Approches de résolution multiobjective séquentielle et parallèle pour les réseaux de transports multimodaux / Hedi Ayed ; sous la direction de Zineb Habbas et de Djamel Khadraoui

Résumé / Abstract : Dans cette thèse, nous nous intéressons à la problématique de transport usager dans un contexte multimodal, multi-objectif et dépendant du temps. Notre première contribution porte sur la définition du graphe de transfert, un modèle de représentation des réseaux multimodaux. Sur base de ce modèle, cette thèse propose plusieurs algorithmes de calculs d’itinéraires multimodaux et dépendants du temps mais simplement mono-objectifs. Toujours dans le souci de faire face aux exigences des usagers, nous nous intéressons dans une deuxième partie de cette au problème multi-objectif. Nous avons expérimenté dans un premier temps, la version dépendante du temps de l’algorithme exact de Martins, ensuite proposé une solution basée sur les algorithmes génétiques. Ces deux approches restent limitées faute de temps ou d’espace. L’algorithme hybride combinant la rapidité des méta-heuristiques et la complétude des méthodes exactes a donné de meilleurs résultats

Résumé / Abstract : The focus of this thesis is about multi-modal, multi-objective and time-dependent in passengers transport networks. We propose itineraries processing solutions that satisfy the user needs, as much as possible. The first part of our contributions begins with the definition of the transfer-graph model that is consistent with the distributed nature of multi-modal transport networks. Based on this model, we propose several itineraries processing algorithms. We have been interested, in a second part of this thesis, in developing multi-objective solutions to satisfy more constraints at the same time. We first experimented the time-dependent version of an exact algorithm based on Martins. We then proposed a solution based on a genetic algorithm. Both of these approaches are limited because of either excessive time response or memory space limit. The hybrid algorithm which combines the speed of meta-heuristics and completeness of exact methods, provide better results