Résumé
Ce mémoire, réalisé en collaboration avec le centre de recherche Cenaero, s'inscrit dans le cadre de l'optimisation de fonctions de grande dimension au moyen d'algorithmes évolutionnaires. De nos jours, ceux-ci sont couramment utilisés dans le monde de l'industrie. Ils permettent d'optimiser de nombreux problèmes tout en ne possédant que peu d'informations sur ceux-ci. Ils perdent toutefois de leur efficacité lorsque la dimension du problème traité devient relativement grande (plus d'une centaine de variables).L'objectif de ce mémoire est d'investiguer, développer et tester un type avancé d'algorithme évolutionnaire permettant d'optimiser des problèmes de grande dimension. Ces algorithmes, couramment dénommés algorithmes évolutionnaires distribués ou coopératifs, consistent à diviser le problème original en sous-problèmes de dimensionnalité moindre et ensuite à optimiser chacun des sous-problèmes, ceux-ci coopérant entre eux. Dans le cadre de ce mémoire, nous avons implémenté deux algorithmes dont le fonctionnement s'appuie sur un procédé itératif de décompositions aléatoires. Le second est une variante du premier permettant d'auto-adapter certains paramètres de l'algorithme en cours d'optimisation. Ces implémentations ont été réalisées dans le logiciel MINANO, plate-forme d'optimisation multi-disciplinaire du centre de recherche Cenaero.
Dans le but de tester les performances de ces algorithmes, nous avons élaboré un ensemble de fonctions test multi-dimensionnelles présentant des caractéristiques variées et couvrant un large éventail de problèmes d'optimisation mono-objectif sans contraintes. Les algorithmes distribués ont ensuite été appliqués à chacune des fonctions test de dimension 50 et 500 et leur efficacité pour des problèmes de grande dimension a ainsi pu être mise en évidence.
la date de réponse | 23 juin 2015 |
---|---|
langue originale | Français |
L'institution diplômante |
|
Superviseur | Annick Sartenaer (Copromoteur), Charlotte Beauthier (Copromoteur), Timoteo Carletti (Jury) & Andre Fuzfa (Jury) |