La présente étude concerne l'étude d'optimisation thermique d'une machine électrique. Un modèle nodal est utilisé pour la simulation du champ de température. Ce modèle résout l'équation de la chaleur en trois dimensions, en coordonnées cylindriques et en régime transitoire ou permanent. On prend en compte les deux mécanismes de transport les plus importants : La conduction et la convection. L'évaluation de ce modèle est effectuée par l'intermédiaire de 13 valeurs de débits de référence. C'est en faisant varier ces variables qu'on évalue la performance du refroidissement dans la machine. Avant de partir sur l'étude d'optimisation de cettegéométrie, on a lancé une étude d'optimisation d'un cas plus simple afin de mieux comprendre les différents outils d'optimisation disponibles. L'expérience acquise avec les cas simples est utilisée dans l'optimisation thermique de la machine. La machine est thermiquement évaluée sur la combinaison de deux critères : la température maximale et la température moyenne. Des contraintes ont été additionnées afin d'obtenir des résultats physiquement acceptables. Le problème est résolu à l'aide des méthodes de gradient (Active-set et Point-Intérieur) et des Algorithmes Génétiques.

Dans une première partie théorique, nous nous penchons sur une analyse rigoureuse des performances de l'algorithme Sequential Monte Carlo (SMC) conduisant à des résultats de type bornes L^p et inégalités de concentration. Nous abordons notamment le cas particulier des SMC associés à des schémas de température, et analysons sur ce sujet un processus à schéma adaptatif.Dans une seconde partie appliquée, nous illustrons son utilisation par la résolution de problèmes inverses concrets en électromagnétisme. Le plus important d'entre eux consiste à estimer les propriétés radioélectriques de matériaux recouvrant un objet de géométrie connue, et cela à partir de mesures de champs rétrodiffusés. Nous montrons comment l'algorithme SMC, couplé à des calculs analytiques, permet une inversion bayésienne, et fournit des estimées robustes enrichies d'estimations des incertitudes.

L'hybridation des mécanismes de méthodes incomplètes et des techniques de programmation par contraintes est souvent basée sur des combinaisons de type maître-esclave, dédiées à la résolution de classes de problèmes spécifiques. Dans cette thèse, nous nous intéressons à la définition d'un modèle théorique uniforme, basé sur les itérations chaotiques de K.R. Apt qui définissent un cadre mathématique pour l'itération d'un ensemble fini de fonctions sur des domaines abstraits munis d'un ordre partiel. Ce cadre permet<br />de prendre en compte une hybridation entre les méthodes incomplètes et les méthodes complètes. Dans ce contexte, la résolution s'apparente à un calcul de point fixe d'un ensemble de fonctions de réductions spécifiques. Notre cadre générique permet alors d'envisager des stratégies de combinaisons et d'hybridation de manière plus fine et d'étudier leurs propriétés. Nous avons employé un cadre général approprié pour modéliser la résolution des problèmes d'optimisation et nous présentons des résultats<br />expérimentaux qui mettent en avant les atouts de telles<br />combinaisons en regard d'une utilisation indépendante des techniques de résolution.

Cette thèse s'articule autour des fonctions booléennes liées à la cryptographie et la cryptanalyse de certains schémas d'identification. Les fonctions booléennes possèdent des propriétés algébriques fréquemment utilisées en cryptographie pour constituer des S-Boxes (tables de substitution).Nous nous intéressons, en particulier, à la construction de deux types de fonctions : les fonctions courbes et les fonctions équilibrées de haut degré de non-linéarité.Concernant la cryptanalyse, nous nous focalisons sur les techniques d'identification basées sur les problèmes de perceptron et de perceptron permuté. Nous réalisons une nouvelle attaque sur le schéma afin de décider de sa faisabilité.Nous développons ici des nouvelles méthodes combinant l'approche déterministe DCA (Difference of Convex functions Algorithm) et heuristique (recuit simulé, entropie croisée, algorithmes génétiques...). Cette approche hybride, utilisée dans toute cette thèse, est motivée par les résultats intéressants de la programmation DC.

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 / Nowadays, the transport goods problem occupies an important place in the economic life of modern societies. The PDPTW (Pickup and delivery problem with Time Windows) is one which a large part of researchers was interested. This is an optimization vehicles routing problem which must meet requests for transport between suppliers and customers satisfying precedence and capacity.Researchers developed in this thesis concerns the resolution of the PDPTW with multiple vehicles (m-PDPTW). The latter was treated in two cases: static and dynamic.We have proposed some approaches to solving the m- PDPTW, based on genetic algorithms, multicriteria optimization and the lower bounds, and this to minimize a number of criteria such as: the vehicles number, the total travel cost, and the total tardiness time.Computational results indicate that the proposed approach gives good results with a total tardiness equal to zero with a tolerable cost

No description available.

No description available.

Un bon fonctionnement du coeur humain est primordial pour maintenir une bonne qualité de vie. Cependant, lorsque le coeur est défaillant, certaines interventions chirurgicales s’avèrent nécessaires pour prolonger l’espérance de vie. Dans le cadre d’un projet multidisciplinaire reliant le génie mécanique avec le domaine biomédical, notre équipe travaille sur la fabrication de valves cardiaques conçues entièrement par génie tissulaire. Pour y parvenir, il est important d’obtenir des propriétés mécaniques optimales pour les tissus biologiques. Afin d’obtenir ces propriétés mécaniques, un outil important a été fabriqué lors d’une étude antérieure : le bioréacteur cardiaque. Le bioréacteur cardiaque permet de reproduire l’environnement physiologique du coeur, notamment les conditions de débit et de pression. Il est crucial de bien contrôler ces conditions, car celles-ci jouent un rôle important lors du conditionnement des substituts valvulaires. Toutefois, il est complexe de contrôler simultanément ces deux conditions de manière efficace. C’est pourquoi notre équipe s’est concentrée sur le développement d’une nouvelle stratégie de contrôle afin que le bioréacteur puisse reproduire le plus fidèlement possible l’environnement physiologique. Plusieurs techniques de contrôle ont été essayés jusqu’à maintenant. Par contre, leur précision était généralement limitée. Une nouvelle approche a donc été envisagée et est présentée dans ce mémoire. Cette nouvelle approche pour le contrôle du bioréacteur est basée sur un type d’algorithme bien connu mais encore très peu utilisé en contrôle : les algorithmes génétiques. Cette approche prometteuse nous a permis de produire des résultats dépassant tous ceux obtenus jusqu’à maintenant pour l’une des deux conditions, soit le débit physiologique. / A proper functioning of the human heart is essential for maintaining a good quality of life. However, when the heart fails, some surgical procedures are necessary to prolong life expectancy. As part of a multidisciplinary project linking mechanical engineering to biomedical science, our team is working on the manufacture of heart valves entirely designed by tissue engineering. To achieve this, obtaining optimum mechanical properties is an important aspect for the biological tissues. To obtain these mechanical properties, an important tool was designed in a previous study : the cardiac bioreactor. Cardiac bioreactors allow the reproduction of the physiological environment of the heart, including flow and pressure conditions. It is crucial to properly control these conditions, as they play an important role in valvular substitutes conditioning. However, it is complex to simultaneously control both conditions effectively. This is why our team has focused on developing a new control strategy so that the bioreactor can reproduce as faithfully as possible the physiological environment. Several control techniques have been experimented so far. However, accuracy was generally limited. So, a new approach has been considered and is presented here. This new approach is based on a well-known optimisation technique that is still quite unusual for control: genetic algorithms. This promising approach has allowed us to produce unprecedented results for one of the two conditions, the physiological flow.

Les opérations de recherche et de sauvetage font partie des activités humanitaires que le gouvernement canadien offre. Ces opérations doivent être mises à la disposition de tous les vols aériens dans un espace de plus de vingt millions de kilomètres carrés et de tous les bateaux naviguant dans les eaux maritimes du gouvernement fédéral dont les océans, le fleuve Saint-Laurent et les Grands Lacs. L'ultime objectif que se fixe le gouvernement canadien en mettant à l'oeuvre ce genre d'opérations consiste à "prévenir les pertes de vie et les blessures en utilisant les ressources privées et publiques pour alerter, répondre et aider dans les situations de détresse". Leur travail, humanitaire, consiste à trouver un objet perdu dans les meilleurs délais afin de ne pas risquer de perdre des vies. Ce but pourrait être atteint si l'on arrive à trouver un moyen d'affecter d'une manière optimale les ressources dont on dispose à des secteurs sur lesquels les opérations de recherche vont être effectuées. L'objectif de nos travaux est d'examiner de plus près et d'essayer de résoudre le problème d'allocation de ressources multiples que vivent les centres de coordination des opérations de recherche et de sauvetage. Ce problème se résume à mettre en place un plan d'affectation des ressources à des zones de recherche permettant de maximiser l'efficience de leurs utilisations et d'augmenter les chances de trouver des survivants en peu de temps. Pour ce faire, nous définissons un algorithme génétique capable de trouver une solution au problème à résoudre. Ensuite, nous adapterons la solution proposée afin de prendre en charge et manipuler les contraintes imposées par le problème. Lors de nos expérimentations, nous avons cherché à améliorer la performance et l'efficacité de notre algorithme en y introduisant plusieurs méthodes basées sur le principe de la satisfaction des contraintes. Notre bilan nous indique que nos meilleurs résultats sont obtenus en mettant en place un algorithme génétique dont le fonctionnement des opérateurs de reproduction ne tolère aucune violation de contraintes. En les comparant à ceux obtenus en résolvant le problème par l'approche d'optimisation combinatoire, nous avons constaté qu'on n'a pas pu égaler le niveau de succès atteint. Ceci est dû à l'aspect aléatoire sur lequel les algorithmes génétiques se basent pour parcourir l'espace de recherche, sélectionner et améliorer une solution.

La présente étude porte sur l'optimisation de systèmes thermiques servant soit à récupérer de la chaleur ou à produire de la chaleur ou du froid. Essentiellement, le travail portera sur les condenseurs de type tubes et calandre, sur les réseaux d'échangeurs de chaleur ainsi que sur les systèmes de production d'eau froide. L'objectif ultime est de développer une méthode permettant de déterminer le design minimisant les coûts reliés à l'achat et à l'opération de ces systèmes thermiques. Pour atteindre cet objectif, on doit d'abord créer un modèle mathématique permettant de calculer les surfaces d'échanges requises et les puissances de pompage requises pour faire fonctionner un échangeur de chaleur. Basé sur des relations analytiques et empiriques, le modèle doit tenir compte des variables design considérées dans le problème, soit une dizaine de paramètres géométriques et le régime d'opération. Il s'agit d'identifier les valeurs à accorder à chacune de ces variables de design afin de faire le meilleur compromis entre la minimisation des surfaces d'échange de chaleur requises et la quantité d'énergie requise pour faire fonctionner les systèmes. Autrement dit, on cherche à minimiser le coût total, constitué du coût d'achat du matériel et des coûts d'opération. Une fois cette démarche réalisée pour le condenseur à tubes et calandre, on applique une méthode similaire pour optimiser une série d'échangeurs de chaleur dans le cas des réseaux d'échangeurs de chaleur et finalement pour un cycle de réfrigération composé de deux échangeurs, un condenseur et un évaporateur, ainsi qu'un compresseur. Étant donné le nombre important de variables de design considéré pour chacun de ces problèmes, le nombre total de design possible est trop élevé pour calculer le coût de chacun d'entre eux et choisir le meilleur. Cela serait trop coûteux en temps de calcul. C'est pourquoi nous ferons appel à l'utilisation d'algorithmes génétiques. Ces derniers nous permettront d'identifier avec une excellente probabilité le design optimal et ce, dans un laps de temps acceptable en pratique. La méthode est finalement validée grâce à des exemples d'application.