Cas d’application
Artelys Knitro est utilisé pour déterminer les prix des péages routiers lors de l’entretien des routes.
Cas d’application
Artelys Knitro est utilisé pour déterminer les prix des péages routiers en France lors de l’entretien des routes.
Les auteurs étudient la possibilité d’atténuer la congestion du trafic lorsque des activités d’amélioration (telles que l’entretien ou la réhabiliton) sont exécutées sur une infrastructure routière publique, en exploitant la capacité routière sur des infrastructures routières à péage dans le cadre d’un partenariat public-privé. L’augmentation de l’accès à l’infrastructure à péage est rendue possible par la réduction ou la suspension des péages pendant les périodes de travaux d’amélioration de la route et par l’indemnisation appropriée du concessionnaire de l’infrastructure à péage pour les pertes engendrées.
D’une part, l’organisme public cherche à établir le calendrier d’entretien, la réduction du prix du péage et l’indemnisation, en minimisant les coûts totaux ; d’autre part, le concessionnaire cherche à fixer un péage optimal pour maximiser les recettes, et accepte ou rejette donc l’indemnisation proposée par l’organisme public, selon qu’elle est supérieure ou non à la perte de revenus qu’il a subie. Les deux parties sont liées aux utilisateurs, qui peuvent choisir l’itinéraire à péage ou l’itinéraire public. Il en résulte deux problèmes bi-niveaux – l’un pour l’agence, l’autre pour le concessionnaire – et une méthode de résolution itérative est proposée pour les résoudre. La solution de chaque problème est un équilibre de Stackelberg.
Chacun des deux problèmes bi-niveaux est formulé sous la forme d’un problème mono-niveau par l’ajout de conditions d’optimalité. Le premier est un programme non linéaire non convexe en nombres mixtes (MINLP), et le second est un programme non linéaire non convexe (NLP). Les deux sont résolus avec le solveur non linéaire Artelys Knitro et pour les deux, la méthode de programmation quadratique séquentielle est exploitée.
Les résultats d’une étude de cas montrent qu’une programmation minutieuse des activités d’amélioration et un accord simultané sur la réduction des prix des péages peuvent entraîner une diminution de 8% de la durée totale du trajet pour les usagers, avec des coûts faibles pour l’organisme public et aucune réduction des recettes totales pour le concessionnaire.
Tutoriel
Vous n’êtes pas encore familier avec le domaine de l’optimisation non linéaire ? Dans ce tutoriel, nous vous présentons quelques exemples de problèmes non linéaires pour diverses applications. Vous y découvrirez notamment les méthodes de programmation non linéaire en utilisant le solveur Artelys Knitro dans un notebook Python, au travers de différents exemples.
Version d’essai
Obtenez votre licence d’essai gratuite et testez les performances d’Artelys Knitro sur vos problèmes d’optimisation mathématique. La version d’essai vous permettra d’accéder gratuitement à Artelys Knitro sans limitations pour une durée d’un mois ou avec contraintes pour une durée de six mois. Cette version d’essai inclut un service de support et maintenance.
Artelys Knitro : des performances sans pareilles
Meilleur solveur
non-linéaire
Depuis plusieurs années, Artelys Knitro s’est distingué dans les benchmarks indépendants, démontrant ainsi sa capacité à trouver des solutions optimales réalisables plus rapidement que les solveurs concurrents.
Support technique
L’équipe de support technique d’Artelys est constituée de consultants hautement qualifiés (niveau doctorat), ayant une grande expérience dans la résolution de problèmes complexes et la mise en place de solutions d’optimisation à l’échelle de l’entreprise. Grâce à leur expertise, ils sauront vous guider sur la mise en place des fonctionnalités algorithmiques ou logicielles qui pourraient optimiser votre utilisation d’Artelys Knitro.
Mises à jour et nouvelles fonctionnalités
L’équipe de développement travaille sans relâche afin de fournir deux nouvelles versions d’Artelys Knitro par an. Ces deux versions se basent sur des retours clients d’expériences et nous permettent d’améliorer notre solveur en s’assurant d’être toujours plus proche des besoins de nos utilisateurs.
© ARTELYS • All rights reserved • Legal mentions