Tools for Real-life Vehicle Routing Problems with Transshipment Par

véhicules aient la possibilité d'effectuer plusieurs arrêts sur leur route, nous proposons une heuristique d'agrégation des sites. Cela a également l'avan-tage de réduire davantage la taille du problème. Ce modèle étant résolu, nous lançons une exécution d'ILOG TPO avec les chemins d'ordres de transport figés, puis à partir de la solution finale de cette exécution, nous relançons ILOG TPO sans ces indications sur les chemins des ordres. En effet, nous n'avons aucune certitude qu'absolument toutes les indications sont bonnes, car notre modèle est très simplifié et ne prend pas en compte notamment le temps. La deuxième phase permet donc de corriger les petites imperfections de la première phase, où les chemins des ordres étaient figés. Les tests ont d'abord porté sur une comparaison entre le moteur de base d'ILOG TPO et l'heuristique à deux phases. Cette heuristique à deux phases donne des résultats prometteurs, car les solutions trouvés sont en moyennne assez proches de celles trouvées par ILOG TPO seul, mais le temps de calcul est diminué d'un facteur assez conséquent. Ensuite, pour valider la perti-vii nence des chemins donnés par le modèle MIP, nous avons comparé l'heuris-tique avec la même heuristique où les indications sur les chemins des ordres sont générées aléatoirement. En considérant la moyenne des résultats sur 20 exécutions d'indications aléatoires, nous constatons que le modèle MIP donne une bien meilleure solution intermédiaire (entre les deux phases), et une meilleure solution finale, et le temps de calcul est également plus bas. Ceci prouve que notre approche est intéressante et que, moyennant de petites modifications ou des paramétrages adaptés, elle pourrait être d'une grande utilité si elle était intégrée à ILOG TPO. De plus, cette coopération entre une approche par recherche locale (ILOG TPO) et une approche plus globale (le MIP) est également intéressant d'un point de vue théorique.