Le développement de nouveaux produits constitue une priorité stratégique de l'industrie pharmaceutique, en raison de la présence d'incertitudes, de la lourdeur des investissements mis en jeu, de l'interdépendance entre projets, de la disponibilité limitée des ressources, du nombre très élevé de décisions impliquées dû à la longueur des processus (de l'ordre d'une dizaine d'années) et de la nature combinatoire du problème. Formellement, le problème se pose ainsi : sélectionner des projets de Ret D parmi des projets candidats pour satisfaire plusieurs critères (rentabilité économique, temps de mise sur le marché) tout en considérant leur nature incertaine. Plus précisément, les points clés récurrents sont relatifs à la détermination des projets à développer une fois que les molécules cibles sont identifiées, leur ordre de traitement et le niveau de ressources à affecter. Dans ce contexte, une approche basée sur le couplage entre un simulateur à événements discrets stochastique (approche Monte Carlo) pour représenter la dynamique du système et un algorithme d'optimisation multicritère (de type NSGA II) pour choisir les produits est proposée. Un modèle par objets développé précédemment pour la conception et l'ordonnancement d'ateliers discontinus, de réutilisation aisée tant par les aspects de structure que de logique de fonctionnement, a été étendu pour intégrer le cas de la gestion de nouveaux produits. Deux cas d'étude illustrent et valident l'approche. Les résultats de simulation ont mis en évidence l'intérêt de trois critères d'évaluation de performance pour l'aide à la décision : le bénéfice actualisé d'une séquence, le risque associé et le temps de mise sur le marché. Ils ont été utilisés dans la formulation multiobjectif du problème d'optimisation. Dans ce contexte, des algorithmes génétiques sont particulièrement intéressants en raison de leur capacité à conduire directement au front de Pareto et à traiter l'aspect combinatoire. La variante NSGA II a été adaptée au problème pour prendre en compte à la fois le nombre et l'ordre de lancement des produits dans une séquence. A partir d'une analyse bicritère réalisée pour un cas d'étude représentatif sur différentes paires de critères pour l'optimisation bi- et tri-critère, la stratégie d'optimisation s'avère efficace et particulièrement élitiste pour détecter les séquences à considérer par le décideur. Seules quelques séquences sont détectées. Parmi elles, les portefeuilles à nombre élevé de produits provoquent des attentes et des retards au lancement ; ils sont éliminés par la stratégie d'optimistaion bicritère. Les petits portefeuilles qui réduisent les files d'attente et le temps de lancement sont ainsi préférés. Le temps se révèle un critère important à optimiser simultanément, mettant en évidence tout l'intérêt d'une optimisation tricritère. Enfin, l'ordre de lancement des produits est une variable majeure comme pour les problèmes d'ordonnancement d'atelier. / New Product Development (NPD) constitutes a challenging problem in the pharmaceutical industry, due to the characteristics of the development pipeline, namely, the presence of uncertainty, the high level of the involved capital costs, the interdependency between projects, the limited availability of resources, the overwhelming number of decisions due to the length of the time horizon (about 10 years) and the combinatorial nature of a portfolio. Formally, the NPD problem can be stated as follows: select a set of R and D projects from a pool of candidate projects in order to satisfy several criteria (economic profitability, time to market) while copying with the uncertain nature of the projects. More precisely, the recurrent key issues are to determine the projects to develop once target molecules have been identified, their order and the level of resources to assign. In this context, the proposed approach combines discrete event stochastic simulation (Monte Carlo approach) with multiobjective genetic algorithms (NSGA II type, Non-Sorted Genetic Algorithm II) to optimize the highly combinatorial portfolio management problem. An object-oriented model previously developed for batch plant scheduling and design is then extended to embed the case of new product management, which is particularly adequate for reuse of both structure and logic. Two case studies illustrate and validate the approach. From this simulation study, three performance evaluation criteria must be considered for decision making: the Net Present Value (NPV) of a sequence, its associated risk defined as the number of positive occurrences of NPV among the samples and the time to market. Theyv have been used in the multiobjective optimization formulation of the problem. In that context, Genetic Algorithms (GAs) are particularly attractive for treating this kind of problem, due to their ability to directly lead to the so-called Pareto front and to account for the combinatorial aspect. NSGA II has been adapted to the treated case for taking into account both the number of products in a sequence and the drug release order. From an analysis performed for a representative case study on the different pairs of criteria both for the bi- and tricriteria optimization, the optimization strategy turns out to be efficient and particularly elitist to detect the sequences which can be considered by the decision makers. Only a few sequences are detected. Among theses sequences, large portfolios cause resource queues and delays time to launch and are eliminated by the bicriteria optimization strategy. Small portfolio reduces queuing and time to launch appear as good candidates. The optimization strategy is interesting to detect the sequence candidates. Time is an important criterion to consider simultaneously with NPV and risk criteria. The order in which drugs are released in the pipeline is of great importance as with scheduling problems.

La présente thèse du domaine de la « Perception Bio-inspirée » se focalise plus particulièrement sur l’Attention Visuelle Artificielle et la Saillance Visuelle. Un concept de l’Attention Visuelle Artificielle inspiré du vivant, conduisant un modèle d’une telle attention artificielle bio-inspirée, a été élaboré, mis en œuvre et testé dans le contexte de la robotique autonome. En effet, bien qu’il existe plusieurs dizaines de modèles de la saillance visuelle, à la fois en termes de contraste et de cognition, il n’existe pas de modèle hybridant les deux mécanismes d’attention : l’aspect visuel et l’aspect cognitif.Pour créer un tel modèle, nous avons exploré les approches existantes dans le domaine de l’attention visuelle, ainsi que plusieurs approches et paradigmes relevant des domaines connexes (tels que la reconnaissance d’objets, apprentissage artificiel, classification, etc.).Une architecture fonctionnelle d’un système d’attention visuelle hybride, combinant des principes et des mécanismes issus de l’attention visuelle humaine avec des méthodes calculatoires et algorithmiques, a été mise en œuvre, expliquée et détaillée.Une autre contribution majeure du présent travail doctoral est la modélisation théorique, le développement et l’application pratique du modèle d’Attention Visuelle bio-inspiré précité, pouvant constituer un socle pour l’autonomie des systèmes robotisés d’assistance.Les études menées ont conclu à la validation expérimentale des modèles proposés, confirmant la pertinence de l’approche proposée dans l’accroissement de l’autonomie des systèmes robotisés – et ceci dans un environnement réel / Dealing with the field of "Bio-inspired Perception", the present thesis focuses more particularly on Artificial Visual Attention and Visual Saliency. A concept of Artificial Visual Attention, inspired from the human mechanisms, providing a model of such artificial bio-inspired attention, was developed, implemented and tested in the context of autonomous robotics. Although there are several models of visual saliency, in terms of contrast and cognition, there is no hybrid model integrating both mechanisms of attention: the visual aspect and the cognitive aspect.To carryout such a model, we have explored existing approaches in the field of visual attention, as well as several approaches and paradigms in related fields (such as object recognition, artificial learning, classification, etc.).A functional architecture of a hybrid visual attention system, combining principles and mechanisms derived from human visual attention with computational and algorithmic methods, was implemented, explained and detailed.Another major contribution of this doctoral work is the theoretical modeling, development and practical application of the aforementioned Bio-inspired Visual Attention model, providing a basis for the autonomy of assistance-robotic systems.The carried out studies and experimental validation of the proposed models confirmed the relevance of the proposed approach in increasing the autonomy of robotic systems within a real environment

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. / This work relates the thermal optimization of an electrical machine. The lumped method is used to simulate the temperature field. This model solves the heat equation in three dimensions, in cylindrical coordinates and in transient or steady state. We consider two transport mechanisms: conduction and convection. The evaluation of this model is performed by means of 13 design variables that correspond to the main flow rates of the equipment. We analyse the machine cooling performance by varying these 13 flow rates. Before starting the study of such a complicated geometry, we picked a simpler case in order to better understand the variety of the available optimization tools. The experience obtained in the simpler case is applyed in the resolution of the thermal optimization problem of the electrical machine. This machine is evaluated from the thermal point of view by combining two criteria : the maximum and the mean temperature. Constraints are used to keep the problem consistent. We solved the problem using the gradient based methods (Active-set and Interior-Point) and the Genetic Algorithms.

Différentes composantes des systèmes de traduction automatique statistique sont considérées comme des problèmes d'optimisations. En effet, l'apprentissage du modèle de traduction, le décodage et l'optimisation des poids de la fonction log-linéaire sont trois importants problèmes d'optimisation. Savoir définir les bons algorithmes pour les résoudre est l'une des tâches les plus importantes afin de mettre en place un système de traduction performant. Plusieurs algorithmes d'optimisation sont proposés pour traiter les problèmes d'optimisation du décodeur. Ils sont combinés pour résoudre, d'une part, le problème de décodage qui produit une traduction dans la langue cible d'une phrase source, d'autre part, le problème d'optimisation des poids des scores combinés dans la fonction log-linéaire pour d'évaluation des hypothèses de traduction au cours du décodage. Le système de traduction statistique de référence est basé sur un algorithme de recherche en faisceau pour le décodage, et un algorithme de recherche linéaire pour l'optimisation des poids associés aux scores. Nous proposons un nouveau système de traduction avec un décodeur entièrement basé sur les algorithmes génétiques. Les algorithmes génétiques sont des algorithmes d'optimisation bio-inspirés qui simulent le processus de l'évolution naturelle des espèces. Ils permettent de manipuler un ensemble de solutions à travers plusieurs itérations pour converger vers des solutions optimales. Ce travail, nous permet d'étudier l'efficacité des algorithmes génétiques pour la traduction automatique statistique. L'originalité de notre proposition est de proposer deux algorithmes : un algorithme génétique, appelé GAMaT, comme décodeur pour un système de traduction statistique à base de segments, et un algorithme génétique, appelé GAWO, pour l'optimisation des poids de la fonction log-linéaire afin de l'utiliser comme fonction fitness pour GAMaT. Nous proposons également, une approche neuronale pour définir une nouvelle fonction fitness pour GAMaT. Cette approche consiste à utiliser un réseau de neurones pour l'apprentissage d'une fonction qui combine plusieurs scores, évaluant différents aspects d'une hypothèse de traduction, combinés auparavant dans la fonction log-linéaire, et qui prédit le score BLEU de cette hypothèse de traduction. Ce travail, nous a permis de proposer un nouveau système de traduction automatique statistique ayant un décodeur entièrement basé sur des algorithmes génétiques / Different components of statistical machine translation systems are considered as optimization problems. Indeed, the learning of the translation model, the decoding and the optimization of the weights of the log-linear function are three important optimization problems. Knowing how to define the right algorithms to solve them is one of the most important tasks in order to build an efficient translation system. Several optimization algorithms are proposed to deal with decoder optimization problems. They are combined to solve, on the one hand, the decoding problem that produces a translation in the target language for each source sentence, on the other hand, to solve the problem of optimizing the weights of the combined scores in the log-linear function to fix the translation evaluation function during the decoding. The reference system in statistical translation is based on a beam-search algorithm for the decoding, and a line search algorithm for optimizing the weights associated to the scores. We propose a new statistical translation system with a decoder entirely based on genetic algorithms. Genetic algorithms are bio-inspired optimization algorithms that simulate the natural process of evolution of species. They allow to handle a set of solutions through several iterations to converge towards optimal solutions. This work allows us to study the efficiency of the genetic algorithms for machine translation. The originality of our work is the proposition of two algorithms: a genetic algorithm, called GAMaT, as a decoder for a phrase-based machine translation system, and a second genetic algorithm, called GAWO, for optimizing the weights of the log-linear function in order to use it as a fitness function for GAMaT. We propose also, a neuronal approach to define a new fitness function for GAMaT. This approach consists in using a neural network to learn a function that combines several scores, which evaluate different aspects of a translation hypothesis, previously combined in the log-linear function, and that predicts the BLEU score of this translation hypothesis. This work allowed us to propose a new machine translation system with a decoder entirely based on genetic algorithms

La modélisation de matériaux composites est un domaine d’étude qui bénéficie d’un intérêt croissant. En effet, la vulgarisation de l’utilisation de tels matériaux nécessite le développement de nouveaux modèles afin de mieux comprendre leur comportement. L’industrie automobile et aéronautique s’efforce d’optimiser le choix des matériaux en fonction des spécificités de chaque application, afin de réduire la masse des équipements et de leur assurer de meilleurs caractéristiques mécaniques et thermiques. Les matériaux composites se sont aussi présentés comme une éventuelle alternative au métal pour le rôle de blindage électromagnétique. Leur généralisation dans cette optique se heurte néanmoins à une relative méconnaissance de leur comportement électromagnétique. A cet effet, il est nécessaire de disposer de méthodologies permettant d'évaluer l'efficacité de blindage de boîtiers en matériaux composites et de cerner les différents mécanismes et paramètres correspondants.Par ailleurs, le déploiement de ces matériaux alternatifs à plus grande échelle est freiné par d'autres contraintes liées essentiellement à la difficulté de l'analyse électromagnétiques 3D complète de systèmes complexes abritant des boîtiers en matériaux composites. En effet, la complexité topologique de certains composants complique considérablement leur insertion dans les outils de simulation électromagnétique existants. De plus, le rapport d'échelle entre les différents niveaux (système, boîtiers composites, cartes, circuits, composants) est trop important ; cette disparité d'échelle complexifie considérablement la discrétisation géométrique de l'ensemble. L'association de ces différentes contraintes conduisent à des difficultés réelles aux quelles les ingénieurs CEM sont confrontés. C'est pourquoi il est nécessaire de développer des modèles performants permettant de faciliter l'analyse 3D du système hôte complet. Ce travail de thèse s'est donc réparti sur deux volets :- dans un premier temps, nous présentons une méthodologie de calcul de l'efficacité de blindage des boîtiers en matériaux composites, afin d'évaluer la potentialité de ces matériaux en termes de blindage électromagnétique et de cerner les principaux facteurs qui y contribuent.- dans un second temps et dans l'objectif de fournir une approche permettant de mettre les systèmes électroniques complexes intégrant des boîtiers de blindage composites en conformité avec les exigences strictes de CEM, nous proposons une méthodologie de modélisation des rayonnements électromagnétiques. Cette modélisation (à base d’algorithmes génétiques) permet de remplacer les dispositifs ou les boîtiers rayonnants (composites notamment) par un ensemble de dipôles élémentaires. Le modèle équivalent, de type "boîte noire", est ainsi représentatif de l’ensemble de la structure en termes de rayonnement électromagnétique en hautes fréquences et est facilement intégrable dans le maillage de structures hôtes. Ce modèle multipolaire fournit des prédictions spatiales et fréquentielles du champ électrique et magnétique permettant entre autres de calculer l'efficacité de blindage du boîtier dans l'espace, donnant ainsi un moyen de quantifier son impact perturbateur sur son environnement. D'autre part, cette approche permet de simplifier l'analyse 3D d'un système complet abritant des boîtiers composites en contrôlant le comportement EM à tous les niveaux : système, boîtiers, cartes, circuits et composants. / The modeling of composite materials is a domain of study which benefits of increasingly interest. Indeed, the popularization of the use of such materials requires the development of new models in order to better understand their behavior. The automotive and aerospace industry strives to optimize material selection based on the specificities of each application in order to reduce the weight of the equipment and to provide better mechanical and thermal characteristics. Composite materials have been also presented as a potential alternative to metals for the role of electromagnetic shielding. Their generalization in this context is nevertheless hampered by a relative lack of knowledge of their electromagnetic behavior. For this purpose, it is necessary to have methodologies to evaluate the shielding effectiveness of composite enclosures and identify the different corresponding mechanisms and parameters.Moreover, the deployment of these alternative materials on a larger scale is hindered by other constraints related mainly to the difficulty of complete 3D analysis of complex systems including composite enclosures. In fact, the topological complexity of certain components greatly complicates their integration into existing electromagnetic simulation tools. Moreover, the scale ratio between the different levels (system, composite enclosures, electronic card, circuit, component) is too large ; This disparity of scale complexifies considerably the geometrical discretization of the entire system. The combination of these different constraints leads to real difficulties to which EMC engineers face. That is why it is necessary to develop efficient models to facilitate the 3D analysis of the complete host system.This work is therefore divided in two sections :- In a first time, we present a methodology to calculate shielding effectiveness of composite enclosures of electronic equipment. The goal is to evaluate the potential of these materials in terms of electromagnetic shielding and to identify the main contributing factors.- In a second time, and in order to ensure compliance of complex electronic systems incorporating composite shielding enclosures with the stringent requirements of EMC, we propose a modeling methodology of electronic devices radiation. This modeling (based on genetic algorithms) allows to replace the radiating devices and enclosures (especially composites) by a set of elementary dipoles. The equivalent model, "black box" type, is thus representative of the entire structure in terms of high frequency electromagnetic radiation and is easily integrable in the mesh of host structures. This multipolar model provides spatial and frequency predictions of the electric and magnetic field, enabling among others to calculate the shielding effectiveness of the radiating enclosure in space, thereby giving a way to quantify its disruptive impact on its environment. Moreover, this approach allow to simplify the 3D analysis of a complete system comprising composite enclosures by controlling the EM behavior at all levels: system, enclosures, cards, circuits and components.

La gestion d’une plate-forme selon une stratégie de cross dock est un processus logistique efficace et dynamique qui vise à transférer directement les produits d'un fournisseur à un client. Cette thèse aborde les problèmes d'affectation aux portes et de gestion des ressources sous contraintes de fenêtres du temps dans un cross dock spécifique. Les problèmes sont formulés comme des modèles de programmation mathématique mixte (MIP). L’objectif est de minimiser la somme de la distance parcourue dans l’entrepôt et du coût qui contient les coûts liés aux ressources et un coût de pénalité. Une heuristique basée sur les algorithmes génétiques est proposée pour résoudre ce problème. Deux méthodes de réparation des gènes sont décrites pour rendre les solutions irréalisables réalisables. Les résultats montrent que l’algorithme génétique surpasse la résolution du modèle MIP à l’aide du solveur CPLEX en un temps donné, pour des instances de taille moyenne et de grande taille. Afin de décrire le comportement et de recueillir des informations pertinentes sur la gestion en cross docks, nous proposons un modèle basé sur réseau de Pétri. Un modèle par réseau de Pétri est construit et la simulation est réalisée avec le logiciel Tina. Par simulation, avec différents nombres de ressources, nous obtenons des temps pertinents pour améliorer les fenêtres de temps originales, le makespan de chacun des postes de travail, l'intervalle de temps libre dans le cross dock et la quantité de ressources disponible à chaque période de temps, ce qui peut fournir des conseils utiles à la gestion des ressources. A partir des résultats de la simulation, la formulation MIP est améliorée. / Cross docking is an efficient and dynamic logistic process that directly transfers goods from a supplier to a customer. This thesis addresses the door assignment and resource management problem with truck time windows constraints for a specific cross dock. The problems are formulated as mixed integer programming (MIP) models. The objective is to minimize the weighted sum of the total travel distance and cost which includes labor cost and penalty cost. A heuristic based on genetic algorithm (GA) is developed to solve the problems. Two gene repair methods are proposed to repair infeasible solutions. The computational results show that genetic algorithms outperforms the solution of MIP model with CPLEX in a given CPU time, for medium and large size instances, and that the second gene repair method outperforms the first one. In order to describe the behavior and gather information on the cross dock, a model based on Petri net is built to study the cross docks and simulations are carried out with Tina. The simulation results for different resource number lead us to obtain the relevant times to improve the original time windows, the makespan at each work station, the free time interval in the cross dock and the free resource number at each time period, which provide relevant information on the resource management. Besides, according to the simulation results, the original MIP formulations are improved. Then we propose a new MIP formulation, which determine not only door assignment, but also resources at each time period at each work station. Computational results reveal that the new MIP model control resources in cross dock more efficiently and outperforms the first model.

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. / This thesis focuses on research and development of inverse identification methods of material parameters. A particular attention is attributed to the viscoelastic response of collagen-reinforced soft tissues (artery, intervertebral disc, skin, tendon, ligament, etc) submitted to large displacements and large deformations (hyperelasticity). Highly non-linear and anisotropic, biomechanical constitutive laws account for a large number of material parameters. The inverse problem that allows their identification is of high non-linearity and of large dimension. By reason of numerical difficulties related to its resolution with gradient-based methods, we developed two new identification methods labelled GAO (Genetic algorithms & Analytical Optimization) and MMIM (Maximum-Minimum Identification Method).GAO advantageously combines deterministic methods of gradient type with genetic algorithms. Its originality consists in introducing analytical computations for the deterministic part leading to a gain in the speed up and in the convergence of genetic algorithms. This strategy is used in the context of anisotropic hyperelasticity.Regarding MMIM method, it operates according to an identification criterion that is expressed with the infinite norm and uses genetic algorithms. MMIM method identifies parameters of quasi-linear viscoelastic laws. It guarantees a constant viscous response that characterises the insensitivity of soft tissues to strain rate. GAO and MMIM methods successfully identified parameters of arterial wall and intervertebral disc tissues. The properties of these tissues are described in a more general context that exhibits the anatomy, histology and deformation mechanism at different hierarchical levels (nano-scale to milli-scale) of collagen-reinforced soft tissues. This gives understanding of the role of forces in relating structure to function in biology.

Les algorithmes génétiques, la logique floue et les réseaux de neurones sont de plus en plus utilisés dans des domaines d'application très variés. Nous nous proposons de les étudier dans le cadre de l'identification et de la commande de la machine asynchrone. Plus particulièrement, nous utilisons les algorithmes génétiques afin d'identifier les paramètres du modèle dynamique de la machine. Des régulateurs, à base de logique floue et de réseaux de neurones, sont implantés au sein d'une commande vectorielle par orientation du flux rotorique. Est également abordée l'influence de la variation des paramètres sur le fonctionnement du système. Les défauts de structure de la machine asynchrone sont considérés dans le cas des ruptures de barres au rotor. Le diagnostic de ces défauts ainsi que leur influence sur le comportement de la régulation sont étudiés. Enfin, une amélioration de la commande vectorielle sans capteur mécanique est présentée ouvrant une voie vers les techniques intelligentes de commande. Ces dernières sont maintenant possibles compte tenu de la puissance sans cesse grandissante des processeurs. Un logiciel de simulation, développé dans le cadre de la thèse, a permis de mener une bonne partie des études présentées. Une attention particulière a été accordée à la partie expérimentale, seul garant de la faisabilité et de la validation de l'étude.

L'objectif des travaux présentés dans ce mémoire est la représentation de formes tridimensionnelles ainsi que la reconstruction tridimensionnelle a partir de coupes sériées. Après avoir défini le cadre exact de la reconstruction tridimensionnelle a partir de coupes sériées, le premier chapitre analyse les différentes étapes et les méthodes généralement employées pour effectuer cette reconstruction. Les chapitre 2 et 3 s'attachent a la description et a la représentation de formes tant bidimensionnelles que tridimensionnelles. Le chapitre 3 developpe ainsi une methode de squelettisation tridimensionnelle permettant d'obtenir un squelette filaire. Le chapitre 4 est consacre a la description de deux méthodes de reconstruction tridimensionnelle opérant par inférence de formes. La methode utilisant l'inférence structurelle de graphes de la ligne médiane est ensuite développée. Elle passe par une nécessaire étape, chapitre 5, de mise en correspondance de graphes de la ligne médiane. Différentes méthodes de mise en correspondance sont présentées, finalement la methode procédant par recherche de cliques dans un graphe est développée. La construction du graphe de mise en correspondance est tout d'abord présentée, ensuite la recherche de cliques est abordée a l'aide de méthodes heuristiques de parcours (recuit simule et algorithmes génétiques). Le chapitre 6 développe le processus d'inférence de graphes de la ligne médiane mis en œuvre, il permet d'inférer des coupes intermediaires qui sont empilées pour finalement donner le volume tridimensionnel recherche. Le chapitre 7 est consacre a la présentation des divers résultats et de leurs conséquences, il présenté aussi d'autres applications possibles des différentes techniques developpees

La segmentation des images est généralement l'étape la plus importante dans un système d'analyse d'images : dans l'aide au diagnostic en médecine, en navigation autonome des véhicules, etc. Toutes les tâches ultérieures de ces applications, comme l'extraction de primitives, la détection d'une position ou la reconnaissance d'un objet, dépendent fortement de la qualité de la segmentation. L'inconvénient majeur des algorithmes de segmentation actuels est leur incapacité à s'adapter aux différents types d'images. <br />L'apparition des "métaheuristiques" remonte aux années quatre-vingts. Ces algorithmes stochastiques d'optimisation globale peuvent être appliqués à tout problème, du moment qu'il est formulé sous la forme de l'optimisation de critère(s). Ces algorithmes sont inspirés par des analogies avec la physique (recuit simulé, recuit microcanonique), avec la biologie (algorithmes évolutionnaires) ou avec l'éthologie (colonies de fourmis, essaims particulaires). Ils se prêtent aussi à toutes sortes d'extensions, notamment en optimisation multiobjectif.<br />Afin de concevoir un système de segmentation qui permet d'avoir une meilleure qualité de la segmentation sur une grande variété d'images, nous formulons la segmentation comme un problème d'optimisation, mono-objectif dans un premier temps, puis multiobjectif. <br />Dans l'approche mono-objectif, nous adaptons plusieurs métaheuristiques au problème de la segmentation. Une application sur des images par résonance magnétique (IRM) cérébrales est ensuite réalisée. Cette adaptation des différentes métaheuristiques pour la segmentation nous permet de les comparer sur les plans suivants : la complexité, la vitesse de convergence, l'adaptabilité, et la reproductibilité des solutions. <br />Nous proposons ensuite une approche multiobjectif pour mieux résoudre le problème de la segmentation des images. Dans ce contexte, nous développons trois schémas de systèmes de segmentation adaptatifs : le premier est basé sur l'agrégation de critères, le second sur l'approche non-Pareto, et le troisième sur l'approche Pareto. Enfin, dans le cas particulier de la segmentation des espaces de ventricules cérébraux, nous appliquons différentes approches sur des IRM saines et d'autres pathologiques.