,
, Remarquons que par rapport au types des instances présentées dans la section 3.5.1 du chapitre précédent, nous avons une nouvelle grandeur |Z| qui représente le nombre de zones industrielles, Nous avons donc
, Supposons que nous avons 10 demandes à livrer dans 48 heures dont les origines et destinations sont reparties dans 5 zones industrielles
, Résultats numériques Nous désignons par modèle initial le modèle présenté dans le chapitre 3, le modèle agrégé celui présenté dans les quatre premières sections du chapitre 4, le modèle primal par le modèle initial avec le rajout de la meilleure borne duale du problème agrégé et la xation des variables binaires donnée par les égalités
, Instance Ag1 Pour cette instance (qui est juste une instance test), nous présentons les résultats pour les deux modèles : initial et agrégé. Elle est de petite taille et on arrive à la résoudre d'une manière ecace avec seulement le modèle initial. L'approche de résolution ne sera pas testé sur cette instance. Le but est de voir juste le pourcentage de réduction du problème pour une instance simple. ? Modèle initial Après la réduction de CPLEX, nous avons pour cette instance 4615 contraintes, 14420 variables entières et 350 variables binaires. Après les 2000 secondes, le solveur n'arrive pas à résoudre exactement cette instance. Il s'arrête avec un gap de 0.06% avec 839163 n÷uds exploités dans l'arbre de branchement et 5682,82 MB de mémoire utilisée, niveaux pour la résolution des grandes instances est donnée par le schéma suivant
, nous avons 2692 contraintes (soit une réduction de 41%), p.7645
,
, Scheduling for inland container truck and train transportation, Int. J. Production Economics, vol.143, p.349356, 2013.
, Real-time control of freight forwarder transportation networks by integrating multimodal transport chains, European Journal of Operational Research, vol.200, pp.733-746, 2010.
, Modeling and optimization of a container drayage problem with resource constraints, International Journal of Production Economics, vol.133, issue.1, pp.351-359, 2011.
, Best routes selection in international intermodal networks, Computers and Operations Research, vol.35, issue.9, pp.2877-2891, 2008.
, A local search heuristic for the pre-and end-haulage of intermodal container terminals, Computers & Operations Research, vol.36, pp.2763-2772, 2009.
, A model for a multi-size inland container transportation problem. Transportation Research Part E 89 : Logistic and Transportation review, vol.89, p.7085, 2016.
, Modeling and solving a multimodal routing problem with exible-time and schedules services, Networks, vol.57, issue.1, pp.53-68, 2011.
, Developing a model for measuring the resilience of a port-hinterland container transportation network, Transportation Research Part E 97 : Logistic and Transportation review, vol.97, p.282301, 2017.
, Multi-port vs. Hub-and-Spoke port calls by containerships. Transportation Research Part E : Logistic and Transportation review, vol.45, p.740757, 2009.
, A truck scheduling problem arising in intermodal container transportation, European Journal of Operational Research, vol.230, pp.666-680, 2013.
, The dynamics of modal split for freight transport, Transportation Research Part E : Logistics and Transportation Review, vol.70, pp.163-176, 2014.
, Genetic algorithms to schedule container transfers at multimodal terminals, International Transactions in Operational Research, vol.6, pp.311-329, 1999.
, Le transport terrestre multimodal des conteneurs maritimes : une démarche de planication, Centre de recherche sur les transports, 1991.
, Memetic algorithm for computing shortest paths in multimodal transportation networks, Transportation Research Procedia, vol.20, pp.745-755, 2015.
URL : https://hal.archives-ouvertes.fr/hal-01520123
, Container Transfer Logistics at Multimodal Container Terminals, School of Mathematical Sciences, 2003.
, Abdelmoutalib Metrane, François Soumis. Bidynamic constraint aggregation and subproblem reduction, Computers & Operations Research, vol.35, pp.1713-1724, 2008.
, Stabilized dynamic constraint aggregation for solving set partitioning problems, European Journal of Operational Research, vol.223, issue.2, p.360371, 2012.
, The impact of foldable containers on container eet management costs in hinterland transport, Logistic and Transportation review, vol.46, p.750763, 2010.
, Heuristic-based truck scheduling for inland container transportation, OR spectrum, vol.32, pp.787-808, 2010.
, A container multimodal transportation scheduling approach based on immune anity model for emergency relief, Expert Systems with Applications, vol.38, issue.3, p.26322639, 2011.
, An integrated model for logistics network design, Annals of Operational Research, vol.144, issue.1, pp.59-82, 2006.
, Computer assisted routing of intermodal shipements, Computers & Industrial Engineering, vol.33, pp.311-314, 1997.
, Peterson Intermodal and international freight network modeling Transportation Research, Issues, vol.8, pp.147-166, 2000.
, Yulong Zhao Intermodal and international freight network modeling Thèse de doctorat, 2017.
, Projet-Devport