Algorithmes pour la prise de décision distribuée en contexte hiérarchique

Cette thèse a pour objet la coordination entre entités autonomes. De manière plus précise, nous nous intéressons à la coordination dans un contexte hiérarchique. Les problèmes étudiés montrent les caractéristiques suivantes : (1) il s'agit de problèmes d'optimisation distribués, (2) le problème est naturellement décomposé en sousproblèmes, (3) il existe a priori une séquence selon laquelle les sous-problèmes doivent être résolus, (4) les sous-problèmes sont sous la responsabilité de différentes entités et (5) chaque sous-problème est défini en fonction des solutions retenues pour les sousproblèmes précédents. Parmi les principaux domaines d'application, on trouve les systèmes d'aide à la décision organisationnels et les problèmes de synchronisation dans les chaînes logistiques industrielles. Ce dernier domaine sert de fil conducteur dans cette thèse : le travail de plusieurs unités de production est nécessaire pour fabriquer et livrer les commandes des clients. Différentes alternatives sont possibles en ce qui a trait aux pièces à utiliser, au choix des processus de fabrication, à l'ordonnancement des opérations et au transport. Chaque partenaire désire établir son plan de production (quoi faire, où et quand le faire), mais il est nécessaire pour eux de coordonner leurs activités. Les méthodes utilisées en pratique industrielle peuvent être qualifiées d'heuristiques de coordination. À l'opposé, il existe des algorithmes d'optimisation distribués et exacts, notamment les techniques de raisonnement sur contraintes distribuées (Distributed Constraint Optimization Problems, ou DCOP). Cependant, ces derniers algorithmes s'accommodent mal de la nature hiérarchique des problèmes étudiés et pourraient difficilement être utilisés en pratique. Les forces et les faiblesses des méthodes heuristiques et exactes nous ont donc amené à proposer de nouvelles approches.

Abstract

This thesis concerns multiagent coordination in hierarchical settings. These are distributed optimization problems showing the following characteristics: (1) the global problem is naturally decomposed into subproblems, (2) a sequence, defined a priori, exists in which the subproblems must be solved, (3) various agents are responsible for the subproblems, and (4) each subproblem is defined according to the solutions adopted for the preceding subproblems. Organizational distributed decision making and Supply chain coordination are among the main application domains. The latter case is more thoroughly studied in this thesis. In this kind of problem, the cooperation of several facilities is needed to produce and deliver the products ordered by external customers. However, different alternatives are possible regarding the parts to use, the manufacturing processes to follow, the scheduling of operations and the choice of transportation. Therefore, supply chain partners must coordinate their local decisions (e.g. what to do, where and when), with the common objective of delivering the ordered products with the least possible delay. The most commonly used coordination mechanisms can be described as heuristics. In contrast, some generic and complete distributed algorithms exist – researchers in Distributed Artificial Intelligence (DAI) have proposed a generic framework called Distributed Constraint Optimization Problem (DCOP). However, there are certain difficulties in mapping the actual business context (which is highly hierarchical) into the DCOP framework. Thus, based on the strengths and weaknesses of both the complete and heuristic approaches, we propose new approaches.