (2001) 1–16.  Zbl1051.90032
  13. H. Tang, E. Miller-Hooks and R. Tomastik, Transp. Res. Part E. Logist. Transp. Rev.43 (2007) 591–609.  
  14. E. Tsang and C. Voudouris, Fast local search and guided local search and their application to british telecom's workforce scheduling problem. Oper. Res. Lett.20 (1997) 119–127.  Zbl0882.90102
  15. J. Xu and S.Y. Chiu, Effective heuristic procedures for a field technician scheduling problem. J. Heurist.7 (2001) 495–509.  Zbl1013.90061

NotesEmbed ?

top

You must be logged in to post comments.

To embed these notes on your page include the following JavaScript code on your page where you want the notes to appear.

Only the controls for the widget will be shown in your chosen language. Notes will be shown in their authored language.

Tells the widget how many notes to show per page. You can cycle through additional notes using the next and previous controls.

    
                

Note: Best practice suggests putting the JavaScript code just before the closing </body> tag.