Les problèmes d'optimisation combinatoire sont omniprésents, aussi bien dans le
monde académique que dans l'univers industriel, dans les cas d'école comme dans les
décisions liées à des enjeux financiers importants (logistique de production et de
transport, télécommunications, design).
Comment ordonnancer un atelier ? Combien de tournées de véhicules sont
nécessaires pour servir les clients à partir des fournisseurs ? Dans quel ordre acheminer
les paquets de données dans un réseau internet ? Etc. Des questions qui obligent à
effectuer un choix de valeurs pour un ensemble de variables de décision sujettes à des
contraintes et ce, en optimisant des critères et/ou des préférences.
Deux grandes familles de méthodes de résolution existent. La première englobe les
méthodes dites exactes, qui ont l'avantage de garantir l'optimalité des solutions si elles
existent, mais souffrent de l'explosion combinatoire. La seconde famille de méthodes,
dites approchées, permet de réduire cette explosion sans toutefois garantir l'optimalité.
C'est dans le cadre de cette seconde famille que nous présentons ici les
métaheuristiques les plus célèbres à savoir : le recuit simulé, la recherche Tabou, les
méthodes de pénalité, l'optimisation par colonies de fourmis et les algorithmes
génétiques. Les origines, les principes et éléments de base, les algorithmes standards ainsi
que leurs extensions sont ainsi développés, avec des exemples de problèmes
complexes.
Cet ouvrage s'adresse : à l'ingénieur, en lui faisant découvrir et/ou maîtriser des
méthodes d'optimisation génériques et pratiques à mettre en oeuvre pour une aide à la
décision efficace ; au chercheur, débutant ou confirmé, en lui apportant une bibliographie
étendue ; à l'enseignant et à l'étudiant en lui fournissant un support de cours.