Cette thèse aborde le problème de la résolution des problèmes combinatoires à l'aide d'algorithmes génétiques. Ce type d'algorithme présente en effet nombres d'avantages. Cependant, ils sont généralement relativement lents. Cette thèse est donc centrée sur les algorithmes hybrides, c'est-à-dire des algorithmes construits à l'aide de plusieurs méthodes différentes. Dans notre cas, nous étudions les algorithmes qui réunissent algorithmes génétiques et heuristiques. Il existe deux méthodes pour générer de tels algorithmes qui sont la représentation directe et la représentation indirecte. Ces deux méthodes sont étudiés au travers de trois problèmes distincts : l'ordonnancement statique de programmes parallèles, le placement de composants électroniques et la planification de réseaux cellulaires. Pour chacun des trois problèmes, les algorithmes hybrides ont montrés leur efficacité. Pour le problème de la planification de réseaux cellulaires, une nouvelle modélisation a été faite. Cette modélisation permet d'effectuer en même temps le placement des émetteurs et l'allocation de fréquences.

Le travail présenté dans cette thèse traite de l'extraction de connaissances à l'aide de métaheuristiques et de ses applications à des problématiques en génomique. Dans un premier temps, nous donnons un état de l'art des métaheuristiques utilisées pour l'extraction de connaissances et plus particulièrement de l'utilisation des algorithmes génétiques en orientant notre présentation sur trois aspects fondamentaux des métaheuristiques : la représentation d'une solution, la fonction d'évaluation et le choix des opérateurs. Nous présentons ensuite deux problématiques issues d'une collaboration avec l'Institut de Biologie de Lille autour de la recherche de facteurs génétiques de prédisposition à certaines maladies multifactorielles (diabète de type II, obésité). Nous proposons une modélisation de ces problèmes en problèmes d'extraction de connaissances. Nous traitons ensuite les différentes taches d'extraction de connaissances identifiées comme des problèmes d'optimisation et proposons un schéma d'algorithme génétique possédant des mécanismes avancés d'intensification et de diversification pour les résoudre. Les apports de ces mécanismes sont testés modulairement afin de montrer leurs performances. Nous intégrons également des connaissances du domaine biologique afin de répondre aux problématiques posées. Cette intégration s'effectue aussi bien au niveau des fonctions d'évaluation proposées qu'au niveau de certains mécanismes utilisés. Enfin, différents modèles de parallélisme sont utilisés.

Dans cette thèse, nous traitons de l'optimisation du taux de décroissance exponentielle uniforme de l'équation des ondes sur un domaine W mono ou bidimensionnel. L'amortissement se fait à l'aide d'un feedback en vitesse égal à une certaine constante k sur un sous domaine w. Ce taux de décroissance est lié à l'abscisse spectrale m de l'opérateur associé au problème et à une quantité géométrique g, introduite par Bardos, Lebeau et Rauch dans le cas bidimensionnel. On montre que l'abscisse spectrale est dérivable par rapport à k à l'origine, et on étudie cette dérivée J pour approximer m par le produit de k et J. Dans la première partie de la thèse, nous étudions de façon théorique les fonctionnelles J et g. Nous caractérisons les géométries optimales dans le cas d'un intervalle ou d'un carré pour des valeurs particulières de la contrainte d'aire. Dans le cas du carré, nous concevons un algorithme de calcul exact de la quantité géométrique dans le cas où w est un réunion de carrés basé sur un nouveau théorème d'interversion de limites. La seconde partie est dédiée à l'optimisation numérique des quantités J et g à l'aide de différents algorithmes génétiques. Les résultats obtenus ne sont pas intuitifs.

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

La sécurité incendie repose sur l'utilisation de simulations numériques. Les codes de calcul sont composés de différents modèles dont un nommé modèle de pyrolyse qui a pour enjeu de décrire la décomposition thermique des solides étudiés. Toutefois, les modèles de pyrolyse actuels sont sommaires et sources de multiples erreurs. Notre démarche de travail est multi-échelles afin de procéder étape par étape à la validation du modèle, tenant compte de l'évolution des propriétés thermiques, physiques et chimiques au cours de la décomposition. Le présent programme de recherche concerne les matériaux de l'habitat et plus particulièrement deux contre plaqués en bois. Nous avons caractérisé expérimentalement la décomposition thermique de ces bois à deux échelle de travail : en analyseur thermogravimétrique (échelle particule) et en cône calorimètre (échelle matériau) couplés à divers analyseurs de gaz. Le suivi des vitesses de perte de masse et des émissions gazeuses permet la proposition de mécanismes réactionnels de décomposition thermique : étapes de la décomposition. Chaque réaction de ces mécanismes a une vitesse qui peut être décrite sous la forme d'une loi d'Arrhenius dont les paramètres sont déterminés par la méthode des Algorithmes Génétiques. La comparaison des résultats numériques et expérimentaux à l'échelle de la particule (ATG), montrant un très bon accord, le modèle de pyrolyse développé est validé à cette échelle. La modélisation des essais cône calorimètre en vue de la validation du Modèle à plus grande échelle a été menée à l'aide du code Gpyro. Les résultats obtenus ne sont toutefois pas satisfaisants.

Dans cette thèse, nous avons développé de nouvelles méthodes d'aide à la décision pour l'ordonnancement dans la chaîne logistique. Nous avons proposé des méthodes qui privilégient la coopération entre les différents acteurs de la chaîne logistique notamment en ce qui concerne la négociation avec les fournisseurs sur les dates d'arrivée des composants, et avec les clients sur les dates de livraisons des produits finis. Au niveau opérationnel, chaque acteur construit son ordonnancement par rapport à ses propres centres de production. Comme la production de produits finis dépend des composants, des négociations sont entamées entre les acteurs concernant les dates d'arrivées des composants (les fenêtres de temps). Une solution globale est obtenue par une approche itérative pour définir l'ordonnancement juste à temps minimisant la somme des pénalités (retards et avances par rapport aux dates fixées). Pour la résolution du problème d'ordonnancement juste à temps, local à chaque centre de production, nous avons proposé une méthode approchée basée sur les algorithmes génétiques. Chaque solution est évaluée grâce à un algorithme pseudo-polynomial basé sur le PERT coût. Un contrôle semi décentralisé est développé pour assurer la convergence des négociations. Par ailleurs, nous avons étudié un ensemble de problèmes concernant l'optimisation des transports dans les chaînes logistiques.

De nos jours, le problème de transport de marchandise occupe une place importante dans la vie économique des sociétés modernes. Le problème de ramassage et de livraison (pick-up and delivery problem) est l'un des problèmes dont une grande partie des chercheurs s'y est intéressée.Il s'agit de déterminer un circuit de plusieurs véhicules, de façon à servir à coût minimal un ensemble de clients et de fournisseurs répartis dans un réseau, satisfaisant certaines contraintes relatives aux véhicules, à leurs capacités et à des précédences entre les nœuds. Les travaux de recherche développés dans cette thèse portent sur le PDPTW (Pickup and Delivery Problem with Time Windows) à plusieurs véhicules (m-PDPTW). Ce dernier a été traité dans les deux cas : statique et dynamique. Nous avons proposé plusieurs approches de résolution du m-PDPTW basées sur les algorithmes génétiques, l'optimisation multicritère et le calcul des bornes inférieures, et ceci pour minimiser un certain nombre de critères comme : le nombre de véhicules utilisés, la somme des retards ou le coût total de transport. Ces approches ont donné de bons résultats, principalement au niveau de la minimisation de la somme des retards où nous avons obtenu, dans plusieurs cas, un retard nul avec un coût de transport tolérable

Cette thèse traite de l'utilisation des algorithmes évolutionnaires (AE) pour résoudre des problèmes de satisfaction de contrainte (CSP) en domaines finis sans spécialisation ni hybridation particulière. Après avoir présenté les CSP et les méthodes couramment utilisées pour les résoudre (chapitres 1 et 2), nous présentons le paradigme évolutionnaire et ses applications (chapitres 3 et 4). Ensuite, nous proposons une comparaison entre les méthodes de recherche arborescente et les métaheuristiques sur des coloriages de graphe sur-contraints, dans un contexte de réglage des paramètres minimal (chapitre 5). Nous étudions le paysage de recherche pour comprendre les raisons des différences d'efficacité des méthodes. Enfin, nous proposons de nouveaux opérateurs génétiques (croisement, mutation, diversification) dont le paramétrage est moins fastidieux qu'avec les opérateurs classiques (chapitre 6). Nous concluons sur l'intérêt d'exploration des réseaux de neutralité.

Nous défendons la thèse selon laquelle la modélisation des Algorithmes Génétiques Coévolutionnaires (AGCs) sous forme de systèmes multi-agent organisationnels répond au manque d'expressivité en termes de structure, d'interactions et d'adaptation de ces algorithmes dans les modèles et plateformes existants. Dans cette optique nous introduisons MAS4EVO, Multi-Agent Systems for EVolutionary Optimization, un nouveau modèle agent (re-)organisationnel basé sur Moise+. MAS4EVO est implémenté dans DAFO (Distributed Agent Framework for Optimization), un framework multi-agent organisationnel permettant l'utilisation, la manipulation et la distribution d'AGCs existants et nouvellement créés (hybride et dynamique) pour l'optimisation de problèmes difficiles. Les expérimentations de ces AGCs ont été conduites sur deux problèmes d'optimisation métier, le premier étant un problème de gestion de stock et le second étant un problème de contrôle de topologie dans les réseaux ad hoc sans fil.

Cette thèse concerne la conception optimale de systèmes robotisés à haute mobilité pour la chirurgie mini-invasive. Elle este basée sur un processus d'optimisation par algorithmes évolutionnaires mult-objectifs, couplés à une simulation réaliste de la tache chirurgicale qui prend en compte tous les paramètres nécessaires à l'évaluation fidèle des robots. Cette méthodologie de conception a été appliquée au geste de suture lors d'une procédure de pontage coronarien. Elle aboutit à l'obtention d'un instrument chirurgical robotisé adapté, doté de 9 degrés de liberté: DRIMIS. Un prototype en a été réalisé et ses performances cinématiques évaluées.