Abstract :
[en] The topic of this thesis in management science is to propose a methodology to tackle multi-period decision problems including stochastic forecasts and to apply it to the field of transportation management. This methodology relies mostly on a sequence of numerical experimentations based on a set of algorithms to assess the value of the multi-period setting and the interest to use the stochastic information contained in the forecasts. Moreover, a statistical validation method to compare the performances of algorithms enables us to rank them meaningfully. From theory to
practice, the thesis is structured into four parts.
Firstly, we define the thesis subject and content. Then, based on a literature review, we present the past and present issues within the research field: "Optimization in Transportation". Mainly, we define the differences between multi-period stochastic models and classical deterministic mono-period ones. We explain how dynamism and stochasticity are taken into account within transportation problems.
Secondly, our methodology, which is our main contribution, is exposed from a generic point of view in the theoretical research field: "Multi-period Stochastic Optimization Problems". On the one hand, temporal parameters and computational issues in multi-period optimization are detailed; on the other hand a summary of optimization techniques and algorithms for stochastic optimization problems is provided.
Afterwards, the statistical validation of algorithmic performance is discussed. Then, part three contains two applications that lead us to set up the methodology, following an inductive method. The first problem, based on an industrial application at the start of the research, investigates a "multi-period vehicle loading problem with stochastic release dates". The second application, based on a more generic approach for the deployment of the methodology, deals with a "multi-period vehicle assignment problem with stochastic load availability".
Finally, in the fourth part, we conclude on the thesis contributions and propose some perspectives.
[fr] Le sujet de cette thèse en économies et en sciences de gestion consiste à proposer une méthodologie pour résoudre des problèmes de décision multi-périodes incluant des prévisions et de l'appliquer dans le domaine de la gestion des transports. Cette méthodologie repose essentiellement sur une séquence d'expérimentations basée sur des algorithmes qui vont démontrer la valeur de l'approche multi-périodes et l'intérêt d'utiliser l'information aléatoire représentées par les prévisions. De plus, une méthode de validation statistique nous permet de différencier valablement les performances des algorithmes. De la théorie à la pratique, cette thèse se décompose en quatre parties.
Premièrement, nous définissons l'objet de la thèse et son contenu. Ensuite, sur base d'une revue de la littérature, nous présentons les problématiques passées et à venir dans le domaine de recherche de: "l'optimisation en transport". En particulier, nous définissons les différences entre les modèles multi-périodes stochastiques et les modèles dits classiques qui sont mono-périodes et déterministes. Nous expliquons comment le dynamisme et l'aspect stochastique sont pris en compte dans les problèmes de transport.
Deuxièmement, notre méthodologie qui est notre contribution principale est explicitée d'un point de vue générique au sein du domaine de recherche des problèmes d'optimisation multi-période et stochastiques. D'une part, les paramètres liés au temps et au capacité de calculs pour les problèmes multi-périodes sont détaillés; d'autre part, un résumé des techniques et des algorithmes d'optimisation pour les problèmes stochastiques est fourni.
Par la suite, la validation statistique de la performance des algorithmes est discutée.
La troisième partie contient deux applications qui nous ont aidé à construire cette méthodologie en suivant un processus inductif. Le premier problème basé sur une application industrielle traite d'un problème multi-période de chargement de véhicules avec arrivée aléatoire des charges à transporter. La seconde application basée sur une approche plus générique pour tester le déploiement de la méthodologie, porte sur un problème multi-période de routage de véhicules avec disponibilité stochastique des ordres de transport.
Finalement, dans la quatrième partie, nous concluons en décrivant les contributions de la thèse et nous proposons des perspectives.
