Résumé:
La planification d'examens est un problème d'optimisation combinatoire bien connu pour être difficile du point de vue théorique et pratique. Proposer un planning optimal est une tâche extrêmement complexe à mettre en œuvre et nécessite un temps exagérément long. Pour cette raison on opte plutôt pour une solution approchée mais qui peut être obtenue en un temps raisonnable. Le paradigme le plus répandu dans ce domaine consiste, après avoir généré une solution initiale (ou une famille de solutions initiales), en une séquence d'améliorations locales successives.
L'objectif de cette thèse est double. 1) Développer des méthodes capables de produire des solutions de qualité, compétitives avec l'état de l'art. 2) Faire en sorte que ces méthodes soient suffisamment génériques pour être appliquées plus généralement à d'autres problèmes et à d'autres contextes.
Trois contributions ressortent :
• La première est une méta-heuristique où le recuit simulé est utilisé comme algorithme de haut niveau pilotant une recherche locale de bas niveau pour améliorer la diffusion des examens en conflit.
• La deuxième contribution consiste en un nouvel algorithme hybride combinant l'algorithme de propagation de plantes (PPA) et la recherche locale (LS).
• La troisième contribution introduit un nouveau modèle de planification d'examens ainsi qu'une nouvelle méthode pour le résoudre fondée sur la réitération d'une méthode en deux phases.
Les résultats obtenus sur les données standards de l'Université de Toronto montrent que nos trois approches fournissent d'excellents résultats et s'avèrent compétitives avec l'état de l'art.
