https://repository.esi-sba.dz/jspui/handle/123456789/14 Master Sun, 19 Jul 2026 01:00:13 GMT 2026-07-19T01:00:13Z https://repository.esi-sba.dz/jspui/handle/123456789/801 Titre: Optimizing the Vehicle Routing Problem (VRP) with Time Windows under Uncertainty Constraints Auteur(s): KHELIFAOUI, MOhamed Résumé: Vehicle routing with time windows (VRPTW) lies at the intersection of operational efficiency and service reliability. In real operations, travel and service times, and sometimes demand, vary with context like traffic, weather, and event patterns, making deterministic plans brittle. This manuscript develops a coherent view of VRPTW under uncertainty that brings together modeling, prediction, and decision-making. First, it consolidates the optimization foundations: single- and multi-objective perspectives, canonical VRP/VRPTW formulations, and solution strategies, needed to reason about trade-offs among cost, punctuality, and fleet usage. Second, it surveys principled ways to handle uncertainty, comparing scenario-based stochastic programming, service-level (chanceconstrained) models, and robust/distributionally robust optimization, with attention to calibration and out-of-sample evaluation. Beyond deterministic models, this study considers how context-aware information and uncertainty estimates for travel and service times can be incorporated into routing decisions, with careful attention to temporal and spatial dependence so that path variability and on-time reliability are assessed realistically. It situates these choices within established benchmarks and the broader literature, outlining common assumptions, evaluation practices, and the trade-offs that arise when balancing efficiency, service levels, and computational tractability, thereby framing a rigorous, data-aware treatment of uncertainty in VRPTW that supports dependable planning under variable operating conditions.**** L’acheminement des véhicules avec fenêtres de temps (VRPTW) se situe à l’intersection de l’efficacité opérationnelle et de la fiabilité du service. Dans les opérations réelles, les temps de trajet et de service, ainsi que parfois la demande, varient selon le contexte qui s’agit du trafic, conditions météorologiques ou événements, rendant les plans déterministes fragiles. Ce manuscrit développe une vision cohérente du VRPTW sous incertitude, intégrant modélisation, prédiction et prise de décision. Dans un premier temps, il consolide les fondements de l’optimisation : les perspectives mono- et multi-objectives, les formulations canoniques du VRP/VRPTW et les stratégies de résolution, nécessaires pour analyser les compromis entre coût, ponctualité et utilisation de la flotte. Dans un second temps, il examine de manière rigoureuse les approches de traitement de l’incertitude, en comparant la programmation stochastique à base de scénarios, les modèles à niveau de service (contraintes de chance) et l’optimisation robuste ou distributionnellement robuste, tout en insistant sur la calibration et l’évaluation hors échantillon. Au-delà des modèles déterministes, cette étude explore l’intégration d’informations contextuelles et d’estimations d’incertitude relatives aux temps de trajet et de service dans les décisions d’acheminement, en tenant compte de la dépendance temporelle et spatiale afin d’évaluer de manière réaliste la variabilité des trajets et la fiabilité des horaires. Elle replace ces choix dans le cadre des benchmarks établis et de la littérature existante, en mettant en évidence les hypothèses courantes, les pratiques d’évaluation et les compromis entre efficacité, niveau de service et complexité computationnelle. Ce travail propose ainsi une approche rigoureuse et fondée sur les données de la gestion de l’incertitude dans le VRPTW, favorisant une planification fiable dans des conditions opérationnelles variables. Description: Supervisor : Ms. TAOULI Amina / Co-Supervisor : Mr. AZZA Mohamed Wed, 01 Jan 2025 00:00:00 GMT https://repository.esi-sba.dz/jspui/handle/123456789/801 2025-01-01T00:00:00Z https://repository.esi-sba.dz/jspui/handle/123456789/799 Titre: Mobility Management and Handover Optimization for 5G Enabled IoT Architectures Auteur(s): TITOUAH, YAcine Résumé: With the rapid evolution of mobile networks toward 5G and beyond, efficient mobility management remains a critical challenge, particularly in heterogeneous network (HetNet) environments characterized by frequent handovers and diverse user requirements. This report presents the design, simulation, and comparative evaluation of an enhanced Context-Aware Handover Optimization (CAHO) algorithm developed for improved mobility control in 5G networks. The CAHO algorithm dynamically integrates multiple decision metrics including signal strength (RSRP), cell load, user velocity, SINR, and application-level QoS requirements to enable robust, energy-efficient, and ping-pong-free handovers. Using a Python-based discrete event simulator, the proposed CAHO approach is benchmarked against the Auto-Tuning Optimization (ATO) algorithm and other baseline methods such as threshold-based and load-aware schemes. Simulation results demonstrate that CAHO significantly reduces unnecessary handovers and energy consumption while maintaining seamless connectivity, particularly under variable speed conditions. This work highlights the potential of context-aware, adaptive algorithms in enhancing mobility robustness for next-generation networks. Description: Supervisor :Mr. Ahmed LOUNIS / Co-Supervisor :Mr. Hamdan BENSENANE Wed, 01 Jan 2025 00:00:00 GMT https://repository.esi-sba.dz/jspui/handle/123456789/799 2025-01-01T00:00:00Z https://repository.esi-sba.dz/jspui/handle/123456789/798 Titre: Modeling of 5G networks and their energy consumption. Auteur(s): BOUDOUR, HAlla Résumé: The expansion of Fifth Generation (5G) networks offers transformative connectivity but raises serious concerns about their growing energy footprint and environmental impact. To address this, my thesis focuses on the critical need for more accurate power consumption models for 5G base stations. I began by conducting a comparative study of leading energy modeling frameworks, from which I selected and integrated the most suitable one into an existing 5G network simulator. This enhancement allows the simulator to account for advanced radio mechanisms, Multiple Input Multiple Output (MIMO), and crucial power-saving features. The resulting tool provides a detailed view of network energy behavior under diverse traffic loads and operational settings. My findings illuminate the fundamental tradeoffs between network capacity and energy efficiency, while also assessing the practical effectiveness of different power-saving strategies. This work bridges the gap between component-level power data and large-scale network assessments, offering tangible guidance for designing greener telecommunication infrastructures and informing the strategies of researchers, operators, and policymakers.**** L’expansion des réseaux 5G offre une connectivité transformatrice, mais soulève de sérieuses préoccupations concernant leur empreinte énergétique croissante et leur impact environnemental. Pour y remédier, cette thèse se concentre sur la nécessité cruciale de développer des modèles de consommation d’énergie plus précis pour les stations de base 5G. Une étude comparative des principaux cadres de modélisation énergétique a d’abord été menée, permettant de sélectionner et d’intégrer le modèle le plus approprié dans un simulateur de réseau 5G existant. Cette amélioration permet au simulateur de prendre en compte les mécanismes radio avancés, la technologie MIMO (Multiple-Input Multiple- Output), ainsi que les fonctionnalités essentielles d’économie d’énergie. L’outil résultant fournit une analyse détaillée du comportement énergétique du réseau sous différentes charges de trafic et configurations opérationnelles. Les résultats obtenus mettent en évidence les compromis fondamentaux entre la capacité du réseau et l’efficacité énergétique, tout en évaluant la performance pratique de diverses stratégies d’économie d’énergie. Ce travail comble ainsi le fossé entre les données de consommation énergétique au niveau des composants et les évaluations globales du réseau, offrant des orientations concrètes pour la conception d’infrastructures de télécommunications plus durables, et guidant les chercheurs, les opérateurs et les décideurs vers des stratégies plus respectueuses de l’environnement. Description: Supervisor : Pr. Anthony BUSSON / Supervisor : Pr. Marceau COUPECHOUX / Supervisor : Pr. Sidi Mohammed BENSLIMANE Wed, 01 Jan 2025 00:00:00 GMT https://repository.esi-sba.dz/jspui/handle/123456789/798 2025-01-01T00:00:00Z https://repository.esi-sba.dz/jspui/handle/123456789/797 Titre: A Comparative Study of Optimization Techniques for BTS Placement Using Socio-Economic and Technical Factors Auteur(s): ALLAG, AYmen Résumé: The deployment of base transceiver stations (BTS) is essential for ensuring reliable coverage and quality of mobile services. Yet, choosing the right locations for these stations is a complex task that involves both technical and socio-economic considerations. Traditional methods, often heuristic or purely geospatial, do not fully capture factors such as population distribution, competition, or profitability. This dissertation proposes an artificial intelligence (AI)–based model to optimize BTS placement. The approach combines machine learning with socio-economic and geographic data, taking into account population density, current coverage gaps, industrial zones, competitor presence, and revenue forecasts. By doing so, it aims to identify strategic locations that improve coverage, reduce costs, and maximize returns. The work contributes a data-driven and economically viable framework for BTS deployment, offering operators a tool to design networks that are both efficient and sustainable in increasingly competitive markets**** Le d´eploiement des stations de base (BTS) est essentiel pour garantir une couverture fiable et une qualit´e optimale des services mobiles. Cependant, le choix des emplacements appropri´es pour ces stations constitue une tˆache complexe qui implique `a la fois des consid´erations techniques et socio-´economiques. Les m´ethodes traditionnelles, souvent heuristiques ou purement g´eospatiales, ne tiennent pas pleinement compte de facteurs tels que la r´epartition de la population, la concurrence ou la rentabilit´e. Ce m´emoire propose un mod`ele bas´e sur l’intelligence artificielle (IA) pour optimiser l’implantation des BTS. L’approche combine l’apprentissage automatique avec des donn´ees socio-´economiques et g´eographiques, en tenant compte de la densit´e de population, des lacunes actuelles de couverture, des zones industrielles, de la pr´esence de concurrents et des pr´evisions de revenus. L’objectif est d’identifier des emplacements strat´egiques permettant d’am´eliorer la couverture, de r´eduire les coˆuts et de maximiser les retours sur investissement. Ce travail apporte un cadre innovant, bas´e sur les donn´ees et ´economiquement viable, pour le d´eploiement des BTS. Il offre aux op´erateurs un outil efficace pour concevoir des r´eseaux `a la fois performants et durables dans un march´e de plus en plus concurrentiel. Description: Supervisor : Mr KHIARI Farid / Supervisor : Mr KHALDI Miloud Wed, 01 Jan 2025 00:00:00 GMT https://repository.esi-sba.dz/jspui/handle/123456789/797 2025-01-01T00:00:00Z