De nombreux problèmes d'optimisation issus du monde réel. notamment dans le domaine de la logistique, doivent faire face à beaucoup de difficultés, En effet, ils sont souvent caractérisés par des espaces de recherche vastes et complexes, de multiples fonctions objectif contradictoires, et une foule d'incertitudes qui doivent être prises en compte, Les métaheuristiques sont des candidats naturels pour résoudre ces problèmes, ce qui les rend préférables aux méthodes d'optimisation classiques, Toutefois, le développent de métaheuristiques efficaces résulte en un processus d'ingénierie complexe, Le coeur de ce travail réside en la conception, l'implémentation et l'analyse expérimentale de métaheuristiques pour l'optimisation multiobjectif ainsi que leurs applications à des problèmes logistiques de tournées et d'ordonnancement. Tout d'abord, une vue unifiée de ces approches est présentée, puis intégrée dans une plateforme logicielle dédiée à leur implémentation, ParadisEO-MOEO, Ensuite, plusieurs approches de coopération, combinant des métaheuristiques pour l'optimisation multiobjectif, sont proposées, Enfin, la question de la prise en compte de l'incertitude est abordée dans le context de l'optimisation multiobjectif. / Many real-world optimization problems, especially in the field of logistics, have to face a lot of difficulties, Indeed, they are often characterized by large and complex search'spaces, multiple conflicting objective functions, and a host of uncertainties that have ta be taken into account. Metaheuristics are natural candidates ta solve those problems and make them preferable to classical optimization methods, However, the development of efficient metaheuristics results in a complex engineering process, The core subject of this work lies in the design, implementation and experimental analysis of metaheuristics for multiobjective optimization, together with theu applications to logis tic problems from routing and scheduling, Firstly, a unitïed view of such approaches is presented and then integrated into a software framework for their implementation, ParadisEO-MOEO, Next, sorne cooperative approaches combining metaheuristics for multiobjective optimization are proposed, At last, the issue of uncertainty handling is discussed in the context of multiobjective optimization.

Cette thèse est réalisée au sein du Laboratoire de Génie Industriel et Production de Metz (LGIPM) et s'inscrit donc dans une dynamique à la fois européenne et mondiale qui est la réduction des impacts environnementaux et sociétaux des systèmes de transport. Notre but est de développer un système d'aide à la décision au choix d'un itinéraire de fret ayant le moins d'impacts possible sur l'environnement et la société. Pour se faire, nous avons défini des fonctions qui permettent de calculer pour chaque chemin d'un réseau de transport intermodal, les critères économiques (coût, temps, dégâts dus aux transbordements) et les critères écologiques (pollution, consommation d'énergie, nuisances sonores et risque d'accident) à considérer. Par la suite, nous avons construit un modèle de plus court chemin multiobjectif permettant d’optimiser les sept critères ainsi définis. Pour résoudre ce modèle, un algorithme de colonies de fourmis multiobjectif a été mis en place afin de prendre en compte le grand nombre de critères et l'intermodalité du réseau. Une implémentation est ensuite réalisée sur un réseau de transport intermodal se basant sur des données géographiques réelles et les performances de l’algorithme mis en place sont analysées et prouvées / The topic of this thesis is about environmental and societal impacts abatement within the green supply chain. This thesis is taking place in the Laboratory of Industrial Engineering and Production of Metz (LGIPM). Our goal is to develop a decision support system in choosing a path with the less environmental and societal impacts. For building our decision support system, we defined a mathematical model which computes for each part in our transportation network, the travel time, the transportation cost and the damage due to transshipment, the amount of greenhouse gas emissions that are emitted, the energy consumption, the noise emitted and the accident risk. From this graph, we built a multiobjective shortest path problem. A multiobjective ant colony algorithm MOSPACO (Ant colony optimization for multiobjective shortest path problem) is then proposed to solve the proposed multiobjective shortest path problem; this new algorithm aims to take into account the large number of criteria and intermodal network. The running of the algorithm gives a Pareto front from which the decision maker can choose his desired itinerary

Les travaux présentés dans cette thèse visent à proposer des méthodes de calcul d’itinéraires adaptés aux cyclistes à l’échelle d’une agglomération. Plusieurs critères sont considérés, comme la distance, la sécurité et l’effort. La difficulté est de calculer des chemins de compromis sous une contrainte de temps de quelques secondes pour pouvoir intégrer ce calculateur à un site web. Deux approches ont été abordées pour résoudre ce problème. L’approche a posteriori dans laquelle l’ensemble des solutions de compromis est calculé et l’approche a priori dans laquelle les préférences de l’utilisateur sont prises en compte et permettent d’orienter la recherche pour privilégier les chemins les plus prometteurs. Enfin, nous proposons de modéliser le réseau routier sous la forme d’un graphe adjoint pour pouvoir prendre en compte de nouveaux critères nécessitant, par exemple, des coûts sur les enchaînements d’arcs. L’ensemble de ce travail a permis de développer le service Géovélo qui est un calculateur d’itinéraires multiobjectif adaptés au vélo. Le service est disponible sous la forme d’un site web et d’applications mobiles. / The work presented in this thesis aims at proposing methods for computing bicycle paths across a metropolitan. Several criteria such as distance, safety and effort must be considered in the path computation. The difficulty is to compute paths under a time constraint of a few seconds, in order to integrate the computation in the respond-time of a web page.Two approaches were discussed to solve this problem. The first one is an a posteriori approach where all compromise solutions are computed and the second approach is an a priori method that takes user preferences into account to guide the search by the selection of the most promising sub-paths first. Finally, we propose to model the road network as a line graph to take into account new criteria,requiring costs on arc sequences for example. All this work was necessary to develop the service Géovélo, which is a multiobjective route planner adapted to bicycle. The service is available on a website and as mobile applications.

Par conscience environnementale ou à cause des coûts de l'énergie, de plus en plus de personnes utilisent les transports en commun ou les transports doux. Cependant, un seul mode de transport ne peut pas couvrir tous les besoins. De ce fait, la combinaison de différents modes de transport est une solution très intéressante. Trouver le meilleur chemin multimodal pour une personne donnée est une tâche difficile. Chaque personne a des préférences différentes concernant la durée, le coût, la pollution, les changements, etc. De plus, le choix d'un même usager dépendent des circonstances. S'il pleut, il ne prendra pas le vélo et s'il a des bagages encombrants, il évitera les changements. L'optimisation multiobjectif permet de proposer plusieurs solutions dites équivalentes. Ainsi l'utilisateur choisira l'itinéraire qui lui convient en fonction de ses préférences à un moment donné. Le problème principal à résoudre est donc celui du plus court chemin multiobjectif de point à point dépendant du temps. L'enjeu est d'être capable d'avoir des résultats de l'ordre de la seconde pour une grande ville pour envisager une application réelle. Une attention particulière a été portée sur la simplicité et la généricité des approches proposées. Nous ne nous restreignons pas à un nombre prédéfini de modes de transport ou d'objectifs. Plusieurs algorithmes réputés pour leurs performances théoriques ou expérimentales ont été adaptés au cas multiobjectif ou à la dépendance du temps. Nous avons également proposé des heuristiques permettant de garder le temps de calcul de l'ordre de la seconde.

En optimisation multiobjectif, les connaissances du front et de l’ensemble de Pareto sont primordiales pour résoudre un problème. Un grand nombre de stratégies évolutionnaires sont proposées dans la littérature classique. Ces dernières ont prouvé leur efficacité pour identifier le front de Pareto. Pour atteindre un tel résultat, ces algorithmes nécessitent un grand nombre d’évaluations. En ingénierie, les simulations numériques sont généralement réalisées par des modèles de haute-fidélité. Aussi, chaque évaluation demande un temps de calcul élevé. A l’instar des algorithmes mono-objectif, les gradients des critères, ainsi que les dérivées successives, apportent des informations utiles sur la décroissance des fonctions. De plus, de nombreuses méthodes numériques permettent d’obtenir ces valeurs pour un coût modéré. En s’appuyant sur les résultats théoriques obtenus par Inria, nous proposons un algorithme basé sur l’utilisation des gradients de descente. Ces travaux résument la caractérisation théorique de cette méthode et la validation sur des cas tests analytiques. Dans le cas où les gradients ne sont pas accessibles, nous proposons une stratégie basée sur la construction des métamodèles de Krigeage. Ainsi, au cours de l’optimisation, les critères sont évalués sur une surface de réponse et non par simulation. Le temps de calcul est considérablement réduit, au détriment de la précision. La méthode est alors couplée à une stratégie de progression du métamodèle. / In multiobjective optimization, the knowledge of the Pareto set provides valuable information on the reachable optimal performance. A number of evolutionary strategies have been proposed in the literature and proved to be successful to identify Pareto set. Howerver, these derivative free algorithms are very demanding in computational time. Today, in many areas of computational sciences, codes are developed that include the calculation of the gradient, cautiously validated and calibrated. Thus, an alternate method applicable when the gradients are known is introduced presently. Using a clever combination of the gradients, a descent direction common to all criteria is identified. As a natural outcome, the Multiple Gradient Descent Algorithm (MGDA) is defined as a generalization of the steepest-descent method and compared with PAES by numerical experiments. Using MGDA on a multiobjective optimization problem requires the evaluation of a large number of points with regards to criteria, and their gradients. In the particular case of CFD problems, each point evaluation is very costly. Thus here we also propose to construct metamodels and to calculate approximate gradients by local finite difference.

L'augmentation grandissante du trafic aérien rend le travail des contrôleurs aériens de plus en plus ardu, spécialement en ce qui a trait aux tâches de résolution de conflits et de séquençage d'avions en arrivée. L'automatisation de la résolution de conflits et du séquençage reste toujours un problème ouvert aujourd'hui. L'automatisation de ces deux problèmes permettrait d'une part de mieux modéliser le comportement des contrôleurs aériens dans un simulateur de vol, ou d'améliorer les outils de gestion du trafic aérien. Les caractéristiques combinatoires de ces problèmes conduisent à l'utilisation de techniques numériques stochastiques, plus spécifiquement des algorithmes évolutionnaires. De plus, les nombreux paramètres intervenant dans une situation de gestion de trafic aérien incitent à l'utilisation d'algorithmes multiobjectif. Dans un premier temps, un algorithme génétique multiobjectif (SPEA-MOD) et un algorithme de colonies de particules (PSO-MO) également multiobjectif ont été développés. Ces deux algorithmes ont été comparés à des problèmes multiobjectif contraints et non-contraints. Les résultats ont montré que SPEA-MOD et PSO-MO sont en général supérieurs à ce que l'on rapporte dans la littérature. Dans un deuxième temps, les deux algorithmes ont résolu plusieurs situations conflictuelles de la phase de vol en route (régime de croisière). Les instructions fournies par les algorithmes peuvent être en deux ou en trois dimensions. Les objectifs et les contraintes représentent des paramètres tels que la minimisation d'instructions fournies aux avions et une séparation minimale entre les avions. De ces solutions numériques réalisées, l'algorithme SPEA-MOD s'est avéré particulièrement efficace à des problèmes fortement contraints. Une modélisation novatrice de trajectoires complexes a permis de résoudre des problèmes de séquençage d'avions dans la phase d'arrivée. Le séquençage d'avions en arrivée par un algorithme évolutionnaire fut réalisé pour la première fois dans le cadre de cette recherche. Cette modélisation a également rendu possible la résolution de conflits de deux flux d'avions se croisant.

Le contexte de notre travail s'intéresse à l'ordonnancement d'un atelier de type job shop. L'objectif de la thèse concerne l'élaboration d'une méthode de résolution aussi bien dans le cas classique d'un ordonnancement relatif à la production que dans le cas beaucoup moins étudié touchant l'ordonnancement conjoint de la production et de la maintenance. Les algorithmes génétiques ayant fait leur preuve dans le domaine aussi bien mono objectif que multiobjectif seront à la base de notre étude. Etude faite tout d'abord sur un problème classique de job shop noté J / / Cmax , en ne tenant pas compte des contraintes de disponibilité des machines, puis en introduisant dans un deuxième temps l'aspect de maintenance préventive ayant des objectifs parfois antagonistes avec la production et qui nécessite une résolution multiobjectif. Notre contribution comporte deux volets. Le premier volet prend appui sur les solutions générées par un algorithme génétique qui sont étudiées par des méthodes d'apprentissage. Méthodes qui seront resituées dans le processus d'Extraction de Connaissance à partir des Données (ECD). Dans un soucis de validation et de comparaison par rapport aux travaux faits dans la communauté, la démarche proposée a été élaborée sur un problème classique de type J / / Cmax et sur des benchmarks connus. Le deuxième volet propose un algorithme génétique Pareto optimal résolvant le problème d'ordonnancement conjoint de la production et de la maintenance au sein du job shop. Cet algorithme génétique génère des solutions Pareto optimales. Solutions que nous validerons par des bornes inférieures. Nous optons pour la maintenance préventive systématique pour l'appliquer dans l'atelier de job shop. L'une des difficultés majeures de ce type de maintenance est le choix des périodes d'interventions. Nous proposons dans ce cadre deux méthodes de choix de périodes systématiques.

Ces travaux proposent une méthode d’assistance à la sélection des techniques d’assemblage et à l’allocation de tolérances sur les écarts géométriques des composants dans le cadre de l’assemblage de structures aéronautiques composites. Cette méthode consiste à formuler et à résoudre un problème d’optimisation multiobjectif afin de minimiser un indicateur de cout et un indicateur de non-conformité des structures assemblées. L’indicateur de coût proposé prend en compte le coût associé à l’allocation des tolérances géométriques ainsi que le coût associé aux opérations d’assemblage. Les indicateurs de non-conformités proposés sont évalués à partir des probabilités de non-respect des exigences géométriques sur les structures assemblées. Ces probabilités sont évaluées en propageant les tolérances géométriques allouées et les dispersions des techniques sélectionnées au travers d’une fonction appelée Relation de Comportement de l’assemblage (RdCa). Dans le cas de l’assemblage de structures aéronautiques composites, des exigences peuvent porter sur les jeux aux interfaces entre composants. Dans ce cas, la RdCa est évaluée par la résolution d’un problème mécanique quasi-statique non-linéaire par la méthode des éléments finis. Un méta-modèle de la RdCa est construit afin de la rendre compatible avec les méthodes probabilistes utilisées pour évaluer la non-conformité. Finalement, la définition d’un modèle structuro-fonctionnel du produit et d’une bibliothèque de techniques d’assemblage permet de construire un avant-projet de gamme d’assemblage paramétrique. Ce paramétrage permet de formuler le problème d’optimisation multiobjectif résolu à l’aide d’un algorithme génétique. / The purpose of this PhD is to develop a method to assist assembly technique selection and component geometrical tolerance allocation in the context of composite aeronautical structure assembly. The proposed method consists in formulating and solving a multiobjective optimisation problem aiming at minimising a cost indicator and a non-conformity indicator. The cost indicator account for both the cost involved by the geometrical tolerance allocation and the cost associated with the assembly operations. The proposed non-conformity indicators are evaluated according to the probabilities of non-satisfied requirements on the assembled structures. These probabilities are computed thanks to Geometrical Variation Propagation Relation (GVPR) that expresses the characteristics of the product as a function of the geometrical deviation of the components and the dispersion occurring during the assembly. In the case of composite aeronautical structures, the product characteristics can be gaps at interfaces between components. In this case, the GVPR is evaluated by solving a non-linear quasi-static mechanical problem by the mean of the finite element method. A metamodel of the GVPR is built in order to reduce the computing time and to make it compatible with the probabilistic methods used to evaluate the non-conformity. Finally, the use of a structure-functional model of the product together with an assembly technique library allows defining a parametric assembly process plan. The multiobjective optimisation problem built thanks to set of parameters defining the assembly process plan is solved using a genetic algorithm.

Les travaux présentés dans cette thèse visent à proposer des méthodes de calcul d'itinéraires adaptés aux cyclistes à l'échelle d'une agglomération. Plusieurs critères sont considérés, comme la distance, la sécurité et l'effort. La difficulté est de calculer des chemins de compromis sous une contrainte de temps de quelques secondes pour pouvoir intégrer ce calculateur à un site web. Deux approches ont été abordées pour résoudre ce problème. L'approche a posteriori dans laquelle l'ensemble des solutions de compromis est calculé et l'approche a priori dans laquelle les préférences de l'utilisateur sont prises en compte et permettent d'orienter la recherche pour privilégier les chemins les plus prometteurs. Enfin, nous proposons de modéliser le réseau routier sous la forme d'un graphe adjoint pour pouvoir prendre en compte de nouveaux critères nécessitant, par exemple, des coûts sur les enchaînements d'arcs. L'ensemble de ce travail a permis de développer le service Géovélo qui est un calculateur d'itinéraires multiobjectif adaptés au vélo. Le service est disponible sous la forme d'un site web et d'applications mobiles.

Ce travail de thèse s'inscrit dans le cadre de la recherche de solutions composites innovantes pour l'allègement des structures aéronautiques. Les matériaux composites stratifiés offrent, de par leur architecture interne, de nouveaux degrés de liberté pour la conception et l'optimisation des structures. L'objectif est ici de proposer une méthodologie pour l'optimisation robuste des empilements, à l'échelle de petits sous-ensembles structuraux composites. La démarche est décomposée en trois éléments imbriqués : algorithme d'optimisation, stratégie de calcul et prise en compte des incertitudes. L'algorithme multiobjectif développé retourne au concepteur un ensemble de compromis optimaux. Il s'agit d'un algorithme évolutionnaire, dont l'efficacité est considérablement accrue, par rapport aux outils génériques, par l'introduction de considérations mécaniques multiéchelles spécifiques aux composites stratifiés. Il est en particulier adapté à la prise en compte des recommandations industrielles pour le choix des séquences d'empilements. Afin de réduire les coûts de calcul, des stratégies de calcul sont mises en oeuvre, articulant modélisations fines et approximation des modèles. Une méthode d'optimisation robuste est proposée, pour la prise en compte des incertitudes, méconnaissances ou erreurs potentielles. La première application proposée traite du flambement et post-flambement de panneaux raidis. La seconde application traite de l'optimisation des assemblages boulonnés composites, dont le calcul reste aujourd'hui problématique. Un modèle de la rupture en matage est développé, basé sur une approche progressive de la rupture du stratifié et de l'amorce des délaminages, avec d'excellents résultats par rapport à l'expérience. Ce modèle est appliqué pour l'optimisation d'un assemblage élémentaire à une fixation, et intégré dans une approche multiniveau pour le calcul d'une jonction complexe à plusieurs centaines de fixations.