2.0 KiB
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)
- data/elec_prices.csv: RTE France (éco2mix), 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.
Linux:
# Installation de UV
curl -LsSf https://astral.sh/uv/install.sh | sh
Windows:
# 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:
# 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).