# Mini Projet - Optimisation Métaheuristique Ceci est le répertoire Git du projet d'optimisation métaheuristique du groupe 9 dont les membres sont AIT MOUSSA Amine, DAANOUNI Siham et DELAMOTTE Clément. Le sujet choisi est **l'optimisation du chargement des véhicules électriques** et l'algorithme mis en place est **Multiple Objectives Particle Swarm Optimization (MOPSO) + Surrogate**. La modélisation du problème se trouvera dans le rapport. Pour les datasets, nous avons pris diverses sources pour concevoir notre propre jeu de données: - data/vehicle_capacity.csv: [Car Dataset (2025)](https://www.kaggle.com/datasets/abdulmalik1518/cars-datasets-2025/data) - data/elec_prices.csv: [RTE France (éco2mix)](https://www.rte-france.com/donnees-publications/eco2mix-donnees-temps-reel/donnees-marche), les données ont été récupérées manuellement sur l'hivers 2025 (S2-S5) et l'été 2025 (S29-S32) ## Installation Le projet a été concu à l'aide du *Python packet manager* ***UV***, il est préférable d'utiliser celui-ci pour ca facilité d'utilisation. **UV** peut être installé via le [site internet officiel](https://docs.astral.sh/uv/getting-started/installation/#installing-uv). **Linux:** ```bash # Installation de UV curl -LsSf https://astral.sh/uv/install.sh | sh ``` **Windows:** ```powershell # Installation de UV powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" # Ou via WinGet winget install --id=astral-sh.uv -e ``` ## Utilisation Pour charger le projet et l'executer sans problème, il faut d'abord configurer notre environnement d'execution de la manière suivante: ```bash # Création d'un environnement virtuel (nécessaire) uv venv # Téléchargement des requirements du projet uv pip sync uv.lock # Si uv.lock n'existe pas, vous pouvez le générer avec la commande suivante: uv pip compile --upgrade pyproject.toml -o uv.lock ``` Enfin, vous pouvez executer n'importe quel script avec la commande `uv run main.py` (main.py pouvant etre remplacé par n'importe quel autre script python executable).