Influençant fortement la conception de nombreux produits et systèmes industriels, l'optimisation d'agencement est au cœur des problématiques de recherche scientifique. L'élaboration d'une solution d'agencement optimale est rendue d'autant plus complexe qu'il s'agit de répondre aux exigences croissantes des concepteurs travaillant sur des projets divers. Ce travail de doctorat propose une méthode intégrée visant à résoudre un problème d'optimisation d'agencement d'espace, depuis le besoin formulé par le concepteur jusqu'à l'obtention d'une solution idéale. Cette méthode, générique et interactive, s'appuie sur un processus en quatre étapes : la description, la formulation, la résolution du problème et la prise de décision finale. Les deux premières étapes consistent à écrire le problème d'optimisation d'agencement en prenant en compte les différentes exigences du concepteur. Ensuite, l'étape de résolution s'appuie sur l'utilisation d'une stratégie d'optimisation multiobjectif et modulaire. Enfin, la dernière étape consiste, pour le concepteur, à faire un choix de conception sur les solutions proposées par l'algorithme. Afin de matérialiser et valider la méthode, deux problèmes industriels d'agencement d'espace sont résolus. Le premier cas d'étude, proposé par l'entreprise Thales Communications & Security, porte sur le placement optimal d'équipements dans un shelter (abri technique mobile). Le deuxième problème, plus sommaire, étudie le stockage de composants dans un container. Enfin, le travail réalisé au cours de ce doctorat a permis le développement d'un logiciel qui reprend les différentes étapes de la démarche d'optimisation.

Ce travail de recherche entre dans le cadre de la conception pluridisciplinaire de systèmes techniques. Son contexte est le processus support à l'optimisation en conception organique suivant l'approche d'Ingénierie Système. La problématique est l'affectation des variables et le choix de composants en tenant compte des possibilités de couplage entre les disciplines et des objectifs multiples à satisfaire. L'objectif poursuivi est un apport méthodologique et outillé pour l'aide à l'optimisation multiobjectif et multidisciplinaire. La contribution comporte deux volets principaux. D'une part, deux méthodes de recherche basées sur les méta-heuristiques permettent de déterminer rapidement un ensemble des solutions efficaces. D'autre part, l'application de méthodes de discrimination fournit aux concepteurs une aide à l'interprétation des ensembles de solutions efficaces dégagés dans la phase d'optimisation. Ces propositions sont illustrées par deux exemples de conception en robotique.

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

L'augmentation grandissante du trafic a??rien rend le travail des contr??leurs a??riens de plus en plus ardu, sp??cialement en ce qui a trait aux t??ches de r??solution de conflits et de s??quen??age d'avions en arriv??e. L'automatisation de la r??solution de conflits et du s??quen??age reste toujours un probl??me ouvert aujourd'hui. L'automatisation de ces deux probl??mes permettrait d'une part de mieux mod??liser le comportement des contr??leurs a??riens dans un simulateur de vol, ou d'am??liorer les outils de gestion du trafic a??rien. Les caract??ristiques combinatoires de ces probl??mes conduisent ?? l'utilisation de techniques num??riques stochastiques, plus sp??cifiquement des algorithmes ??volutionnaires. De plus, les nombreux param??tres intervenant dans une situation de gestion de trafic a??rien incitent ?? l'utilisation d'algorithmes multiobjectif. Dans un premier temps, un algorithme g??n??tique multiobjectif (SPEA-MOD) et un algorithme de colonies de particules (PSO-MO) ??galement multiobjectif ont ??t?? d??velopp??s. Ces deux algorithmes ont ??t?? compar??s ?? des probl??mes multiobjectif contraints et non-contraints. Les r??sultats ont montr?? que SPEA-MOD et PSO-MO sont en g??n??ral sup??rieurs ?? ce que l'on rapporte dans la litt??rature. Dans un deuxi??me temps, les deux algorithmes ont r??solu plusieurs situations conflictuelles de la phase de vol en route (r??gime de croisi??re). Les instructions fournies par les algorithmes peuvent ??tre en deux ou en trois dimensions. Les objectifs et les contraintes repr??sentent des param??tres tels que la minimisation d'instructions fournies aux avions et une s??paration minimale entre les avions. De ces solutions num??riques r??alis??es, l'algorithme SPEA-MOD s'est av??r?? particuli??rement efficace ?? des probl??mes fortement contraints. Une mod??lisation novatrice de trajectoires complexes a permis de r??soudre des probl??mes de s??quen??age d'avions dans la phase d'arriv??e. Le s??quen??age d'avions en arriv??e par un algorithme ??volutionnaire fut r??alis?? pour la premi??re fois dans le cadre de cette recherche. Cette mod??lisation a ??galement rendu possible la r??solution de conflits de deux flux d'avions se croisant.

L'évolution des architectures des systèmes embarqués temps réel vers des architectures modulaires a permis d'introduire plus de fonctionnalités grâce à l'utilisation de calculateurs répartis et d'interfaces de communication et de service standardisés. Nous nous intéressons dans cette thèse à l'architecture avionique modulaire (IMA) des standards ARINC 653 et ARINC 664 partie 7. Cette évolution a introduit de nouveaux défis de conception relatifs, entre autres, au respect des contraintes temporelles applicatives nécessaires au bon fonctionnement du système. La conception d'un système modulaire est un problème d'intégration sous contraintes, qui regroupe plusieurs problèmes difficiles (dimensionnement, allocation de ressource spatiales et temporelles). Ces difficultés requièrent la mise en place d'outils d'aide à l'intégration qui passent à l'échelle. C'est dans ce cadre-là que ces travaux de thèse ont été menés. Nous nous intéressons principalement à l'allocation des ressources temporelles du système. Plus particulièrement, nous déterminons les périodes d'exécution des fonctions embarquées distribuées qui garantissent les contraintes temporelles applicatives et qui offrent un degré d'évolutivité du système élevé, étant donné une répartition des fonctions sur les calculateurs. Notre démarche prend en compte la variabilité temporelle (bornée) du réseau de communication La première contribution de cette thèse est la formulation du problème d'intégration d'un système modulaire IMA en un problème d'optimisation multi-critère à contraintes temporelles. Pour une distribution des fonctions avioniques aux calculateurs, la périodicité des partitions IMA est recherchée de façon à garantir la fraîcheur et la non-perte des données transmises. Parmi toutes les allocations temporelles vérifiant les contraintes temporelles, nous réalisons une recherche multi-critères qui optimise à la fois un critère de charge des calculateurs et de marge temporelle dans le réseau. Ces deux critères facilitent les évolutions futures de l’architecture. La seconde contribution de cette thèse est la proposition de deux heuristiques de recherche multi-critère adaptées à notre problème. Il faut noter que le nombre d'allocations temporelles valides grandit exponentiellement avec le nombre de modules et de partitions hébergées par module. Nous proposons deux algorithmes d'optimisation multi-critères : (i) EXHAUST, un algorithme optimal de recherche exhaustive, (ii) TABOU un algorithme semi-optimal basé sur une métaheuristique Tabou. Pour les deux algorithmes, la cardinalité du problème est réduite par une phase d'optimisation locale à chaque module, rendue possible par la linéarité des deux métriques choisies. Cette première étape d'optimisation locale permet de résoudre à l'optimal le problème d'allocation avec EXHAUST pour un système IMA de taille moyenne. Nous montrons que pour des systèmes de grande taille, l'algorithme TABOU est un très bon candidat car il extrait des solutions satisfaisantes en un temps raisonnable, tout en testant un nombre limité d'allocations valides. Ces deux heuristiques sont appliquées à un système IMA. L'analyse des solutions obtenues nous permet de mettre en exergue la qualité des solutions Pareto-optimales obtenues par les deux algorithmes. Elles présentent les caractéristiques recherchées d'évolutivité de la charge des calculateurs et de la marge réseau. Notre dernière contribution réside dans une analyse fine de ces solutions. L'analyse met en avant différentes classes de solutions Pareto-optimales avec différent compromis entre la charge et la marge réseau. La connaissance de ces classes de solutions permet à l'intégrateur de choisir une solution lui fournissant le compromis qu'il recherche entre les critères de charge et de marge réseau. / The evolution of real-time embedded systems architectures to modular architectures has introduced more functionality through the use of distributed computers and communication interfaces and standardized service. We focus in this thesis on Integrated modular avionics architectures (IMA) standardized in ARINC 653 and ARINC 664 standard Part 7. This development has introduced new design challenges, among others, as respect for application timing constraints mandatory for the proper functioning of systems. The design of a modular system is an integration problem under constraints which features some difficult issues (design, spatial and temporal resource allocation). These difficulties require implementation of tools for integration that go to scale. It is, in this context, that the thesis work was conducted. We are interested primarily to the allocation of time resources of the system. In particular, we determine the execution time of distributed embedded functions that guarantee the application time constraints and offer a high degree of scalability of the system, given a distribution of functions on computers. Our approach takes into account the temporal variability (bounded variability) of the communication network. The first contribution of this thesis is the formulation of the problem of integration of an IMA system in a multi-criteria optimization problem with time constraints. For a distribution of avionics functions on computers, execution periods of IMA partitions are sought in order to ensure freshness and non-loss of transmitted data. Among all temporary allocations satisfying the time constraints, we perform a multi-criteria search that optimizes both load test calculators and time buffer in the network. These two criteria facilitate the future development of architecture. The second contribution of this thesis is the proposal of two multi-criteria search heuristics adapted to our problem. Note that the number of valid temporary allocations grows exponentially with the number of modules and partitions hosted on them. We offer two multi-criteria optimization algorithms: (i) EXHAUST, optimal exhaustive search algorithm, (ii) TABOO a semi-optimal algorithm based on a metaheuristic Tabu. For both algorithms, the cardinality of the problem is reduced by a local optimization phase for each module, made possible by the linearity of the two selected metric. This first local optimization step solves the problem of optimal allocation with EXHAUST for IMA system of medium size. We show that for large systems, the TABOO algorithm is a very good candidate because it extracts satisfactory solutions in a reasonable time while testing a limited number of valid allocations. These two heuristics are applied to an IMA system example. The analysis of the solutions obtained allows us to highlight the quality of Pareto-optimal solutions obtained by both algorithms. They have the characteristics sought scalability of the load of the computers and network margin. Our latest contribution lies in a detailed analysis of these solutions. The analysis highlights different classes of Pareto Optimal solutions with different compromise between the load of the system and the network margin. The knowledge of these solutions allows the system Integrator to choose a solution among solution classes that offer the compromise between the search criteria and network load margin.

L’intégration de la recherche d’efficacité énergétique aux projets d’aménagement urbain est essentielle au vu du contexte actuel de transition énergétique et environnementale. Dans le but de réduire l’empreinte énergétique d’un quartier dès la phase de conception, un ensemble de contributions a été réalisé afin d’accompagner les aménageurs dans cette démarche. La plateforme de simulation DIMOSIM (DIstrict MOdeller and SIMulator) a été développée pour modéliser et simuler dynamiquement les flux énergétiques d’un quartier implanté au sein de son environnement urbain. La conception est optimisée à l’aide d’une procédure multiobjectif combinant les aspects énergétiques, économiques et environnementaux pour garantir la meilleure performance globale. Cette approche transversale est multi-étagée et intègre l’algorithme génétique NSGA-II afin de s’adapter aux spécificités du problème. La sélection de la solution préférentielle est ensuite facilitée par l’utilisation d’une méthode d’analyse multicritère de surclassement qui a été conçue dans le but de fournir une évaluation détaillée des différents concepts : la méthode ATLAS (Assistance TooL for decision support to Assess and Sort). Enfin, la procédure complète d’accompagnement a été appliquée à des projets de conception d’écoquartier pour en valider le fonctionnement mais également pour fournir l’aide à la décision nécessaire aux décideurs. / The integration of the research of energy efficiency into urban development projects is essential in the current context of energy and environmental transition. In order to reduce the energy footprint of a district already starting from the design phase, a set of contributions was elaborated to support the planners in this process. The DIMOSIM simulation platform (DIstrict MOdeller and SIMulator) has been developed to dynamically model and simulate the energy flows of a district located within its urban environment. The design of the district is optimized using a multi-objective procedure combining energy, economic and environmental aspects to ensure the best overall performance. A cross-cutting, multi-level approach integrating the NSGA-II genetic algorithm was implemented in order to adapt the procedure to the specificities of the problem. The selection of the preferred solution is then facilitated by the use of a multicriteria analysis method which was developed to provide a detailed evaluation of the different concepts : the outranking method ATLAS (Assistance TooL for decision support to assessment And Sort). Finally, the complete procedure dedicated to the district energy system design was applied to eco-district projects in order to validate its correct operation and also to provide the necessary support to decision-makers.

De nombreux problèmes de décision issus du monde réel sont de nature NP-difficile. Il est également fréquent que de tels problèmes rassemblent plusieurs objectifs à optimiser simultanément, généralement contradictoires entre eux. Pour aborder cette classe de problèmes, les métaheuristiques multiobjectifs fournissent des outils particulièrement efficaces. Par ailleurs, pour traiter des problèmes de transport, l'élaboration de modèles permettant de caractériser l’évolution spatio-temporelle d’une population est un élément essentiel. Dans le cadre de ces travaux, nous nous intéressons à la chaine complète qui permet de guider une décision dans le domaine de l'aménagement du territoire et du transport. Nous considérons ainsi les deux principales phases impliquées dans le processus de décision : la modélisation des déplacements de la population d'une part, et l'élaboration d'une métaheuristique hybride pour résoudre des problèmes d'optimisation multiobjectif d'autre part. Afin de modéliser l’évolution de la présence de personnes sur un territoire, nous proposons dans cette thèse un nouveau modèle de mobilité. L'originalité de ce travail réside dans l'utilisation de données nouvelles issues de la téléphonie mobile, ainsi que dans l'exploitation d'informations géographiques et socio-économiques pour caractériser le pouvoir d'attraction du territoire. Nous proposons par ailleurs une heuristique pour résoudre des problèmes multiobjectifs. L’étude de l'influence de différents opérateurs sur la construction de l'ensemble Pareto, nous a amené à concevoir une heuristique hybride de type mémétique, qui se révèle être significativement plus efficace que des approches de référence. Les deux principales phases, modélisation et optimisation, ont été expérimentées et validées dans un contexte réel. Elles ont donné lieu au développement d’une plate-forme logicielle d’aide à la décision utilisée notamment pour proposer des emplacements de stations pour un service d'auto-partage électrique. / Many decision-making problems in the real world are NP-hard. These problems commonly feature several mutually-contradictory objectives to be optimized simultaneously. Multiobjective metaheuristics provide particularly effective means of addressing this class of problems. Moreover, for transportation problems, the development of models able to evaluate the spatiotemporal evolution of a population is essential. In our research, we are interested in the complete chain guiding a decision in the fields of transportation and territory planning. We consider the two main phases involved in the decision-making process: building a population mobility model and developing a hybrid metaheuristic to solve multiobjective optimization problems. In order to compute the evolution of population presence on a territory, in this thesis we propose a new mobility model; its originality lies in employing new data from mobile phone networks as well as geographic and socio-economic information to indicate the attractiveness of the territory. We have also developed a heuristic to solve multiobjective problems: following the study of the influence of several operators on the Pareto front, we have designed a hybrid memetic heuristic that is significantly more effective than reference approaches. The two main phases of modelling and optimizing have been tested and validated in a real context, allowing us to develop a decision-making software platform that can be used to provide station locations for an electric car-sharing service.

Cette thèse s’intéresse à l’optimisation multiobjectif sans contrainte lorsque les objectifs sont exprimés comme des espérances de fonctions aléatoires. L’aléa est modélisé par l’intermédiaire de variables aléatoires et on considère qu’il n’impacte pas les variables d’optimisation du problème. La thèse consiste à proposer un algorithme de descente qui permet l’obtention des solutions de Pareto du problème d’optimisation ainsi écrit. En utilisant des résultats d’analyse convexe, il est possible de construire un vecteur de descente commun à l’ensemble des objectifs du problème d’optimisation pour un tirage des variables aléatoires donné. Une suite itérative consistant à descendre dans la direction du vecteur de descente commun calculé au point courant et pour un tirage aléatoire unique et indépendant des variables aléatoires est alors construite. De cette manière, l’estimation coûteuse des espérances à chaque étape du processus d’optimisation n’est pas nécessaire. Il est possible de prouver les convergences en norme et presque sûre de cette suite vers les solutions de Pareto du problème d’optimisation en espérance et d’obtenir un résultat de vitesse de convergence lorsque la suite de pas de descente est bien choisie. Après avoir proposé diverses méthodes numériques d’amélioration de l’algorithme, un ensemble d’essais numériques est mené et les résultats de l’algorithme proposé sont comparés à ceux obtenus par deux autres algorithmes classiques de la littérature. Les résultats obtenus sont comparés par l’intermédiaire de mesures adaptées à l’optimisation multiobjectif et sont analysés par le biais de profils de performance. Des méthodes sont alors proposées pour prendre en compte deux types de contrainte et sont illustrées sur des problèmes d’optimisation de structures mécaniques. Une première méthode consiste à pénaliser les objectifs par l’intermédiaire de fonctions de pénalisation exacte lorsque la contrainte est décrite par une fonction déterministe. Pour les contraintes probabilistes, on propose de remplacer les contraintes par des objectifs supplémentaires, ces contraintes probabilistes étant alors reformulées comme des espérances de fonctions indicatrices, le problème étant résolu à l’aide de l’algorithme proposé dans la thèse sans avoir à estimer les probabilités des contraintes à chaque itération. / This thesis deals with unconstrained multiobjective optimization when the objectives are written as expectations of random functions. The randomness is modelled through random variables and we consider that this does not impact the problem optimization variables. A descent algorithm is proposed which gives the Pareto solutions without having to estimate the expectancies. Using convex analysis results, it is possible to construct a common descent vector that is a descent vector for all the objectives simultaneously, for a given draw of the random variables. An iterative sequence is then built and consists in descending following this common descent vector calculated at the current point and for a single independent draw of the random variables. This construction avoids the costly estimation of the expectancies at each step of the algorithm. It is then possible to prove the mean square and almost sure convergence of the sequence towards Pareto solutions of the problem and at the same time, it is possible to obtain a speed rate result when the step size sequence is well chosen. After having proposed some numerical enhancements of the algorithm, it is tested on multiple test cases against two classical algorithms of the literature. The results for the three algorithms are then compared using two measures that have been devised for multiobjective optimization and analysed through performance profiles. Methods are then proposed to handle two types of constraint and are illustrated on mechanical structure optimization problems. The first method consists in penalising the objective functions using exact penalty functions when the constraint is deterministic. When the constraint is expressed as a probability, the constraint is replaced by an additional objective. The probability is then reformulated as an expectation of an indicator function and this new problem is solved using the algorithm proposed in the thesis without having to estimate the probability during the optimization process.

L'optimisation de l'exploitation d'un réseau de transport de gaz naturel (RTGN) est typiquement un problème d'optimisation multiobjectif, faisant intervenir notamment la minimisation de la consommation énergétique dans les stations de compression, la maximisation du rendement, etc. Cependant, très peu de travaux concernant l'optimisation multiobjectif des réseaux de gazoducs sont présentés dans la littérature. Ainsi, ce travail vise à fournir un cadre général de formulation et de résolution de problèmes d'optimisation multiobjectif liés aux RTGN. Dans la première partie de l'étude, le modèle du RTGN est présenté. Ensuite, diverses techniques d'optimisation multiobjectif appartenant aux deux grandes classes de méthodes par scalarisation, d'une part, et de procédures évolutionnaires, d'autre part, communément utilisées dans de nombreux domaines de l'ingénierie, sont détaillées. Sur la base d'une étude comparative menée sur deux exemples mathématiques et cinq problèmes de génie des procédés (incluant en particulier un RTGN), un algorithme génétique basé sur une variante de NSGA-II, qui surpasse les méthodes de scalarisation, de somme pondérée et d'ε-Contrainte, a été retenu pour résoudre un problème d'optimisation tricritère d'un RTGN. Tout d'abord un problème monocritère relatif à la minimisation de la consommation de fuel dans les stations de compression est résolu. Ensuite un problème bicritère, où la consommation de fuel doit être minimisée et la livraison de gaz aux points terminaux du réseau maximisée, est présenté ; l'ensemble des solutions non dominées est répresenté sur un front de Pareto. Enfin l'impact d'injection d'hydrogène dans le RTGN est analysé en introduisant un troisième critère : le pourcentage d'hydrogène injecté dans le réseau que l'on doit maximiser. Dans les deux cas multiobjectifs, des méthodes génériques d'aide à la décision multicritère sont mises en oeuvre pour déterminer les meilleures solutions parmi toutes celles déployées sur les fronts de Pareto. / The optimization of a natural gas transportation network (NGTN) is typically a multiobjective optimization problem, involving for instance energy consumption minimization at the compressor stations and gas delivery maximization. However, very few works concerning multiobjective optimization of gas pipelines networks are reported in the literature. Thereby, this work aims at providing a general framework of formulation and resolution of multiobjective optimization problems related to NGTN. In the first part of the study, the NGTN model is described. Then, various multiobjective optimization techniques belonging to two main classes, scalarization and evolutionary, commonly used for engineering purposes, are presented. From a comparative study performed on two mathematical examples and on five process engineering problems (including a NGTN), a variant of the multiobjective genetic algorithm NSGA-II outmatches the classical scalararization methods, Weighted-sum and ε-Constraint. So NSGA-II has been selected for performing the triobjective optimization of a NGTN. First, the monobjective problem related to the minimization of the fuel consumption in the compression stations is solved. Then a biojective problem, where the fuel consumption has to be minimized, and the gas mass flow delivery at end-points of the network maximized, is presented. The non dominated solutions are displayed in the form of a Pareto front. Finally, the study of the impact of hydrogen injection in the NGTN is carried out by introducing a third criterion, i.e., the percentage of injected hydrogen to be maximized. In the two multiobjective cases, generic Multiple Choice Decision Making tools are implemented to identify the best solution among the ones displayed of the Pareto fronts.

Le Cloud Computing est de plus en plus reconnu comme une nouvelle façon d'utiliser, à la demande, les services de calcul, de stockage et de réseau d'une manière transparente et efficace. Dans cette thèse, nous abordons le problème d'ordonnancement de workflows sur les infrastructures distribuées hétérogènes du Cloud Computing. Les approches d'ordonnancement de workflows existantes dans le Cloud se concentrent principalement sur l'optimisation biobjectif du makespan et du coût. Dans cette thèse, nous proposons des algorithmes d'ordonnancement de workflows basés sur des métaheuristiques. Nos algorithmes sont capables de gérer plus de deux métriques de QoS (Quality of Service), notamment, le makespan, le coût, la fiabilité, la disponibilité et l'énergie dans le cas de ressources physiques. En outre, ils traitent plusieurs contraintes selon les exigences spécifiées dans le SLA (Service Level Agreement). Nos algorithmes ont été évalués par simulation en utilisant (1) comme applications: des workflows synthétiques et des workflows scientifiques issues du monde réel ayant des structures différentes; (2) et comme ressources Cloud: les caractéristiques des services de Amazon EC2. Les résultats obtenus montrent l'efficacité de nos algorithmes pour le traitement de plusieurs QoS. Nos algorithmes génèrent une ou plusieurs solutions dont certaines surpassent la solution de l'heuristique HEFT sur toutes les QoS considérées, y compris le makespan pour lequel HEFT est censé donner de bons résultats. / Cloud Computing is increasingly recognized as a new way to use on-demand, computing, storage and network services in a transparent and efficient way. In this thesis, we address the problem of workflows scheduling on distributed heterogeneous infrastructure of Cloud Computing. The existing workflows scheduling approaches mainly focus on the bi-objective optimization of the makespan and the cost. In this thesis, we propose news workflows scheduling algorithms based on metaheuristics. Our algorithms are able to handle more than two QoS (Quality of Service) metrics, namely, makespan, cost, reliability, availability and energy in the case of physical resources. In addition, they address several constraints according to the specified requirements in the SLA (Service Level Agreement). Our algorithms have been evaluated by simulations. We used (1) synthetic workflows and real world scientific workflows having different structures, for our applications; and (2) the features of Amazon EC2 services for our Cloud. The obtained results show the effectiveness of our algorithms when dealing multiple QoS metrics. Our algorithms produce one or more solutions which some of them outperform the solution produced by HEFT heuristic over all the QoS considered, including the makespan for which HEFT is supposed to give good results.