Cet article présente l'optimisation par clés aléatoires (RKO), une méthode de recherche locale probabiliste polyvalente et efficace pour les problèmes d'optimisation combinatoire. RKO utilise le concept de clés aléatoires pour encoder les solutions en vecteurs de clés aléatoires et les décoder en solutions réalisables à l'aide d'un décodeur spécifique au problème. Le cadre RKO peut combiner diverses techniques métaheuristiques classiques, chacune fonctionnant indépendamment ou en parallèle, et partageant les solutions via un pool de solutions d'élite. Cette approche modulaire permet l'application de diverses techniques métaheuristiques, notamment le recuit simulé, la recherche locale itérative et les procédures de recherche adaptative aléatoire gloutonne. L'efficacité du cadre RKO, implémenté en C++ et disponible publiquement (dépôt GitHub : github.com/RKO-solver), est démontrée par des applications à trois problèmes d'optimisation combinatoire NP-difficiles : le problème p-médian du voisinage alpha, le problème de l'arbre de localisation des hubs et le problème du partitionnement de graphes contraint par la capacité des nœuds. Les résultats démontrent la capacité du cadre à générer des solutions de haute qualité dans un large éventail de domaines problématiques, soulignant son potentiel en tant qu'outil puissant d'optimisation combinatoire.
