Ce mémoire est dédié à la caractérisation de contrôleurs PID stabilisants pour des systèmes monovariables du premier et du second ordre avec retard sur l'entrée. Les systèmes considérés sont linéaires stationnaires, asymptotiquement stables en boucle ouverte. Un aspect de robustesse est également pris en compte ou il s'agit ici de garantir la stabilité malgré une méconnaissance des paramètres du transfert se traduisant par l'appartenance de ces paramètres à des intervalles connus. Les résultats de Vladimir L. KHARITONOV sur les quasi-polynômes intervalles sont ici utilisés à bon escient. Enfin une heuristique (algorithme génétique) est proposée pour calculer des contrôleurs optimisant des critères usuels de type intégrale de l'erreur (ISE, IAE, ITAE, ITSE).

Dans cette thèse une optimisation multicritère par algorithme génétique d'une chaîne éolienne de petite puissance entièrement passive (sans MPPT) a été réalisée. Le rendement de cette structure est largement amélioré par l'optimisation des caractéristiques de la génératrice. Pour un cycle de vent donné, les configurations passives optimisées sont capables d'extraire une énergie comparable à celle obtenue avec des architectures actives utilisant un dispositif MPPT. Nous avons développé quatre niveaux de modèles de comportement de la chaîne éolienne : un modèle instantané "modèle fin" pour l'analyse du système et trois modèles simplifiés pouvant être intégrés dans un processus d'optimisation en raison de la réduction du coût de calcul. Enfin, la robustesse de cette structure passive vis-à-vis des variations de vent a été analysée en exploitant un modèle de vent original basé sur des données statistiques.

Depuis une vingtaine d'années, les grands réseaux électriques se trouvent obligés de fonctionner à pleine puissance et souvent aux limites de la stabilité. L'amélioration de la stabilité aux petites perturbations, en particulier l'amortissement des oscillations interrégionales, est donc devenue un objectif prioritaire. Les interactions entre les générateurs de différentes régions et les régulateurs utilisés nécessitent une optimisation globale de leurs performances : c'est le meilleur moyen pour assurer le comportement optimal de l'ensemble. L'objectif de ce travail est d'assurer un amortissement maximum, aussi bien des modes interrégionaux que des modes locaux, à l'aide des stabilisateurs de puissance (PSS) généralement utilisés pour l'amortissement des modes électromécaniques locaux. Pour ce faire, nous avons développé une méthode d'optimisation globale basée sur les algorithmes génétiques et une fonction multiobjectif déterminée à partir de l'analyse des valeurs propres du système. Nous avons analysé l'influence de l'augmentation progressive du nombre de variables à optimiser simultanément (paramètres, emplacement et nombre des PSSs). La méthode que nous proposons permet un réglage optimal des PSSs avec le meilleur emplacement possible et un nombre réduit de PSSs. Nous avons proposé en outre une nouvelle méthode d'optimisation utilisant des contraintes dynamiques adaptatives de l'espace de recherche afin d'améliorer les performances et la rapidité de convergence de cet algorithme. Les performances de ces méthodes d'optimisation ont été évaluées sur le réseau multimachines interconnecté New England / New York par analyse des valeurs propres du modèle linéaire du système et simulations temporelles du modèle non-linéaire originel.

Les mesures tridimensionnelles peuvent être obtenues à partir de plusieurs images par la méthode de triangulation. Ce travail étudie le problème du placement des caméras de façon a obtenir une erreur minimale lors des mesures tridimensionnelles. En photogrammétrie, on parlera du concept du réseau de caméras. Nous poserons le problème en termes d'optimisation et nous le diviserons en deux parties: 1) Une partie analytique dédiée à l'analyse de l'erreur de propagation d'où découlera un critère. 2) Un processus global d'optimisation minimisera ce critère. De ce coté-là, l'approche consiste en une analyse d'incertitude appliquée au processus de reconstruction d'où une matrice de covariance sera calculée. Cette matrice représente l'incertitude de la détection pour lequel le critère est dérivé. Par ailleurs, l'optimisation a des aspects discontinus essentiellement dû à l'inobservabilité des points. Ce facteur va nous amener à utiliser un processus d'optimisation combinatoire que nous avons résolu en utilisant un algorithme génétique multicellulaire. Des résultats expérimentaux sont inclus pour illustrer l'efficacité et la rapidité de la solution.

La conception de produits de haute qualité inclut généralement la résolution de problèmes à objectifs multiples antagonistes dans des espaces de recherche complexes. Les méthodes d'optimisation évolutionnaires multiobjectif sont considérées comme des outils appropriés pour la résolution de ces problèmes difficiles. Cette thèse présente une brève revue des concepts et méthodes d'optimisation et détaille en outre l'implémentation d'un " Algorithme Génétique MultiObjectif " (AGMO) associé à des analyses de sensibilité pour l'optimisation de dispositifs. Le but est de fournir à l'ingénieur non seulement une ample variété de solutions (ce qui facilite les négociations avec son client), mais aussi la possibilité de mieux analyser son propre problème. Ce travail comprend deux contributions principales : - Un algorithme d'optimisation qui traite les deux espaces, celui des paramètres et celui des objectifs, sans en privilégier un, ce qui rend plus facile le processus de recherche des solutions optimales ; - Le développement et l'intégration d'études de sensibilité, destinées à vérifier la stabilité des solutions obtenues, et à tester le modèle adopté par l'ingénieur pour la représentation de son problème. Plusieurs exemples concernant l'électromagnétisme ont été analysés pour évaluer la procédure proposée ; la principale application est l'optimisation des antennes à réflecteurs pour des systèmes de satellites. La performance et les caractéristiques de l'AGMO sont discutées pour chaque problème. Même si ces discussions ont été proposées pour les quelques exemples spécifiques présentés, elles sont généralisables et leurs conclusions s'appliquent à n'importe quel projet.

Nos travaux portent sur la résolution de problèmes d'optimisation en ordonnancement d'ateliers de production, et plus particulièrement ceux relatifs à l'ordonnancement dynamique dans les industries agroalimentaires. <br />Les contraintes et les critères considérés sont spécifiques à ce type d'industrie qui présente certaines particularités, dues à la nature des produits manipulés et fabriqués, dont les durées de vie assez courtes. Ils concernent aussi le respect des dates de validité des composants primaires formant les opérations, des produits semi-finis et des produits finis. Les critères retenus sont aussi liés à ces particularités. On a distingué le coût des produits périmés, le coût du discount de distribution et la date de fin de l'ordonnancement, le makespan. Une méthode exacte et deux méthodes approchées ont été retenues et mises en œuvre, avec succès, pour les problèmes à une machine. <br />La méthode exacte, branch & bound, est appliquée pour la minimisation de la fonction de coût total. Les algorithmes génétiques, dotés d'un nouveau codage et hybridés avec l'approche Pareto-optimale, sont proposés pour la recherche de la solution optimale et pour aider le décideur de prendre une décision. Les algorithmes d'optimisation par colonie de fourmis, constituant la deuxième méthode approchée, est un processus stochastique qui, malgré la difficulté de paramétrage de l'algorithme correspondant, nous a permis de construire des solutions, en ajoutant des composants aux solutions temporaires.

Ce travail s'inscrit dans le cadre général de l'étude de la dynamique des lasers de classe B. Trois aspects sont abordés concernant respectivement la génération d'impulsions de forme arbitraire, la validation de modèles de lasers existants et la mise en évidence d'effets "cliquet" dans la dynamique de ces lasers. <br />Une première partie présente deux méthodes mises au point pour la génération d'impulsions de forme arbitraire (triangle, gaussienne, impulsion à deux bosses) en dépit de la propension du laser à fournir des impulsions "sécante-hyperbolique". Dans les deux cas un Algorithme Génétique (AG) détermine les paramètres du signal de conduite optimal. Si pour la première méthode ce signal est construit à partir de fonctions élémentaires, pour la seconde il résulte d'une interpolation entre points de collocation fixés par l'AG.<br />Les outils développés (couplage captures rapides/traitements en temps réel par AG) ont été mis à profit pour étudier la validité des différents modèles décrivant la dynamique des lasers de classe B fonctionnant en régime monomode ou bi-raie. L'AG est alors utilisé pour comparer l'évolution temporelle de l'intensité émise par le laser à celle calculée à partir du modèle. Ils permettent ainsi d'identifier le modèle le mieux adapté et de déterminer ses paramètres.<br />La bonne connaissance que nous avons de la dynamique de notre laser nous a incité à effectuer une étude détaillée d'effets étonnants induits par une modulation temporelle asymétrique du pompage. Les expériences réalisées constituent la première mise en évidence sur un laser d'un effet "cliquets" similaire à celui proposé par Feynman pour extraire de l'énergie d'un mouvement erratique.

Les jeux de barres, canalisations électriques préfabriquées et plus généralement toutes les interconnexions sont indispensables à l'architecture de la filière électrique. Ces connectiques que l'on souhaiterait ‘transparentes' sont néanmoins le ‘parent pauvre' de l'optimisation car elles sont le lieu de pertes par effet Joule souvent largement supérieures au minimum théorique, du fait de répartitions de courant non-uniformes dans leurs sections.<br />Afin de prendre en compte ce phénomène dès la conception (au travers d'un outil logiciel dédié), on introduit une méthode de modélisation adaptée. Alors que les méthodes éléments finis sont adaptées aux organes de conversion électromécaniques, les connexions sont plus naturellement modélisées par la méthode PEEC (Partial Element Equivalent Circuit).<br />Couplée à des optimiseurs, cette méthode se révèle très efficace pour améliorer le design des conducteurs, tant sur l'agencement des barres pour lutter contre les effets de proximité que, comme on le montre ici, sur la forme des sections pour minimiser l'effet de peau par couplage à des algorithmes génétiques. Les outils développés donnent alors accès à une marge de gain importante jusqu'ici peu explorée. Afin de s'adapter aux dispositifs étudiés, dont une partie est entourée d'enveloppes métalliques, une extension de la méthode (baptisée ‘µPEEC') prenant en compte l'aimantation des tôles ferromagnétiques est proposée.<br />Pour l'épineux problème du choix de fonction objectif, l'analyse du cycle de vie et la recherche du moindre impact environnemental peuvent orienter l'arbitrage entre coût matière et pertes Joule consenties. Une extrapolation des gains accessibles est proposée.

Les travaux de cette thèse s'inscrivent dans le cadre du développement de méthodes d'identification inverse de paramètres matériau. On porte un intérêt particulier à la biomécanique des tissus souples renforcés par des fibres de collagène (artère, disque intervertébral, peau, tendon, ligament, etc.), dans le cadre de leurs réponses viscoélastiques et en grandes déformations et en grands déplacements (hyperélasticité). Fortement non-linéaires et anisotropes, les lois constitutives en biomécanique contiennent un nombre important de paramètres matériau. Le problème inverse qui permet de les identifier est de grande dimension et fortement non linéaire. En raison de difficultés numériques liées à sa résolution avec des méthodes à base de gradient, nous avons développé deux nouvelles méthodes d'identification inverse de paramètres nommées GAO (Genetic algorithms & Analytical Optimization) et MMIM (Maximum-Minimum Identification Method).La méthode GAO combine de manière avantageuse les méthodes déterministes de type gradient avec les algorithmes génétiques. Son originalité consiste à introduire des calculs analytiques pour la partie déterministe, ce qui permet d'accélérer et d'améliorer la convergence des algorithmes génétiques. Cette stratégie est appliquée dans le cadre de l'hyperélasticité anisotrope.En ce qui concerne la méthode MMIM, elle opère selon un critère d'identification basé sur la norme infinie et elle utilise les algorithmes génétiques. Elle permet d'identifier les paramètres de lois viscoélastiques quasi-linéaires. Elle garantit une réponse visqueuse constante qui est caractéristique des tissus souples qui sont insensibles à la vitesse de chargement.Les méthodes GAO et MMIM ont identifié avec succès des paramètres de tissus artériels et de tissus du disque intervertébral. Les propriétés de ces tissus sont décrits par ailleurs dans le mémoire dans un contexte plus général où on expose l'anatomie, l'histologie et le mécanisme de déformation aux différents niveaux hiérarchiques (nano-échelle à milli-échelle) d'un tissu souple renforcé par des fibres de collagène. Ceci permet de comprendre le rôle des efforts dans la relation liant la structure à la fonction en biologie.

Ce manuscrit expose notre travail dans le cadre du projet IWARD et détaille la couche de gestion et de décision du groupement de robots. Ce projet avait comme objectif d'assister le personnel médical dans leur travail, ceci est réalisé en utilisant des robots mobiles, reconfigurables, et rechargeables. Ces robots sont conçus pour effectuer des taches logistiques comme : Le transport de médicaments, le nettoyage, le guidage des patients, la surveillance et la téléconsultation. Dans la première partie de la thèse nous présenterons le problème stratégique qui consiste à déterminer les plannings de rechargement des robots, la configuration des robots opérationnels ainsi que la localisation des stations d'attentes des robots lorsqu'ils sont en état de veille. Différentes hiérarchies à plusieurs niveaux de décisions, sont formulées comme des programmes linéaires en nombres entiers. Des formulations utilisant l'approche de génération de colonnes sont aussi développées pour résoudre ces problèmes. Dans la deuxième partie, le problème tactique est exposé, ceci consiste à affecter les taches arrivantes aux différents robots et d'ordonnancer dynamiquement l'exécution ces missions. Deux approches sont inspectées une version centralisée utilisant les algorithmes évolutionnaires et une autre version distribuée utilisant les algorithmes d'enchères inversées. Afin de mettre à l épreuve ces deux approches, une simulation a événements discrets a été conçue et développée spécifiquement pour le projet, permettant ainsi d'évaluer ces deux approches.