Nous présentons dans ces travaux une contribution concernant la distribution de simulations de système complexe dans des environnements distribués ouverts. Nous considérons ces environnements comme des écosystèmes computationnels, dont nous décrivons les propriétés et les caractéristiques, dans lesquels évoluent, de par leur exécution, les simulations. Elles sont modélisées sous la forme d'un réseau d'interactions représenté à l'aide d'un graphe dynamique. En considérant les différentes dynamiques possibles, nous proposons un formalisme général représentant ces graphes, ainsi qu'une interface de programmation, GraphStream, permettant de les manipuler et de les étudier.Le graphe dynamique est alors un sujet d'étude dans lequel nous recherchons des organisations, que nous suivons dans le temps, afin de minimiser les coûts de communication entre les machines et d'équilibrer la charge de calcul. Nous apportons une amélioration visant à réduire les oscillations des résultats de l'algorithme AntCo2 utilisant des colonies de fourmis numériques qui, grâce à des mécanismes de compétition et de collaboration, détecte des organisations. La stabilité de ces dernières est déterminée par l'intermédiaire d'une heuristique de recherche distribuée et dynamique de centroïdes.Un intergiciel est proposé permettant de distribuer de manière décentralisée et dynamique les simulations dans un écosystème computationnel en favorisant les organisations et en respectant l'équilibrage de charge.

Les métaheuristiques sont une famille d'algorithmes stochastiques destinés à résoudre des problèmes d 'optimisation difficile . Utilisées dans de nombreux domaines, ces méthodes présentent l'avantage d'être généralement efficaces, sans pour autant que l'utilisateur ait à modifier la structure de base de l'algorithme qu'il utilise. Parmi celles-ci, l'Optimisation par Essaim Particulaire (OEP) est une nouvelle classe d'algorithmes proposée pour résoudre les problèmes à variables continues. Les algorithmes d'OEP s'inspirent du comportement social des animaux évoluant en essaim, tels que les oiseaux migrateurs ou les poissons. Les particules d'un même essaim communiquent de manière directe entre elles tout au long de la recherche pour construire une solution au problème posé, en s'appuyant sur leur expérience collective. Reconnues depuis de nombreuses années pour leur efficacité, les métaheuristiques présentent des défauts qui rebutent encore certains utilisateurs. Le réglage des paramètres des algorithmes est un de ceux-ci. Il est important, pour chaque problème posé, de trouver le jeu de paramètres qui conduise à des performances optimales de l'algorithme. Cependant, cette tâche est fastidieuse et coûteuse en temps, surtout pour les utilisateurs novices. Pour s'affranchir de ce type de réglage, des recherches ont été menées pour proposer des algorithmes dits adaptatifs . Avec ces algorithmes, les valeurs des paramètres ne sont plus figées, mais sont modifiées, en fonction des résultats collectés durant le processus de recherche. Dans cette optique-là, Maurice Clerc a proposé TRIBES, qui est un algorithme d'OEP mono-objectif sans aucun paramètre de contrôle. Cet algorithme fonctionne comme une boîte noire , pour laquelle l'utilisateur n'a qu'à définir le problème à traiter et le critère d'arrêt de l'algorithme. Nous proposons dans cette thèse une étude comportementale de TRIBES, qui permet d'en dégager les principales qualités et les principaux défauts. Afin de corriger certains de ces défauts, deux modules ont été ajoutés à TRIBES. Une phase d'initialisation régulière est insérée, afin d'assurer, dès le départ de l'algorithme, une bonne couverture de l'espace de recherche par les particules. Une nouvelle stratégie de déplacement, basée sur une hybridation avec un algorithme à estimation de distribution, est aussi définie, afin de maintenir la diversité au sein de l'essaim, tout au long du traitement. Le besoin croissant de méthodes de résolution de problèmes multiobjectifs a conduit les concepteurs à adapter leurs méthodes pour résoudre ce type de problème. La complexité de cette opération provient du fait que les objectifs à optimiser sont souvent contradictoires. Nous avons élaboré une version multiobjectif de TRIBES, dénommée MO-TRIBES. Nos algorithmes ont été enfin appliqués à la résolution de problèmes de seuillage d'images médicales et au problème de dimensionnement de composants de circuits analogiques

Cette thèse s’inscrit dans la thématique d’évaluation des ouvrages par des méthodes nondestructives. Le double objectif est de développer un code permettant d’effectuer au choixl’identification de paramètres par analyse inverse en utilisant un algorithme méta heuristique, ou dedéfinir une métrologie optimale (nombre de capteurs, positions, qualité) sur une structure, en vued’une identification de paramètres. Nous avons développé un code permettant de répondre à cesdeux objectifs. Il intègre des mesures in situ, un modèle mécanique aux éléments finis de lastructure étudiée et un algorithme d’optimisation méta heuristique appelé algorithme d’optimisationpar essaim particulaire. Ce code a d’abord été utilisé afin de caractériser l’influence de la métrologiesur l’identification de paramètres par analyse inverse, puis, en phase expérimentale, nous avonstravaillé sur des problèmes d’interactions sol structure. Un travail a également été réalisé surl’identification et la caractérisation de défauts par sollicitations au marteau d’impact. Enfin unexemple d’optimisation de métrologie (nombre de capteurs, positions et qualité) a été réalisé enutilisant le code original adapté pour cette étude. / This thesis deals with non-destructive evaluation in civil engineering. The objective is of two-fold:developing a code that will identify mechanical parameters by inverse analysis using a metaheuristicalgorithm, and developing another code to optimize the sensors placement (with respect tothe number and quality of the sensors) in order to identify mechanical parameters with the bestaccuracy. Our code integrates field data, a finite element model of the studying structure and aparticle swarm optimization algorithm to answer those two objectives. This code was firstly used tofocus on how the sensors placement, the number of used sensors, and their quality impact theaccuracy of parameters’ identification. Then, an application on a soil structure interaction wasconducted. Several tests to identify and characterize defaults using an impact hammer were alsocarried on. The last application focused on the optimization of the metrology in order to identifymechanical parameters with the best accuracy. This last work highlights the possibilities of theseresearches for structural health monitoring applications in civil engineering project.

Le domaine de la traction électrique a suscité un très grand intérêt dans les dernières années. La conception optimale de l'ensemble moteur électrique de traction – onduleur doit prendre en compte une variété de critères et contraintes. Étant donnée la liaison entre la géométrie du moteur et la stratégie de commande de l'onduleur, l'optimisation de l'ensemble de traction doit prendre en considération, en même temps, les deux composants.L'objectif de la thèse est la conception d'un outil d'optimisation appliqué à un système de traction électrique légère qu'emploie un moteur à réluctance variable alimenté (MRVCE) par un onduleur triphasé en pont complet. Le MRVCE est modélisé en utilisant la technique par réseau de perméances. En même temps, la technique de commande électronique peut être facilement intégrée dans le modèle pour effectuer l'analyse dynamique du fonctionnement du moteur. L'outil d'optimisation réalisé utilise l'algorithme par essaim de particules, modifié pour résoudre des problèmes multi-objectif. Les objectifs sont liés à la qualité des caractéristiques de fonctionnement du moteur, en temps que les variables d'optimisation concernent la géométrie du moteur aussi que la technique de commande. Les performances de l'algorithme sont comparées avec ceux de l'algorithme génétique (NSGA-II) et d'une implémentation classique de l'algorithme par essaim de particules multi-objectif.Finalement, un prototype de moteur à réluctance variable est construit et le fonctionnement du MRVCE alimenté depuis l'onduleur triphasé en pont complet est implémenté et les outils de modélisation et d'optimisation sont validés / The interest for the electric traction applications has been growing in the last few years. The optimal design of the electric motor and of the inverter that powers it needs to consider a long list of restrictions and criteria. Because of the fact that the geometry of the motor and the switching strategy are closely linked, the optimization of the traction solution needs to consider both, at the same time.The objective of this thesis is the development of an optimization tool applied for the optimization of an electric traction solution that uses the switched reluctance motor (SRM) fed from a three phase full bridge inverter. The SRM is modeled using Permeance Network Analysis (PNA). The switching technique can be easily integrated in the model, which gives the possibility to run a dynamic analysis. The optimization tool created uses the Particle Swarm Optimization (PSO) algorithm, modified for multi-objective problems. The algorithms performances are compared with those of the Genetic Algorithm, using the NSGA-II multi-objective technique and with a classic version of multiple objective particle swarm optimizer (MOPSO).Finally, a SRM prototype is constructed and the drive solution using a full-bridge three phase inverter is implemented. The modeling and optimization tools are thus experimentally validated

On observe depuis 2005 une sismicité intense à 10 km d'Oulan Bator ce qui a permis d'identifier une faille active, Emeelt, sur le terrain. Après le calcule d'un modèle de vitesse 3D, j'ai appliqué la tomographie double différence pour obtenir une localisation précise des séismes. Ils marquent au moins trois branches parallèles orientées N147° comme la faille vue en surface. L'activité sur la faille principale d'Emeelt (MEF) s’étend sur 15 km, les branches Ouest et Est, moins actives, sur 10 km. La profondeur de l'activité s'étend entre 4 et 15 km. L'activité sismique semble concentrée à l'intersection avec des failles Mésozoïques et les contrastes Vs/Vs suggèrent la présence de fluides. Les 10 essaims identifiés montrent une activité croissante et une migration spatiale avec le temps. Le calcul de 2 scénarios possibles, un M ~ 6.4 et un M ~ 7, indique un important impact sur la ville d'Oulan Bator, avec une intensité minimum de VIII et localement IX pour M=6.4 et X pour M=7. / We observe since 2005 a high seismic activity at 10 km from Ulaanbaatar that allowed us to identify a new active fault, Emeelt, in the field. After computing a 3D velocity model, I applied Double-Difference tomography to obtain a precise localization of earthquakes. They trace at least three parallel branches oriented N147° like the fault seen at surface. The seismic activity on the Main Emeelt Fault (MEF) is along at least 15 km, on the West and East branches, less active, along 10 km. The depth of the seismicity extends between 4 and 15 km. The activity seems concentrated at the intersection with Mesozoic faults and Vp/Vs contrast suggests the presence of fluids. The 10 swarms identified show an increasing activity and a spatial migration with time. The calculation of 2 possible scenarios, one M ~ 6.4 and one M ~ 7, shows an important impact on Ulaanbaatar, with a minimum intensity of VIII and IX for M=6.4 and X for M=7.

Nous nous intéressons dans cette thèse à la résolution du problème de tournées sélectives (Team Orienteering Problem - TOP) et ses variantes. Ce problème est une extension du problème de tournées de véhicules en imposan tcertaines limitations de ressources. Nous proposons un algorithme de résolution exacte basé sur la programmation linéaire en nombres entiers (PLNE) en ajoutant plusieurs inégalités valides capables d’accélérer la résolution. D’autre part, en considérant des périodes de travail strictes pour chaque véhicule durant sa tournée, nous traitons une des variantes du TOP qui est le problème de tournées sélectives multipériodique (multiperiod TOP - mTOP) pour lequel nous développons une métaheuristique basée sur l’optimisation par essaim pour le résoudre. Un découpage optimal est proposé pour extraire la solution optimale de chaque particule en considérant les tournées saturées et pseudo saturées .Finalement, afin de prendre en considération la disponibilité des clients, une fenêtre de temps est associée à chacun d’entre eux, durant laquelle ils doivent être servis. La variante qui en résulte est le problème de tournées sélectives avec fenêtres de temps (TOP with Time Windows - TOPTW). Deux algorithmes exacts sont proposés pour résoudre ce problème. Le premier est basé sur la génération de colonnes et le deuxième sur la PLNE à laquelle nous ajoutons plusieurs coupes spécifiques à ce problème. / We focus in this thesis on developing new algorithms to solve the Team Orienteering Problem (TOP) and two of its variants. This problem derives from the well-known vehicle routing problem by imposing some resource limitations .We propose an exact method based on Mixed Integer Linear Programming (MILP) to solve this problem by adding valid inequalities to speed up its solution process. Then, by considering strict working periods for each vehicle during its route, we treat one of the variants of TOP, which is the multi-period TOP (mTOP) for which we develop a metaheuristic based on the particle swarm optimization approach to solve it. An optimal split procedure is proposed to extract the optimal solution from each particle by considering saturated and pseudo-saturated routes. Finally, in order to take into consideration the availability of customers, a time window is associated with each of them, during which they must be served. The resulting variant is the TOP with Time Windows (TOPTW). Two exact algorithms are proposed to solve this problem. The first algorithm is based on column generation approach and the second one on the MILP to which we add additional cuts specific for this problem. The comparison between our exact and heuristic methods with the existing one in the literature shows the effectiveness of our approaches.

Cette thèse propose un concept d'optimisation de la consommation d'énergie dans les maisons intelligentes basées sur la gestion de la demande qui repose sur l'utilisation de système d e gestion de l'énergie à la maison (HEMS) qui est en mesure de contrôler les appareils ménagers. L'avantage de ce concept est l'optimisation de la consommation d'énergie sans réduire les utilisateurs vivant confort. Un mécanisme adaptatif pour une croissance intelligente système de gestion de l'énergie de la maison qui a composé des algorithmes qui régissent l'utilisation des différents types de charges par ordre de priorité pré-sélectionné dans la maison intelligente est proposé. En outre, une méthode pourl'optimisation de la puissance générée à partir d'un hybride de systèmes d'énergie renouvelables (HRES) afin d'obtenir la demande de charge. particules technique d'optimisation essaim (PSO) est utilisé comme l'optimisation algorithme de recherche en raison de ses avantages par rapport à d'autres techniques pour réduire le coût moyen actualisé de l'énergie (LCE) avec une plage acceptable de la production en tenant compte des pertes entre la production et la demande. Le problème est défini et la fonction objective est introduite en tenant compte des valeurs de remise en forme de sensibilité dans le processus d’essaim de particules. La structure de l'algorithme a été construite en utilisant un logiciel MATLAB et Arduino 1.0.5 du logiciel.Ce travail atteint le but de réduire la charge de l'électricité et la coupure du rapport pic-moyenne (PAR). / This thesis proposes a concept of power consumption optimization in smart homes based on demand side management that reposes on using Home Energy Management System (HEMS) that is able to control home appliances. The advantage of the concept is optimizing power consumption without reducing the users living comfort. An adaptive mechanism for smart home energy management system which composed of algorithms that govern the use of different types of loads in order of pre-selected priority in smart home is proposed. In addition a method for the optimization of the power generated from a Hybrid Renewable Energy Systems (HRES) in order to achieve the load demand. Particle Swarm Optimization Technique (PSO) is used as optimization searching algorithm due to its advantages over other techniques for reducing the Levelized Cost of Energy (LCE) with an acceptable range of the production taking into consideration the losses between production and demand sides. The problem is defined and the objective function is introduced taking into consideration fitness values sensitivity in particle swarm process. The algorithm structure was built using MATLAB software and Arduino 1.0.5 Software. This work achieves the purpose of reducing electricity expense and clipping the Peak-toAverage Ratio (PAR). The experimental setup for the smart meter implementing HEMS is built relying on the Arduino Mega 2560 board as a main controller and a web application of URL http://www.smarthome-em.com to interface with the proposed smart meter using the Arduino WIFI Shield.

Ces travaux de recherche abordent un problème de défense anti-aérien, usuellement appelé problème d'allocation d'armes à des cibles dans la littérature. L'allocation d'armes à des cibles est un problème bien connu de la recherche opérationnelle militaire qui a rencontré un franc succès parmi la communauté des chercheurs, et qui aujourd'hui encore suscite un large engouement puisque sa propriété démontrée NP-difficile en fait un problème qui reste irrésolu. Que ce soit par des méthodes analytiques ou meta-heuristiques, le problème d'allocation d'armes à des cibles a fait l'objet de nombreuses propositions de résolution. Cependant, il est assez surprenant de voir que la modélisation proposée pour ce problème n'a guère évolué depuis qu'il est apparu pour la première fois dans la littérature en 1950. Cette modélisation peut être considérée comme obsolète aujourd'hui et ne répond plus aux exigences qui accompagnent les technologies modernes. En effet, en 60 ans le champ de bataille a complètement changé, et dans la littérature seulement un nombre limité d'études proposent de prendre en compte ces évolutions. L'étude menée dans cette thèse propose de s'intéresser aux systèmes de Commandes et Contrôles (C2) pour des applications anti-aériennes. Habituellement un système C2 est composé de senseurs, d'un centre d'opérations tactiques et d'un ou plusieurs lanceurs. Les senseurs alimentent le centre d'opérations tactiques à partir des informations qu'ils recueillent, puis, une fois ces informations reçues, le centre d'opérations tactiques va interpréter ces données afin de calculer l'atteignabilité des menaces. Enfin, un plan d'engagement qui comprend l'allocation des munitions disponibles aux cibles et une date de tir sont proposés à un opérateur humain qui aura pour mission de valider cette proposition en totalité ou partiellement, puis va procéder à l'engagement des menaces. Pour remplir cet objectif, une approche innovante et faisant l'objet d'un dépôt de brevet a été développée afin de répondre aux difficultés relatives aux problèmes d'optimisation multi-objectifs. Ensuite, un algorithme d'optimisation continue basé sur la combinaison de l'optimisation par essaim particulaires avec la théorie des jeux évolutionnaires est proposé pour optimiser les dates de tirs. L'allocation optimale, elle, est obtenue en adaptant cette méthode continue au cas discret. La preuve que l'algorithme développé est localement convergent est donnée dans cette thèse. D'autre part, l'aspect temps-réel a également fait l'objet d'une recherche attentive et l'algorithme précédemment cité a été hybridé avec les réseaux de neurones afin d'accélérer le temps de calcul des composants identifiés comme "lourds" en termes de charge de calcul. Enfin, cette étude ne se limite pas à une application de recherche opérationnelle militaire, mais inclut quelques concepts élémentaires de guidage et de navigation pour le calcul d'atteignabilité des menaces. Finalement, cette thèse permet d'identifier que les points suivants doivent faire l'objet d'une attention très particulière afin de développer un outil d'aide à la décision efficace. D'abord, la métrique d'évaluation d'un bon plan d'engagement doit être clairement analysée. Ensuite, le plan d'engagement proposé doit être stable et ne pas proposer de changements soudains qui pourraient perturber l'opérateur. Le troisième point concerne la robustesse de la solution proposée et sa capacité à faire face aux situations les plus compliquées. Quatrièmement, le temps et la charge de calcul sont des contraintes techniques qui ne peuvent pas être outrepassées. Finalement, les exigences posées lors de la préparation de mission et qui dépendent du contexte doivent faire l'objet d'une attention particulière. C'est pourquoi, l'outil d'aide à la décision proposé doit permettre un allègement significatif de la charge de travail de l'opérateur ainsi que la réduction considérable du stress lié à ce contexte / This research investigates a practical air defence problem, usually named Weapon Target Assignment (WTA) in the literature. The WTA problem is a well-known problem of military operation research that encountered a wide success in the research community, but still nowadays since it remains an unsolved problem because of its NP-hardness property. From analytical to heuristic methods, the WTA was deeply investigated and many attempts to solve this problem have been proposed. However, the proposed modelling of this problem is consistent with the 1950's technologies. Thus, the proposed modelling found in the literature can be considered as obsolete and cannot fit the requirement of the current technology advances. Indeed, the battle field dramatically changes over 60 years, and the recent literature proposes only few studies taking into account these amendments. The herein study proposes to investigate a Command & Control system (C2) in air defence applications. Usually a C2 system includes sensors, a Tactical Operation Centre (TOC) and one or more launchers. The sensors provide information about aerial tactical situation to the TOC. This TOC is in charge of evaluating the received information in order to compute the attainability of the targets, then an engagement plan that includes the assignment of the available weapons to the incoming targets and a date to fire for each assignment. This engagement plan is then proposed to one human operator in charge of accepting whole or part of this engagement plan and engage the targets following the received instructions. To achieve this goal, an innovative and patented approach to mitigate the issues related to multi-objective optimisation is proposed. Then, a continuous optimisation algorithm based on the combination of the Particle Swarm Optimisation and the Evolutionary Game Theory was proposed to determine the best dates to fire. The optimal assignment was obtained by adapting the aforementioned algorithm to the discrete case. This thesis also gives the proof that the designed algorithms are locally convergent and intensive benchmarking confirms the developed theory. In order to respect the real-time requirement, it was also devised to use the Neural Networks to lighten the identified burdensome parts of the algorithm and decrease computational time. Not limited to the military operation research field, the herein study reuse some basic concepts of missile guidance and navigation to compute the attainability of the targets. From this thesis, it can be identified that following aspects need to be carefully considered to provide an efficient decision making support to a human operator: First, clearly define what a good engagement plan is. Second, the engagement plan must be steady to avoid high rate changing in the assignments that could significantly disturb the operator. Third, the proposed engagement also must be reliable and robust to face any possible situations. Fourth, the computation time and computation load are technical constraints that cannot be overstepped. Finally, the operational constraints related to the mission context defined during a pre-mission stage must also be taken into account. Therefore, the proposed decision making support must help and significantly reduce the operator's work load in this situation of high stress and sensitive context

Les métaheuristiques sont une famille d'algorithmes stochastiques destinés à résoudre des problèmes d 'optimisation difficile . Utilisées dans de nombreux domaines, ces méthodes présentent l'avantage d'être généralement efficaces, sans pour autant que l'utilisateur ait à modifier la structure de base de l'algorithme qu'il utilise. Parmi celles-ci, l'Optimisation par Essaim Particulaire (OEP) est une nouvelle classe d'algorithmes proposée pour résoudre les problèmes à variables continues. Les algorithmes d'OEP s'inspirent du comportement social des animaux évoluant en essaim, tels que les oiseaux migrateurs ou les poissons. Les particules d'un même essaim communiquent de manière directe entre elles tout au long de la recherche pour construire une solution au problème posé, en s'appuyant sur leur expérience collective. Reconnues depuis de nombreuses années pour leur efficacité, les métaheuristiques présentent des défauts qui rebutent encore certains utilisateurs. Le réglage des paramètres des algorithmes est un de ceux-ci. Il est important, pour chaque probléme posé, de trouver le jeu de paramètres qui conduise à des performances optimales de l'algorithme. Cependant, cette tâche est fastidieuse et coûteuse en temps, surtout pour les utilisateurs novices. Pour s'affranchir de ce type de réglage, des recherches ont été menées pour proposer des algorithmes dits adaptatifs . Avec ces algorithmes, les valeurs des paramètres ne sont plus figées, mais sont modifiées, en fonction des résultats collectés durant le processus de recherche. Dans cette optique-là, Maurice Clerc a proposé TRIBES, qui est un algorithme d'OEP mono-objectif sans aucun paramètre de contrôle. Cet algorithme fonctionne comme une boite noire , pour laquelle l'utilisateur n'a qu'à définir le problème à traiter et le critàre d'arrêt de l'algorithme. Nous proposons dans cette thèse une étude comportementale de TRIBES, qui permet d'en dégager les principales qualités et les principaux défauts. Afin de corriger certains de ces défauts, deux modules ont été ajoutés à TRIBES. Une phase d'initialisation régulière est insérée, afin d'assurer, dès le départ de l'algorithme, une bonne couverture de l'espace de recherche par les particules. Une nouvelle stratégie de déplacement, basée sur une hybridation avec un algorithme à estimation de distribution, est aussi définie, afin de maintenir la diversité au sein de l'essaim, tout au long du traitement. Le besoin croissant de méthodes de résolution de problèmes multiobjectifs a conduit les concepteurs à adapter leurs méthodes pour résoudre ce type de problème. La complexité de cette opération provient du fait que les objectifs à optimiser sont souvent contradictoires. Nous avons élaboré une version multiobjectif de TRIBES, dénommée MO-TRIBES. Nos algorithmes ont été enfin appliqués à la résolution de problèmes de seuillage d'images médicales et au problème de dimensionnement de composants de circuits analogiques / Metaheuristics are a new family of stochastic algorithms which aim at solving difficult optimization problems. Used to solve various applicative problems, these methods have the advantage to be generally efficient on a large amount of problems. Among the metaheuristics, Particle Swarm Optimization (PSO) is a new class of algorithms proposed to solve continuous optimization problems. PSO algorithms are inspired from the social behavior of animals living in swarm, such as bird flocks or fish schools. The particles of the swarm use a direct way of communication in order to build a solution to the considered problem, based on their collective experience. Known for their e ciency, metaheuristics show the drawback of comprising too many parameters to be tuned. Such a drawback may rebu some users. Indeed, according to the values given to the parameters of the algorithm, its performance uctuates. So, it is important, for each problem, to nd the parameter set which gives the best performance of the algorithm. However, such a problem is complex and time consuming, especially for novice users. To avoid the user to tune the parameters, numerous researches have been done to propose adaptive algorithms. For such algorithms, the values of the parameters are changed according to the results previously found during the optimization process. TRIBES is an adaptive mono-objective parameter-free PSO algorithm, which was proposed by Maurice Clerc. TRIBES acts as a black box , for which the user has only the problem and the stopping criterion to de ne. The rst objective of this PhD is to make a global study of the behavior of TRIBES under several conditions, in order to determine the strengths and drawbacks of this adaptive algorithm. In order to improve TRIBES, two new strategies are added. First, a regular initialization process is defined in order to insure an exploration as wide as possible of the search space, since the beginning of the optimization process. A new strategy of displacement, based on an hybridation with an estimation of distribution algorithm, is also introduced to maintain the diversity in the swarm all along the process. The increasing need for multiobjective methods leads the researchers to adapt their methods to the multiobjective case. The di culty of such an operation is that, in most cases, the objectives are con icting. We designed MO-TRIBES, which is a multiobjective version of TRIBES. Finally, our algorithms are applied to thresholding segmentation of medical images and to the design of electronic components

Le travail présenté dans ce mémoire porte sur l'étude, l'optimisation et la réalisation d'une transmission planétaire magnétique. Dans notre thèse nous essayons de répondre à quelques questions intéressantes sur la possibilité de remplacer un train planétaire mécanique par un train planétaire magnétique, est-ce que la formule de Willis reste valable pour le train planétaire magnétique et est-ce que les trains magnétiques ont des performances similaires à celles des trains mécaniques ? Donc nous étudions, le remplacement du train mécanique par une transmission magnétique. Nous montrons que le train magnétique a un volume moindre, des pertes inférieures et plusieurs autres avantages. Notre but dans cette thèse est d'obtenir un "design" optimal d'un train magnétique. Nous utilisons un logiciel de calcul par éléments finis pour l'étude électromagnétique et nous cherchons également à optimiser les dimensions de ce train. Pour cela nous utilisons la méthode d'optimisation par essaim de particules (OEP). Un prototype a été réalisé ce qui permet de confronter les résultats de simulation et expérimentaux. / The work presented in this thesis deals with the study, the optimisation and the realisation of a magnetic planetary transmission. We try to answer some questions about the possibility of replacing the mechanical planetary gear used in industrial machines by a magnetic planetary gear; is the formula of Willis still valid for the magnetic planetary gear and are the magnetic planetary gear performances at least similar to ones of the mechanical gears? We study the replacement of the mechanical planetary gear by a magnetic one. We show that the magnetic one has a smaller volume, lower losses and many other benefits. The objective of this work is to obtain an optimum design of a magnetic planetary gear. We use a finite element software to study the magnetic behaviour of the device and we also perform the optimization of the dimensions of the magnetic planetary gear. The particle swarm optimization method (PSO) has been used. A prototype has been built so the computation results has been compared to the experimental ones.