The purpose of the inverse-transport problems that we address is to reconstruct the material distribution inside an unknown object undergoing a nondestructive evaluation. We assume that the object is subjected to incident beams of photons or particles and that the exiting radiation is measured with detectors around the periphery of the object. In the present work we focus on problems in which radiation can undergo significant scattering within the optically thick object. We develop a set of reconstruction strategies to infer the material distribution inside such objects. When we apply these strategies to a set of neutron-tomography test problems we find that the results are substantially superior to those obtained by previous methods. We first demonstrate that traditional analytic methods such as filtered back projection (FBP) methods do not work for very thick, highly scattering problems. Then we explore deterministic optimization processes, using the nonlinear conjugate gradient iterative updating scheme to minimize an objective functional that characterizes the misfits between forward predicted measurements and actual detector readings. We find that while these methods provide more information than the analytic methods such as FBP, they do not provide sufficiently accurate solutions of problems in which the radiation undergoes significant scattering. We proceed to present some advances in inverse transport methods. Our strategies offer several advantages over previous reconstruction methods. First, our optimization procedure involves the systematic use of both deterministic and stochastic methods, using the strengths of each to mitigate the weaknesses of the other. Another key feature is that we treat the material (a discrete quantity) as the unknown, as opposed to individual cross sections (continuous variables). This changes the mathematical nature of the problem and greatly reduces the dimension of the search space. In our hierarchical approach we begin by learning some characteristics of the object from relatively inexpensive calculations, and then use knowledge from such calculations to guide more sophisticated calculations. A key feature of our strategy is dimension-reduction schemes that we have designed to take advantage of known and postulated constraints. We illustrate our approach using some neutron-tomography model problems that are several mean-free paths thick and contain highly scattering materials. In these problems we impose reasonable constraints, similar to those that in practice would come from prior information or engineering judgment. Our results, which identify exactly the correct materials and provide very accurate estimates of their locations and masses, are substantially better than those of deterministic minimization methods and dramatically more efficient than those of typical stochastic methods.

Given the demand for mobility in our society, the cost of building additionalinfrastructures and the increasing concerns about the sustainability of the trafficsystem, traffic managers have to come up with new tools to optimize the trafficconditions within the existing infrastructure. This study considered to optimizethe durations of the green light phases in order to improve several criteria such asthe ability of the network to deal with important demands or the total pollutantemissions.     Because the modeling of the problem is difficult and computationally demanding,a stochastic micro-simulator called ’Simulation of Urban MObility’ (SUMO) has been used with a stochastic optimization process, namely a Genetic Algorithm (GA).     The research objective of the study was to create a computational frameworkbased on the integration of SUMO and a Multi-Objective Genetic-Algorithm (MOGA).The proposed framework was demonstrated on a medium-size network correspondingto a part of the town of Rouen, France. This network is composed of 11 intersections,168 traffic lights and 40 possible turning movements. The network is monitored with20 sensors, spread over the network. The MOGA considered in this study is basedon NSGA-II. Several aspects have been investigated during the course of this thesis.     An initial study shows that the proposed MOGA is successful in optimizing thesignal control strategies for a medium-sized network within a reasonable amount oftime.     A second study has been conducted to optimize the demand-related model ofSUMO in order to ensure that the behavior in the simulated environment is close tothe real one. The study shows that a hybrid algorithm composed of a gradient searchalgorithm combined with a GA achieved a satisfactory behavior2 for a medium-sizenetwork within a reasonable time.

Dans une optique de maximisation de la production et de réduction des coûts d’installation, de maintenance et d’entretien des trackers solaires, qui permettent d’orienter les modules photovoltaïques à haute concentration (HCPV), ces travaux de thèse se focalisent sur l’amélioration de la précision et la réduction du coût de la stratégie de génération de la trajectoire du tracker. Dans un premier temps, un simulateur de tracker HCPV est développé offrant une étude de l’influence de la performance du suivi du soleil sur la production des modules HCPV, permettant ainsi une étude et une comparaison des stratégies de génération de trajectoires. Le simulateur est basé sur un modèle comportemental de module HCPV monté sur tracker permettant de prédire la puissance maximale du module HCPV en fonction de l’erreur de position du tracker face au soleil, de l’ensoleillement direct et de la température. Une première stratégie de commande dite de référence a été implémentée sur ce simulateur. C’est une commande hybride qui repose sur un viseur solaire pour corriger l’erreur de poursuite par un calcul astronomique. Ensuite, afin d’améliorer les performances et de réduire les coûts de cette stratégie, une nouvelle approche sans capteur est développée en se basant sur une méthode d’optimisation du gradient de puissance pour la génération de la trajectoire du tracker. Une étude complémentaire est également exposée afin de mettre en évidence des algorithmes de recherche de la puissance maximale (MPPT) pouvant offrir des temps de réponse suffisamment rapides pour ne pas affecter la qualité de l’évaluation du gradient de puissance. Dans ce contexte, une commande MPPT P&O améliorée par un réseau de neurones à complexité réduite est proposée, assurant un compromis entre précision, simplicité et rapidité / This work focuses on improving the accuracy and on reducing the cost of the tracker generating trajectory strategy, in order to maximize the production and to reduce the installation and the maintenance cost of a solar tracker orienting high concentrated photovoltaic modules (HCPV). Initially, we propose a behavioral modeling of the HCPV module mounted on a dual axis tracker in order to study the influence of the tracking performance on the module power production. Then, this simulator can be used to test control strategies and to compare their performance. Firstly, a classical control strategy is implemented in the simulator. It is based on a hybrid control operating an astronomical calculation to follow the sun path, and a sun sensor to correct the tracking error. A sensorless strategy is proposed in this work to reduce the cost of the HCPV tracker control. This strategy is based on a gradient optimization algorithm to generate the tracker trajectory and to catch the sun path. Tested on the simulator, this strategy presents the same accuracy as the classical strategy while being less costly. The last study proposed in this thesis work concerns maximum power point tracking (MPPT) algorithms, in order to respond to a given problem relating to the practical implementation of gradient algorithm. In this context, we propose an original optimization of the P&O MPPT control with a neural network algorithm leading to a significant reduction of the computational cost required to train it. This approach, which is ensuring a good compromise between accuracy and complexity is sufficiently fast to not affect the quality of the evaluation of the gradient.

Disertační práce začíná rešerší výpočtů pro návrh sendvičových nosníků, desek a složitějších konstrukcí, kde zaujímá významnou roli MKP. Dále jsou popsány optimalizační metody pro ujasnění široké oblasti matematického programování a základních principů topologické optimalizace až po její implementaci na kompozitní konstrukce jinými autory. Pro názornost jsou zmíněny jak analytické, tak i numerické přístupy k optimalizaci sendvičů, kde numerické přístupy umožňují řešit daleko širší oblast úkolů. Cíl disertační práce je stanoven jako implementace zautomatizovaného algoritmu pro optimalizaci za účelem vylepšení návrhového procesu sendvičů s ohledem na napjatost a únosnost. Cíle je dosaženo prostřednictvím vlastní implementace gradientní optimalizace založené na principech topologické optimalizace, známé jako diskrétní optimalizace materiálu (Discrete Material Optimization - DMO) a jejích variant, které pomáhají najít optimální vrstvení. Přístup k materiálové interpolaci a interpolaci poruchový omezujících podmínek je vyvinut a naprogramován v pythonu za použití teorie smykových deformací prvního řádu (First Order Shear Deformation Theory - FSDT) pro vyhodnocení napětí na elementech na základě zatížení daného MKP řešičem Nastran. Gradientní optimalizér hledá nejlepší materiály pro každou vrstvu potahu sendviče a jádra z definovaných kandidátů. Program je odzkoušený na příkladech různé složitosti od nosníku tvořeného jedním elementem, kde je skutečné optimum známé, až po praktickou úlohu sendvičové kuchyňky z dopravního letadla. Výsledky ukázaly, že algoritmus je schopen dosáhnout diskrétního řešení bez (významného) narušení omezujících podmínek a může tedy být prakticky využit ke zefektivnění koncepčního návrhu sendvičů.

Les modèles d'éléments finis des automobiles donnent des grandes tailles de problèmes matriciels, ce qui demeure coûteux en ressources numériques pour une procédure d'optimisation. La multiplicité des phénomènes couplés du problème d'interaction de l'air de l'habitacle et de la superstructure rend plus sensible, à des variations mineures des paramètres, une optimisation directe du véhicule. Pour réduire les temps de calculs et l'espace mémoire liés à la simulation numérique en éléments finis, une méthode de double synthèse modale est appliquée sur la structure et le fluide. Ceci permet de diminuer le nombre de degrés de liberté de frontière. Egalement, un algorithme a été développé pour minimiser le nombre d'évaluations de fonction au cours des itérations d'optimisation. L'approche modale permet également de décomposer le problème d'optimisation de la réponse vibro-acoustique par des sous-problèmes couplés d'optimisation de critères modaux. Ces critères modaux explicitent les couplages fréquentiels par des termes d'amplification et les couplages spatiaux par des paramètres effectifs modaux. Ils favorisent ainsi le développement d'une stratégie d'optimisation robuste par le contrôle modal des effets prépondérants sur la qualité vibro-acoustique des véhicules. / Finite element models and the complexity of vehicle passenger compartments make it harder the optimization, mainly because of expensive computing resources and multiple coupled phenomena of fluid-structure problems. Strategies to improve time and memory performance consist in the use of reduction methods, and combined with efficient optimization techniques, vibro-acoustic solutions of better quality can be performed. The complexity of the system is taken into account thanks to a hierarchical optimization process. Both reduction method and gradient-based optimization algorithm are investigated. Based on modal synthesis, special criteria help to determine critical vibration propagation paths. A modified SQP (Sequential Quadratic Programming) algorithm is also developed in order to provide a faster convergence speed. Such process is to be applied on an academic example and hollow parts and panels of a whole passenger compartments. It allows to find relevant and non obvious solutions by minimizing noise and vibration transfer functions in a relatively wide range of frequencies.

Μια από τις συνεχώς εξελισσόμενες περιοχές της επιστήμης των υπολογιστών είναι η Υπολογιστική Όραση, σκοπός της οποίας είναι η δημιουργία έξυπνων συστημάτων για την ανάκτηση πληροφοριών από πραγματικές εικόνες. Πολλές σύγχρονες εφαρμογές της υπολογιστικής όρασης βασίζονται στην αντιστοίχιση εικόνων. Την πλειοψηφία των αλγορίθμων αντιστοίχισης συνθέτουν παραμετρικές τεχνικές, σύμφωνα με τις οποίες υιοθετείται ένα παραμετρικό μοντέλο, το οποίο εφαρμοζόμενο στη μια εικόνα δύναται να παρέχει μια προσέγγιση της άλλης. Στο πλαίσιο της διατριβής μελετάται εκτενώς το πρόβλημα της Στερεοσκοπικής Αντιστοίχισης και το γενικό πρόβλημα της Ευθυγράμμισης Εικόνων. Για την αντιμετώπιση του πρώτου προβλήματος προτείνεται ένας τοπικός αλγόριθμος διαφορικής αντιστοίχισης που κάνει χρήση μιας νέας συνάρτησης κόστους, του Τροποποιημένου Συντελεστή Συσχέτισης (ECC), η οποία ενσωματώνει το παραμετρικό μοντέλο μετατόπισης στον κλασικό συντελεστή συσχέτισης. Η ενσωμάτωση αυτή καθιστά τη νέα συνάρτηση κατάλληλη για εκτιμήσεις ανομοιότητας με ακρίβεια μικρότερη από αυτήν του εικονοστοιχείου. Αν και η συνάρτηση αυτή είναι μη γραμμική ως προς την παράμετρο μετατόπισης, το πρόβλημα μεγιστοποίησης έχει κλειστού τύπου λύση με αποτέλεσμα τη μειωμένη πολυπλοκότητα της διαδικασίας της αντιστοίχισης με ακρίβεια υπο-εικονοστοιχείου. Ο προτεινόμενος αλγόριθμος παρέχει ακριβή αποτελέσματα ακόμα και κάτω από μη γραμμικές φωτομετρικές παραμορφώσεις, ενώ η απόδοσή του υπερτερεί έναντι γνωστών στη διεθνή βιβλιογραφία τεχνικών αντιστοίχισης ενώ φαίνεται να είναι απαλλαγμένος από το φαινόμενο pixel locking. Στην περίπτωση του προβλήματος της ευθυγράμμισης εικόνων, η προτεινόμενη συνάρτηση γενικεύεται με αποτέλεσμα τη δυνατότητα χρήσης οποιουδήποτε δισδιάστατου μετασχηματισμού. Η μεγιστοποίησή της, η οποία αποτελεί ένα μη γραμμικό πρόβλημα, επιτυγχάνεται μέσω της επίλυσης μιας ακολουθίας υπο-προβλημάτων βελτιστοποίησης. Σε κάθε επανάληψη επιβάλλεται η μεγιστοποίηση μιας μη γραμμικής συνάρτησης του διανύσματος διορθώσεων των παραμέτρων, η οποία αποδεικνύεται ότι καταλήγει στη λύση ενός γραμμικού συστήματος. Δύο εκδόσεις του σχήματος αυτού προτείνονται: ο αλγόριθμος Forwards Additive ECC (FA-ECC) και o αποδοτικός υπολογιστικά αλγόριθμος Inverse Compositional ECC (IC-ECC). Τα προτεινόμενα σχήματα συγκρίνονται με τα αντίστοιχα (FA-LK και SIC) του αλγόριθμου Lucas-Kanade, ο οποίος αποτελεί σημείο αναφοράς στη σχετική βιβλιογραφία, μέσα από μια σειρά πειραμάτων. Ο αλγόριθμος FA-ECC παρουσιάζει όμοια πολυπλοκότητα με τον ευρέως χρησιμοποιούμενο αλγόριθμο FA-LΚ και παρέχει πιο ακριβή αποτελέσματα ενώ συγκλίνει με αισθητά μεγαλύτερη πιθανότητα και ταχύτητα. Παράλληλα, παρουσιάζεται πιο εύρωστος σε περιπτώσεις παρουσίας προσθετικού θορύβου, φωτομετρικών παραμορφώσεων και υπερ-μοντελοποίησης της γεωμετρικής παραμόρφωσης των εικόνων. Ο αλγόριθμος IC-ECC κάνει χρήση της αντίστροφης λογικής, η οποία στηρίζεται στην αλλαγή των ρόλων των εικόνων αντιστοίχισης και συνδυάζει τον κανόνα ενημέρωσης των παραμέτρων μέσω της σύνθεσης των μετασχηματισμών. Τα δύο αυτά χαρακτηριστικά έχουν ως αποτέλεσμα τη δραστική μείωση του υπολογιστικού κόστους, ακόμα και σε σχέση με τον SIC αλγόριθμο, με τον οποίο βέβαια παρουσιάζει παρόμοια συμπεριφορά. Αν και ο αλγόριθμος FA-ECC γενικά υπερτερεί έναντι των τριών άλλων αλγορίθμων, η επιλογή μεταξύ των δύο προτεινόμενων σχημάτων εξαρτάται από το λόγο μεταξύ ακρίβειας αντιστοίχισης και υπολογιστικού κόστους. / Computer Vision has been recently one of the most active research areas in computer society. Many modern computer vision applications require the solution of the well known image registration problem which consist in finding correspondences between projections of the same scene. The majority of registration algorithms adopt a specific parametric transformation model, which is applied to one image, thus providing an approach of the other one. Towards the solution of the Stereo Correspondence problem, where the goal is the construction of the disparity map, a local differential algorithm is proposed which involves a new similarity criterion, the Enhanced Correlation Coefficient (ECC). This criterion is invariant to linear photometric distortions and results from the incorporation of a single parameter model into the classical correlation coefficient, defining thus a continuous objective function. Although the objective function is non-linear in translation parameter, its maximization results in a closed form solution, saving thus much computational burden. The proposed algorithm provides accurate results even under non-linear photometric distortions and its performance is superior to well known conventional stereo correspondence techniques. In addition, the proposed technique seems not to suffer from pixel locking effect and outperforms even stereo techniques, dedicated to the cancellation of this effect. For the image alignment problem, the maximization of a generalized version of ECC function that incorporates any 2D warp transformation is proposed. Although this function is a highly non-linear function of the warp parameters, an efficient iterative scheme for its maximization is developed. In each iteration of the new scheme, an efficient approximation of the nonlinear objective function is used leading to a closed form solution of low computational complexity. Two different iterative schemes are proposed; the Forwards Additive ECC (FA-ECC) and the Inverse Compositional ECC (IC-ECC) algorithm. Τhe proposed iterative schemes are compared with the corresponding schemes (FA-LK and SIC) of the leading Lucas-Kanade algorithm, through a series of experiments. FA-ECC algorithm makes use of the known additive parameter update rule and its computational cost is similar to the one required by the most widely used FA-LK algorithm. The proposed iterative scheme exhibits increased learning ability, since it converges faster with higher probability. This superiority is retained even in presence of additive noise and photometric distortion, as well as in cases of over-modelling the geometric distortion of the images. On the other hand, IC-ECC algorithm makes use of inverse logic by swapping the role of images and adopts the transformation composition update rule. As a consequence of these two options, the complexity per iteration is drastically reduced and the resulting algorithm constitutes the most computationally efficient scheme than three other above mentioned algorithms. However, empirical learning curves and probability of convergence scores indicate that the proposed algorithm has a similar performance to the one exhibited by SIC. Though FA-ECC seems to be clearly more robust in real situation conditions among all the above mentioned alignment algorithms, the choice between two proposed schemes necessitates a trade-off between accuracy and speed.