LITIS

Mahshid Yadegari's Thesis Defense: Thursday, November 19, 2026, at 2:00 p.m. at the UFR ST, University of Le Havre

November 19, 2026 · 14h00 · Amphithéâtre Normand, UFR Sciences et Techniques, site Lebon, Université du Havre

Mahshid Yadegari soutiendra sa thèse intitulée « Optimisation des stratégies directionnelles dans les problèmes de tournées cycliques dépendant de la charge ».

Date : Jeudi 19 novembre à 14h00

Lieu : Amphithéâtre Normand, UFR Sciences et Techniques, site Lebon, Université du Havre.

Lien visio : https://visio.numerique.gouv.fr/lzv-zrnz-soz

Le jury de thèse sera composé de :

Andréa Cynthia Santos - Université Le Havre Normandie (Directrice de thèse)

Sebastián Urrutia - Molde University College (Co-directeur de thèse)

Philippe Lacomme - Université Clermont Auvergne (Rapporteur)

Marc Sevaux - Université Bretagne Sud (Rapporteur)

Éric Sanlaville - Université Le Havre Normandie (Examinateur)

Libo Ren - Université Paris-Panthéon-Assas (Examinateur)

Wahiba Ramdane Cherif-Khettaf - Mines Nancy, Université de Lorraine (Examinatrice)

Katyanne Farias de Araújo - Université Clermont Auvergne (Examinatrice)

Résumé de thèse :

Cette thèse étudie comment le sens de parcours peut réduire les coûts de transport dans les problèmes de tournées cycliques dépendant de la charge, où les quantités livrées dépendent du temps écoulé entre deux visites consécutives et les coûts de la distance et de la charge transportée. Deux stratégies sont introduites : Unidirectional, qui conserve le même sens de parcours, et Bidirectional, qui inverse l'ordre des visites d'un parcours à l'autre.

Dans un premier temps, le problème du voyageur de commerce cyclique dépendant de la charge est étudié, et des résultats analytiques ainsi que des formulations mathématiques sont établis pour les deux stratégies. L'analyse est ensuite étendue au problème de tournées de véhicules cycliques dépendant de la charge, avec plusieurs tournées, puis à une variante à flotte hétérogène intégrant des temps de service dépendant de la charge.

Un modèle de classification fondé sur l'apprentissage automatique est développé pour prédire la stratégie la plus performante à partir des caractéristiques du problème de tournées de véhicules.

Une heuristique Iterated Local Search est développée pour le problème de tournées de véhicules cycliques dépendant de la charge, tandis qu'un algorithme Iterated Greedy fondé sur le Q-learning sélectionne de manière adaptative des combinaisons d'opérateurs de recherche pour la variante à flotte hétérogène.

Les résultats analytiques et numériques montrent que le sens de parcours influe sur la répartition de la charge et les coûts de transport sans modifier la tournée sous-jacente. Bien que la stratégie Bidirectional soit préférable lorsque les distances et les demandes sont unitaires, aucune des deux stratégies n'est systématiquement supérieure dans le cas général. L'analyse comportementale indique que Bidirectional est plus performante lorsque la variabilité des demandes et des distances est faible, tandis qu'Unidirectional est plus performante lorsque cette variabilité est élevée. Les analyses de sensibilité montrent également que les temps de service dépendant de la charge interagissent avec la demande et les ressources des véhicules pour déterminer la faisabilité opérationnelle. Ensemble, ces contributions établissent le choix du sens de parcours comme une décision de routage et associent optimisation et apprentissage pour en favoriser une utilisation efficace.