Optimisation dynamique des colonies de fourmis pour l’acheminement et la recharge des véhicules électriques

Nous sommes heureux de vous présenter notre nouvelle contribution à la recherche en logistique intelligente et durable : « Dynamic Ant Colony Optimization for EV Routing & Charging ».

L’enjeu :

Comment adapter efficacement les tournées de livraison existantes à une flotte de véhicules électriques, sans tout reconstruire ?
C’est un défi majeur pour les opérateurs logistiques dans un contexte de transition énergétique.

Les tournées actuelles, conçues pour des moteurs thermiques, ne tiennent pas compte :
– de l’autonomie limitée des véhicules électriques,
– de la localisation des bornes de recharge,
– ni du respect strict des créneaux horaires.

Repartir de zéro serait trop coûteux. L’objectif devient alors : reconvertir intelligemment les itinéraires existants pour répondre aux nouvelles contraintes.

Notre solution :

En partenariat avec DEKI, nous avons développé EVROPT, une approche bio-inspirée basée sur l’Ant Colony Optimization (ACO).

L’idée : reproduire le comportement collectif des fourmis pour construire, adapter et optimiser les tournées.
Plutôt que de générer de nouveaux parcours, EVROPT adapte dynamiquement les tournées thermiques existantes, en insérant des arrêts de recharge de manière optimisée.

Innovations clés :

• Dépôt de phéromones dynamique : tenant compte du niveau de charge (SOC), des distances aux bornes, et des contraintes horaires.
• Modèle énergétique réaliste : consommation calculée selon la physique du véhicule (masse, pente, frottements…).
• Réseau de recharge consolidé : regroupement et traitement de données ouvertes pour refléter un maillage réel.
• Contraintes fortes et souples : respect strict des créneaux horaires, pénalités si la batterie descend sous 20 %.

Résultats observés :

L’algorithme a été testé sur 7 tournées réelles (Paris) initialement prévues pour des véhicules thermiques.

• Tournées < 90 km : converties à 100 %, sans retard.
• Tournées > 90 km : conversion partielle avec arrêts de recharge insérés.
• Niveau de batterie toujours maintenu > 20 %.
• Allongement maîtrisé : +39 à +65 % de temps, +11 à +112 % de distance.
• Applications concrètes :

– Aide à la conversion de flotte thermique → électrique
– Simulation rapide de faisabilité EV
– Réduction de l’impact carbone sans reconfiguration lourde
– Segmentation optimisée des flottes mixtes.