Les problèmes d'optimisation combinatoire sont omniprésents aussi bien dans le monde académique qu'industriel : des cas d'école aux problèmes de décision aux enjeux financiers considérables tels que la logistique de production et transport, les télécommunications et le design.
Comment ordonnancer un atelier ? Combien de tournées de véhicules et dans quel ordre faut-il pour servir des clients à partir d'un ensemble de fournisseurs ? Dans quel ordre seront acheminés les paquets de données dans un réseau Internet ? Tels sont quelques problèmes qui, consistent, en fait, à effectuer un choix de valeurs pour un ensemble de variables de décision sujettes à des contraintes et ce, de manière à optimiser des critères et/ou des préférences.
Ainsi, deux grandes familles de méthodes de résolution ont été proposées. La première englobe les méthodes, dites exactes, qui ont l'avantage de garantir l'optimalité des solutions si elles existent mais souffrent, cependant, de l'explosion combinatoire. La seconde famille de méthodes, dites approchées, permet de réduire cette explosion sans toutefois garantir l'optimalité.
C'est dans le cadre de cette famille que se place notre ouvrage où sont présentées les métaheuristiques les plus célèbres à savoir : le recuit simulé, la recherche Tabou, les méthodes de pénalité, l'optimisation par colonies de fourmis et les algorithmes génétiques. Les origines, les principes ou éléments de base, les algorithmes standards ainsi que leurs extensions sont ainsi présentés; le tout illustré par des exemples.
Cet ouvrage s'adresse à l'ingénieur, à l'enseignant, au chercheur débutant ou confirmé et à l'étudiant. A l'ingénieur en lui facilitant l'accès à ce domaine, au chercheur en lui apportant une bibliographie étendue et à l'enseignant ou l'étudiant en lui fournissant un support de cours.