Résumé: La résolution du problème est une partie importante de l’optimisation. Une autre partie tout aussi importante est l’analyse de la solution où plusieurs questions peuvent survenir. Par exemple, pour un problème d’ordonnancement, est-il possible d’obtenir une meilleure solution en augmentant la capacité d’une ressource? Qu’elle est l’impact sur la valeur de la fonction objectif de finir une tâche plus tôt? Répondre à ces questions est important pour l’explication et l’acceptabilité de la solution. Beaucoup de recherche a été effectuée sur l’analyse de sensibilité, mais peu de méthodes peuvent s’appliquer à la programmation par contraintes. Nous présentons une nouvelle méthode d’analyse de sensibilité pour la programmation par contraintes. Notre méthode collecte des informations sur la propagation de la contrainte Cumulative et le filtrage des variables lors de la recherche et sur la solution retournée par le solveur. En utilisant des algorithmes d’apprentissage automatique, nous prédisons si augmenter/réduire la capacité d’une ressource cumulative permet une meilleure solution. Nous prédisons également l’impact sur la valeur de la fonction objectif lorsque l’on force une tâche à finir plus tôt. Nous validons notre méthode sur le problème de gestion de projet à contraintes de ressources.

https://www.ift.ulaval.ca/~quimper/Seminaires