De nombreuses fonctions cellulaires sont réalisées grâce à l'interaction coordonnée de plusieurs gènes. Identifier le graphe de ces interactions, appelé réseau de régulation génétique, à partir de données d'expression de gènes est l'un des objectifs majeurs de la biologie des systèmes. Dans cette thèse, nous abordons ce problème en choisissant de modéliser les relations entre gènes par un réseau bayésien. Se pose alors la question de l'apprentissage de la structure de ce type de modèle à partir de données qui sont en général peu nombreuses. Pour résoudre ce problème, nous recherchons parmi tous les modèles possibles le modèle le plus simple, expliquant le mieux les données. Pour cela, nous introduisons et étudions différents types d'algorithmes génétiques permettant d'explorer l'espace des modèles. Nous nous intéressons plus particulièrement aux méthodes de spéciation. ces dernières, en favorisant la diversité des solutions candidates considérées, empêchent l'algorithme de converger trop rapidement vers des optima locaux. Ces algorithmes génétiques sont comparés avec différentes méthodes d'apprentissage de structure de réseaux bayésiens, classiquement utilisées dans la littérature. Nous mettons ainsi en avant la pertinence des approches evolutionnaires pour l'apprentissage de ces graphes d'interactions. Enfin, nous les comparons à une classe alternative d'algorithmes évolutionnaires qui s'avère particulièrement prometteuse : les algorithmes à estimation de distribution. Tous ces algorithmes sont testés et comparés sur un modèle du réseau de régulation de l'insuline de 35 noeuds dont nous tirons des jeux de données synthétiques de taille modeste. / Inferring gene regulatory networks from data requires the development of algorithms devoted to structure extraction. When only static data are available, gene interactions may be modelled by a bayesian network that represents the presence of direct interactions from regulators to regulees by conditional probability distributions. In this work, we used enhanced evolutionary algorithms to stochastically evolve a set of candidate bayesian network structures and found the model that best fits data without prior knowledge. We proposed various evolutionary strategies suitable for the task and tested our choices using simulated data drawn from a given bio-realistic network of 35 nodes, the so-called insulin network, which has been used in the literature for benchmarking. We introduced a niching strategy that reinforces diversity through the population and avoided trapping of the algorithm in one local minimum in the early steps of learning. We compared our best evolutionary approach with various well known learning algorithms (mcmc, k2, greedy search, tpda, mmhc) devoted to bayesian network structure learning. Then, we compared our best genetic algorithm with another class of evolutionary algorithms : estimation of distribution algorithms. We show that an evolutionary approach enhanced by niching outperforms classical structure learning methods in elucidating the original model. Finally, it appears that estimation of distribution algorithms are a promising approach to extend this work. These results were obtained for the learning of a bio-realistic network and, more importantly, on various small datasets.

Titre de l'écran-titre (visionné le 10 janvier 2024) / La Transformée de Burrows-Wheeler (BWT) permet d'effectuer une excellente compression de données grâce à son tri de la séquence des caractères sources, regroupant ainsi des données similaires pour améliorer la compression. Bien que l'algorithme Move-to-Front (MTF) ne cause pas de compression en soi, la synergie qu'elle a avec l'algorithme de Huffman, classique ou amélioré, améliore la performance de compression. MTF, en augmentant la fréquence des petites valeurs dans les données codées, combiné au réarrangement des caractères effectué par BWT, crée un cadre optimal pour un codage efficace de Huffman. Néanmoins, la version classique de MTF a ses limites, car elle promeut uniformément les symboles accédés à l'avant de la liste, négligeant éventuellement les structures présentes dans le texte d'entrée. En introduisant une politique de promotion optimale qui réordonne minutieusement les symboles selon les modèles de données inhérents, on peut accentuer l'asymétrie de la distribution des valeurs, renforçant la compatibilité avec l'algorithme de Huffman. Cette méthode améliorée a démontré sa capacité à compresser des images complexes, non linéaires, avec une efficacité notable, bien que l'avantage obtenu diminue chez des images à la géométrie plus simple. / The Burrows-Wheeler Transform (BWT) allows for excellent data compression due to its sorting of the source character sequence, grouping similar data to enhance compression. Although the Moveto-Front (MTF) algorithm does not cause compression in itself, its synergy with the classic or enhanced Huffman algorithm improves compression performance. MTF, by increasing the frequency of small values in coded data, combined with the character rearrangement performed by BWT, creates an optimal framework for efficient Huffman coding. However, the classic version of MTF has its limits, as it uniformly promotes accessed symbols to the front of the list, possibly neglecting structures present in the input text. By introducing an optimal promotion policy that carefully reorders symbols according to inherent data patterns, one can accentuate the asymmetry of value distribution, enhancing compatibility with the Huffman algorithm. This improved method has demonstrated its ability to compress complex, non-linear images with notable efficiency, although the advantage obtained decreases for images with simpler geometry.

Bien que certaines règles générales aient été déterminées pour la conception de joints tubulaires collés structuraux, aucune procédure systématique d'optimisation ne permet de déterminer la nature des configurations optimales ou les règles de conception du joint qui sont propres à l'application envisagée. Dans ce contexte, l'objectif principal de cette Thèse est d'élaborer une procédure d'optimisation multiobjectif qui permet d'identifier des configurations globalement optimisées de joints tubulaires collés à simple recouvrement soumis à différents types de chargements simples et à un chargement combiné. La procédure d'optimisation proposée se détaille en quatre étapes : 1) identifier les propriétés et loi de comportement des matériaux pour toutes les pièces qui forment le joint, 2 ) élaborer un modèle numérique d'analyse par éléments finis dans lequel toutes les dimensions géométriques constituent des paramètres dimensionnels, 3) réaliser une étude paramétrique pour identifier les paramètres qui influent de façon non négligeable les fonctions objectif impliquées dans les études d'optimisation subséquentes et 4) définir le problème d'optimisation, c'est-à-dire les variables d'optimisation, les fonctions objectif et les fonctions de contrainte, et exécuter les études d'optimisation. Cette procédure est employée pour réaliser un total de 17 études d'optimisation pour un joint tubulaire collé à simple recouvrement soumis à un chargement en traction pure (4), en torsion (2) et en flexion ordinaire (4) de même qu'à un chargement combiné (7). Les résultats de ces études fournissent de 20 à 229 configurations optimales et permettent de faire ressortir des règles de conception propres à l'application du joint. Les originalités apportées par cette Thèse ont principalement trait à la généralité de l'approche proposée pour la recherche d'une conception optimale d'un joint tubulaire collé. Plus spécifiquement, l'introduction de paramètres dimensionnels qui définissent l'entièreté du modèle du joint, la considération de plusieurs fonctions objectif conflictuelles dans l'optimisation sans accorder d'importance relative à chacune d'entre elles et l'application d'un chargement composé d'une combinaison de chargements simples (traction, torsion et flexion) constituent les éléments d'originalité de cette Thèse.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Ce travail a pour objectif la réalisation d'un code de calcul élastostatique et modal des structures métalliques planes et tridimensionnelles formées de poutres en utilisant la méthode des éléments finis. Le module de calcul réalisé, appelé CADBEL, est développé sur la base de la programmation orientée objet qui est connue par les nombreux avantages qu’elle offre en utilisant le langage de programmation Visual C++. En plus du calcul des réponses statiques et modales, CADBEL permet le dimensionnement des structures en construction métallique selon la nouvelle norme européenne Eurocode 3. Il permet, également, grâce à son processeur d’optimisation basé sur les algorithmes génétiques, d’aider le concepteur à choisir à partir d’un catalogue de profilés sidérurgiques les sections qui répondent aux diverses contraintes de conception et qui offrent le poids minimum de la structure étudiée. L’architecture orientée objet de CADBEL permet d’assurer une interaction continue entre les différentes applications et d’intégrer de nouvelles formulations éléments finis, lois de comportement des matériaux et méthodes de résolution. Le programme CADBEL est intégré dans le logiciel AutoCAD de modélisation géométrique et de dessin assistés par ordinateur. Une interface graphique personnalisée a été développée dans l’environnement d’AutoCAD en utilisant sa librairie de développement orientée objet la plus récente et la plus puissante connue sous le nom ObjectARX. Cette interface englobe des commandes lignes, des icônes et des boîtes de dialogue dédiées aux différentes opérations de base nécessaires pour le pré-traitement, l’analyse et le post-traitement.

A l'heure actuelle, la démarche utilisée pour apprécier l'intérêt économique de différents systèmes énergétiques s'appuie sur un schéma de fonctionnement fixé. Cependant, des études ont montré que les schémas de fonctionnement correspondant aux meilleurs rendements thermodynamiques ne conduisent pas nécessairement aux meilleurs coûts de production. <br />Une méthode appelée optimisation technico-économique a été proposée. Cette méthode vise à minimiser le coût de production d'un système énergétique, incluant à la fois les coûts de fonctionnement et les coûts d'investissement. Elle a été mise en œuvre grâce à l'utilisation des algorithmes génétiques. Cette démarche a été comparée à la méthode d'intégration thermique sur deux exemples différents et son intérêt a ainsi pu être validé. L'optimisation technico-économique a alors été appliquée à différents systèmes énergétiques : tant pour la production d'hydrogène que pour la production d'électricité

L’informatique pervasive, paradigme fer de lance des services “anytime/anywhere”, appelle de plus en plus à des travaux de ré-ingénierie de sites Web. L’approche contemporaine de l’informatique dans les nuages va d’ailleurs générer de nouveaux besoins en ce sens. Aujourd’hui, les sites Web sont toujours pensés pour l’affichage sur un ordinateur traditionnel (comprendre desktop). Des versions alternatives sont cependant de plus en plus proposées pour l’accès via des smartphones, ou encore des dispositifs de visionnage jadis passifs, comme la télévision (interactive IPTV). Ces travaux de développement sont souvent relégués à des tâches ad hoc dans la gestion de projet du développement d’un site Web. Les algorithmes génétiques nous permettent d’approximer le problème d’optimisation de cette composition et son séquencement. En effet, les différentes compositions possibles sont mises en concurrence, croisées, et évaluées, de sorte qu’une solution proche d’un optimum puisse se dégager en un temps fini. Cet algorithme est au cœur du moteur d’adaptation proposé. La thèse fait état de l’implémentation de ce modèle complet, des résultats obtenus expérimentalement, et propose une interprétation de la performance du système. Le premier chapitre de ce mémoire est consacré au contexte de notre étude et l’étude bibliographique. Tout d’abord, nous présentons les généralités sur le domaine de l’adaptation automatique de documents Web. Par la suite, nous donnons un aperçu des contributions scientifiques ainsi que des systèmes déjà développés pour l’adaptation automatique. L’étude comparative de ces travaux nous a permis de dégager les pistes de travail de l’approche proposée dans la thèse. Le second chapitre propose notre modèle et plus particulièrement son découpage architectural. Nous présentons les concepts d’estimation de valeurs caractéristiques et de simulation de transformations permettant de construire l’algorithme génétique au centre de notre moteur d’hypermédia adaptatifs. L’implémentation de notre algorithme génétique y est également explicitée. Enfin, le chapitre 3 sert à présenter l’observation des résultats obtenus, ainsi que dresser les conclusions liées à notre implémentation. Cette présentation est associée à une étude des conséquences de la variation des paramètres de notre modèle et des ressources computationnelles. De cette analyse, nous soulevons les perspectives qu’offrent nos travaux / Pervasive computing calls for more and more re-engineering on Web sites. Nowadays, Web sites are often designed to be displayed on a personal computer. However, alternative versions are proposed more and more often. Zoom, focus, and thumbnail systems make the browsing easier but are not generally applicable to other devices. In our opinion, it is necessary to be able to adapt a Web document according to the constraints of the browsing device. This thesis proves that a meta-heuristic approach allows to make the re-engineering of a Web site automatic for a device whose charactéristics are not known in advance. In order to do so, we propose an architecture coupled with a module able to provide browsing session in the case where the Web document has to be split in chuncks. Device characteristics being not known in advance, we also introduce a system able to gather passively the device information. The work relies on an adapting model inspired by the transcoding. Our model appeals to techniques called transformations. Transformations are multiple, so it is necessary to determin, for each context, which ones must be applied and in which order. This sequencing of transformations is named composition. A genetic algorithm allows us to find an approximate solution for the problem of the best composition. Finally, the thesis presents the implemetation of this model, the results of our experimentations and proposes an interpretation of the performance of the system

Tableau d'honneur de la Faculté des études supérieures et postdoctorales, 2023 / Les activités de planification et d'ordonnancement sont complexes et leur optimisation est cruciale pour les entreprises, particulièrement dans les réalités économiques et industrielles modernes. En effet, la forte concurrence engendrée par la globalisation du marché, l'exigence croissante des consommateurs en termes de qualité et délais, ou encore l'utilisation d'environnements technologiques fortement connectés (Industrie 4.0), motivent les entreprises à améliorer continuellement leurs approches de gestion tactique et opérationnelle (Lasi et al., 2014; Hozdić, 2015; Alcácer and Cruz-Machado, 2019). C'est particulièrement vrai pour les produits d'ingénierie sur demande, ou Engineer-To-Order (ETO). Ces produits sont souvent très complexes en termes de structure, uniques ou non-standards, et sont fabriqués sur la base de besoins incertains et d'une conception incomplète ou vouée à évoluer (Wortmann, 1983, 1992; Mather, 1999; Little et al., 2000; Jünge et al., 2021; Alfnes et al., 2021). Ils conviennent particulièrement bien aux Petites et Moyennes Entreprises (PMEs) qui voient dans ce service de personnalisation un avantage concurrentiel par rapport aux grandes organisations disposant de capacités de production plus importantes (Little et al., 2000; Kusturica et al., 2018; Zennaro et al., 2019). Cependant, la nature incertaine de ces produits rend plus difficile l'évaluation des prix, la prévision des charges et des durées, engendre du gaspillage (d'éléments achetés ou produits avant d'être modifiés ou annulés) et réduit la robustesse des ordonnancements (par nécessité de réordonnancement) (Gutfeld et al., 2014; Hooshmand et al., 2016; Bhalla et al., 2022). Afin de proposer des décisions pertinentes et de prédire avec justesse les résultats qui en découleront, un système d'aide à la décision pour la planification et l'ordonnancement dédié au contexte ETO se doit de tenir compte des spécificités de ses produits et du processus permettant leur réalisation. Par exemple, les projets ETO sont généralement exécutés en ingénierie concurrente : on produit les pièces validées sans attendre la fin de la conception du projet. De plus, contrairement aux activités de production ou d'assemblage, les étapes d'ingénierie et de design peuvent être répétées jusqu'à la validation du client, ne sont exécutées qu'une fois pour différents éléments identiques du projet, sont souvent mesurées en journées, voire semaines, et sont soumises à des règles de précédence différentes. À cet égard, cette thèse s'articule autour de la question de recherche suivante : "Par quels moyens fonctionnels, méthodologiques, technologiques et architecturaux un système d'aide à la décision pour la planification et l'ordonnancement peut-il répondre aux problématiques des PMEs liées à l'approche ETO ?" Les cinq principales problématiques visées étant (i) l'instabilité des plans et ordonnancement construits, (ii) le gaspillage (de temps, de ressources matérielles ou financières) dû aux révisions de la conception, (iii) la difficulté à satisfaire les attentes des clients en termes de coût et délais, (iv) la forte concurrence du marché industriel moderne ou encore (v) la difficulté à prédire la performance des décisions prises. À travers cette thèse, nous répondons à cette question en proposant un système intelligent de planification et d'ordonnancement dédié au contexte ETO. L'objectif étant d'obtenir un système complet et fonctionnel. Ce dernier est composé d'un modèle de données (comportant les décisions clés, les informations nécessaires à la prise de ces décisions, les métriques d'évaluation et les contraintes d'optimisation), de plusieurs modules fonctionnels reposant sur des algorithmes d'optimisation et d'apprentissage novateurs, ainsi que sur une séquence d'interactions entre ces modules pour accomplir les différents cas d'utilisation. Afin d'appréhender de manière réalisable l'atteinte de cet objectif, nous avons réparti les étapes de création du système en sept contributions scientifiques. Tout d'abord, l'architecture est composée de cinq contributions conceptuelles : (i) la conceptualisation et la modélisation mathématique du problème étudié, (ii) la proposition d'une stratégie d'ordonnancement robuste, (iii) la conception d'une méthode heuristique de résolution (algorithme génétique hybride) du problème de planification et d'ordonnancement, (iv) la conception d'une méthode de construction d'une stratégie qui incorpore les décisions de planification et d'ordonnancement dans une stratégie commerciale et prédit son impact sur plusieurs métriques (à l'aide d'un réseau de neurones artificiels), et finalement, (v) l'architecture qui regroupe ces différents éléments. Ces contributions ont été possibles à la suite de différentes analyses et revues de la littérature scientifique. Ces revues ont permis de détecter des manques à combler et de faire des choix quant aux outils et méthodes à exploiter. La nature complexe, stochastique et combinatoire des problèmes rencontrés nous a motivé à opter pour une utilisation combinée de méthodes issues de l'intelligence artificielle (apprentissage automatique, méthodes d'optimisation combinatoire et simulation). Finalement, nous avons développé un prototype de notre architecture sous la forme d'un logiciel de simulation pédagogique et gamifiée. Nos contributions ont tout d'abord été testées unitairement et quantitativement à l'aide de deux types de métriques : leur performance computationnelle (vitesse d'exécution et mémoire utilisée) et la qualité des solutions proposées (déviation de l'optimalité, qualité pratique mesurée à l'aide de scénarios aléatoires d'exécution). Les résultats publiés démontrent ainsi (i) la capacité de nos méthodes à opérer sur des projets de taille réelle et (ii) la qualité des solutions proposées. Ensuite, la réalisation du prototype a permis de tester leur intégration sous la forme d'un système complet et fonctionnel. Ce prototype a par ailleurs été utilisé dans le cadre d'un cours dispensé à l'Université Laval. / Planning and scheduling activities are difficult and significantly impact the performance of manufacturing companies. The latter are therefore forced to constantly search for optimization methods that could help improve their tactical and operational decisions. It is especially true in modern economic and industrial realities characterized by strong competition due to the globalization of the market and growing expectations for quality and short lead times (Lasi et al., 2014; Hozdić, 2015; Alcácer and Cruz-Machado, 2019). Both activities are even more challenging in the Engineer-To-Order (ETO) context. Indeed, ETO products are one-of-a-kind or highly customized and non-standard. They are often composed of a complex structure (BOM/EBOM) and their production is executed based on uncertain needs for features and an incomplete design, intended to evolve over time (Wortmann, 1983, 1992; Mather, 1999; Little et al., 2000; Jünge et al., 2021; Alfnes et al., 2021). The ETO context is very suitable for Small and Medium Enterprises (SMEs) which see this additional service of design and engineering as a competitive advantage over industries with larger production capacities (Little et al., 2000; Kusturica et al., 2018; Zennaro et al., 2019). However, producing a partially unknown product complicates the forecast of costs, workloads, or deadlines (Gutfeld et al., 2014; Hooshmand et al., 2016; Bhalla et al., 2022). ETO projects are also subject to unstable schedules (with frequent rescheduling) and waste of time and resources. To offer appropriate planning and scheduling decisions and precisely forecast their performance, decision support systems dedicated to the ETO context should consider the specificities of typical products and execution processes. For instance, ETO projects are typically executed in concurrent engineering: already validated items are produced without waiting for the complete design of the product. Besides, unlike physical operations (production and assembly), non-physical activities (design and engineering) are repeated until validated by the client; are executed once for several identical items; are measured in days or even weeks; and do not respect the same precedence relations. This thesis intends to answer the following research question: "By what functional, methodological, technological, and architectural means can a decision support system for planning and scheduling address the issues faced by SMEs due to the ETO approach?" The five main issues addressed are (i) the frequent need for rescheduling, (ii) the waste of time and resources (due to items cancellation or modification after their purchase or production), (iii) the difficulty to satisfy the client expectations in terms of cost and lead time, (iv) the strong competition of the modern industrial market, and (v) the inability to forecast the impact of the decisions. Through this thesis, we answer this question by proposing an intelligent planning and scheduling system dedicated to the ETO context. We aim to obtain a complete and operational system. Hence, its architecture is composed of a data model (including the main decisions, the mandatory data to make those decisions, the metrics to evaluate their quality, and the optimization constraints), several business modules based on innovative optimization and learning algorithms, and the sequence of interactions needed to accomplish the different use cases. We then divided the different steps needed to answer the research question into seven achievable scientific contributions. First, the technical components of our architectures represent the five main contributions: (i) a mathematical model representing the studied problem, (ii) a robust planning and scheduling strategy, (iii) a hybrid genetic algorithm able to solve a real-sized instance of the problem, (iv) a prediction model, based on artificial neural networks, to build a complete commercial strategy incorporating the planning and scheduling decisions and forecasting its performance, and (v) the software architecture. Our contributions were possible only after various analyses and literature reviews. Those reviews allowed us to notice gaps regarding our context and make informed choices. To overcome the complex, stochastic, and combinatorial nature of the problems encountered, we opted for a combined use of methods linked to Artificial Intelligence (heuristic optimization, machine learning, and simulation). Finally, we implemented a prototype of our system as a gamified software dedicated to learning purposes. We first tested our contributions separately (unit tests) using two types of quantitative metrics: the computational performance (computing time and memory used) and the quality of the proposed solutions (deviation, impact of randomly generated scenarios). The results highlighted the capacity of our methods to solve realistic instances and the impact of our planning and scheduling strategy. Then, our prototype of implementation allowed us to validate their viable integration as a complete system. Our prototype has also been tested and used as part of a course given at Université Laval.

Ces travaux portent sur l'optimisation de structures stratifiées en utilisant un algorithme génétique. Un programme d'optimisation est développé et est ensuite appliqué à la résolution d'une série de problèmes d'optimisation pour lesquels les variables de design peuvent appartenir soit à un domaine discret soit à un domaine continu. Tout d'abord, il est question de problèmes où le nombre de plis, le matériau et l'épaisseur des plis sont fixés. Les variables de design sont alors l'orientation de chaque pli qui peut prendre, dans un premier cas, des valeurs discrètes (0ʻ, ł45ʻ, 90ʻ) puis des valeurs continues (de 0ʻ à 90ʻ). Deuxièmement, il est question de problèmes pour lesquels le nombre de plis et le matériau des plis deviennent des variables de design qui s'ajoutent alors à l'orientation des plis. Dans ces cas, la valeur des variables de design (matériaux et orientations) est choisie dans une liste de valeurs. / L'objectif de ces problèmes est, en premier lieu, la minimisation du poids ou du coût de la structure sous différentes contraintes et finalement, la minimisation du poids et du coût simultanément avec une formulation multi-objectifs. L'algorithme génétique développé utilise une stratégie multi-élitiste et empêche la présence d'individus identiques dans la population. Finalement, un algorithme génétique hybride, combinant l'algorithme génétique et une recherche locale, est développé et ensuite testé sur ces mêmes problèmes. Cette hybridation de l'algorithme résulte en une diminution du temps de calcul exigé et en une amélioration substantielle des résultats.