Pour améliorer la performance opérationnelle des chaînes d'approvisionnement sous les tendances de la mondialisation et de la personnalisation, la production et la distribution intégrées multi-usines ont récemment attiré une attention croissante. Cet article présente un nouveau problème intégré de planification de la production multi-usines et de routage des véhicules. Dans ce problème, un ensemble de commandes clients est d'abord attribué à plusieurs usines réparties pour la production, chacune étant organisée comme un atelier de flux hybride (HFS). En raison des aspects techniques ou physiques, l'éligibilité des usines est considérée à l'étape de production, où certaines commandes ne peuvent être traitées que dans un sous-ensemble d'usines. Les produits finis sont ensuite livrés par des véhicules dotés de capacités, soumis à des fenêtres de temps des clients. En tant que combinaison du problème de planification HFS distribué et du problème de routage des véhicules, trois types de décisions doivent être prises, à savoir l'allocation des usines, la planification des tâches et l'attribution et le routage des véhicules. Compte tenu de la NP-difficulté du problème étudié, un algorithme hybride qui intègre un algorithme d'estimation de distribution (EDA) avec une recherche à grande voisine adaptative (ALNS) est développé pour générer des solutions. Pour améliorer la capacité de recherche locale de cet algorithme, l'apprentissage par renforcement Q est utilisé pour déterminer dynamiquement les opérateurs de destruction et de réparation de l'ALNS. Les résultats computationnels sur des problèmes de test de petite et grande taille indiquent la supériorité de l'algorithme proposé.
Wang et al. (Mercredi,) ont étudié cette question.