Définition d’une heuristique hybride pour résoudre un problème de planification de personnel dans un milieu hospitalier
No Thumbnail Available
Date
2005
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
V
RESUME
Pour toutes leurs activités, les êtres humains ont besoin de planifier dans le temps leur
acquisition de certaines ressources. La théorie de la planification traite des modèles
mathématiques mais analyse également des situations réelles forts complexes. Quoique l'état
de l'art est assez riche, les contributions existantes restent loin d'être complètes et optimales.
Remarquons que la planification du personnel, et en particulier le personnel hospitalier,
qui est soumise à une variété de contraintes -parfois contradictoires-, est un problème NP-
difficile au sens fort. Par conséquent, des méthodes heuristiques doivent être utilisées pour
le résoudre.
Dans cette étude, nous nous sommes donnés comme objectif principal la résolution d’un
problème concret de génération hebdomadaire d'emplois du temps de médecins dans un
service de radiologie. Ce problème possède des contraintes de types très variés. Nous avons
mis en œuvre un algorithme génétique pour l’optimisation de coût d’affectation des
médecins aux postes. Le critère d'optimalité est la minimisation de la somme des mesures de
violation des contraintes pour la rendre nulle.
Étant donnée l'importance de ces problèmes, de nombreuses méthodes de résolution ont
été développées en recherche opérationnelle (RO) et en intelligence artificielle (IA). Ces
méthodes peuvent être classées sommairement en deux grandes catégories : les méthodes
exactes (complètes) qui garantissent la complétude de la solution et les méthodes
approchées (incomplètes) qui perdent en complétude pour gagner en efficacité.
Le principe essentiel d'une méthode exacte consiste généralement à énumérer, souvent
de manière implicite, l'ensemble des solutions de l'espace de recherche. Malgré les progrès
réalisés, le temps de calcul nécessaire pour trouver une solution risque d'augmenter
exponentiellement avec la taille du problème. Les méthodes exactes rencontrent
généralement des difficultés face aux applications de tailles importantes.