La nécessité de la régulation du trafic général et de l'amélioration de la régularité des lignes de transport en commun de surface est un constat largement partagé dans la recherche et dans les milieux opérationnels. L'objectif de cette thèse est la conception d'une stratégie capable de satisfaire ces objectifs via les feux de signalisation sur de larges réseaux urbains. Les points abordés dans cette thèse sont : la modélisation des phénomènes du trafic : que ce soit pour les véhicules particuliers ou les véhicules de transport en commun. Pour les premiers, le modèle reprend les bases de modèles déjà développés avec des améliorations pour tenir compte de toutes les situations du trafic. Pour les transports en commun, deux modèles originaux ont été développés. la construction des critères : nous avons construits deux critères pour mesurer l'état du trafic. Le premier, pour les véhicules particuliers, est le même que celui utilisé dans d'autres systèmes de régulation du trafic. Le critère pour les transports en commun a été construit de manière originale pour permettre de mesurer la régularité des lignes. l'optimisation multi-objectif : la complexité des modèles, le caractère fortement non linéaire des critères et les contraintes de temps réel du problème nous ont guidé pour le choix d'une méta-heuristique particulièrement performante qui s'appelle l'optimisation par essaims particulaires. Nous avons implémenté deux versions et adapté la méthode pour le cas multi-objectif. La commande en boucle fermée : la stratégie conçue se devait de répondre en temps réel aux changements d'état du trafic. Nous avons adopté une architecture classique de la commande prédictive généralisée ainsi qu'une architecture faisant intervenir la commande prédictive et la commande linéaire quadratique. Cette dernière commande sert à initialiser et limiter les dimensions de l'espace de recherche pour l'algorithme d'optimisation. Les résultats numériques obtenus grâce à la simulation de la stratégie sur un réseau virtuel montrent que la stratégie améliore significativement le trafic général et la régularité des lignes de transport en commun. / The need for traffic regulation and improving the transit regularity are facts widely shared within the research and operational environments. The objective of this thesis is to design a strategy to meet these goals through the traffic lights on large urban networks. Topics addressed in this thesis are: traffic modelling: whether it is for general or transit vehicles. For the former, the model reproduces the basic patterns already developed with improvements to accommodate all traffic situations. For transit vehicles, two original models were developed. Construction of criteria: we have constructed two criteria to measure the traffic state. The first, for cars, is the same as that used in other systems of traffic control. The criterion for transit vehicles has been built in an original way to measure the regularity of the vehicles. Multi-objective optimization: the models complexity, the highly non-linear criteria and the constraints of real-time environment have guided the choice of a meta-heuristic called Particle Swarm Optimization. We have implemented two versions and adapted the scheme to the multi-objective case. Closed loop control: the strategy had to respond in real time to changing trafic conditions. We have adopted a classic architecture of the Generalized Model Predictive control and an architecture involving predictive control and the linear quadratic control. This last one is used to initialize and limit the size of the search space for the optimization algorithm. The numerical results obtained by simulation on a virtual network show that the strategy significantly improves the overall traffic and regularity of the transit lines.

Pour des raisons pratiques, il est très difficile que les consommateurs et les entreprises réclamant des dommages et intérêts de faible ampleur intentent une action pour violation du droit des pratiques anticoncurrentielles. Nous avons démontré que l’action collective constitue une réponse adaptée au contentieux subjectif de concurrence. Le fait de faciliter l’accès à la justice permet non seulement aux consommateurs et aux entreprises victimes d’une infraction aux règles concurrentielles d’être plus facilement indemnisés par l’auteur de l’infraction, mais renforce aussi l’application du droit de la concurrence. Nous avons donc élaboré un nouvel outil procédural, en s’appuyant sur les modèles étrangers. Néanmoins, en droit des pratiques anticoncurrentielles, l’action collective est efficace à condition d’assurer l’accès des victimes aux preuves. En outre, l’action des autorités de concurrence et l’action collective se complètent mutuellement et devraient donc être coordonnées de façon optimale afin de protéger les acteurs du marché et de dissuader plus efficacement les contrevenants potentiels. Enfin, la globalisation du marché exige des réponses adaptées au contentieux collectif transnational. En raison de la spécificité et de la complexité du contentieux collectif en droit des pratiques anticoncurrentielles, le droit international privé et le droit européen sont appelés à trouver des réponses satisfaisantes. / For practical reasons, it will be very unlikely that consumers and firms claiming for small damages will bring an action for damages for breach of antitrust law. We have demonstrated that a collective action represents a suitable response in antitrust private litigation.Facilitating damages claims for breach of antitrust law will not only make it easier for consumers and firms who have suffered damages arising from an infringement of antitrust rules to recover their losses from the infringer, but also will strengthen the enforcement of antitrust law. We thus worked out a new procedural tool, based on foreign models. Nevertheless, in antitrust law the collective action is effective if it insures the access by claimants to evidence. Moreover, Public enforcement and collective action complement each other and therefore should be coordinated in an optimum way in order to protect consumers and firms claiming for small damages, and to more effectively dissuade the infringers. Lastly, trans-national group litigation raises several questions of jurisdiction and of choice of law. As a result of the specificity and complexity of group litigation in antitrust law, private international law and European law have to find new satisfactory answers.

L'objectif de cette thèse est de contribuer à l'adaptation des problèmes de tournées de véhicules (VRP) aux problématiques du monde réel en se focalisant sur deux axes principaux à savoir : la prise en compte des incertitudes à travers l'optimisation robuste et l'optimisation simultanée de plusieurs critères en utilisant l'optimisation multi-objectif. Dans une première partie, nous nous sommes intéressés à la modélisation du problème VRP sous incertitudes en proposant un nouveau critère de robustesse. Ce critère, appelé "Maximizing the Number of scenarios Qualified by the Worst" (MNSQW), a été évalué en utilisant deux méthodes de résolution : une première méthode exacte et une deuxième méthode basée sur une méta-heuristique. Dans une deuxième partie, nous nous sommes intéressés à la résolution robuste multi-objectif d'une variante du VRP: le VRP capacitaire (CVRP), où l'incertitude sur les coûts de trajets est considérée. Un algorithme évolutionnaire multi-objectif hybride a été proposé pour optimiser simultanément le coût du trajet et la taille de la flotte. L'étude expérimentale a montré que l'approche proposée permettait d'atteindre la quasi-totalité des solutions (Pareto) optimales avec une amélioration de deux bornes supérieures (sur un critère) d'une instance. La troisième partie de cette thèse comporte l'étude d'une autre variante du VRP : le problème de tournées de véhicules sélectives (TOP). L'étude vise à optimiser simultanément le profit collecté et le coût du trajet. Pour se faire, nous avons proposé une approche évolutionnaire multi-objectif hybride. La comparaison des résultats par rapport à ceux obtenus par trois méthodes de la littérature, a permis d'observer des amélioration de certaines bornes (quatre nouvelles bornes ont été obtenues). Finalement, nous nous sommes intéressés à l'étude d'une variante robuste du TOP (RTOP). Ce problème a été résolu en adaptant l'algorithme utilisé pour la variante déterministe / The main objective of the thesis is to contribute to the adaptation of VRP problems to the real world problems with a focus on two main axes namely: handling uncertainties through robust optimization and simultaneous optimization of several criteria using multi-objective optimization. First, we focus on modeling the VRP problem under uncertainty by proposing a new robust criterion. This criterion, called "Maximizing the Number of Scenarios Qualified by the Worst (MNSQW)", was evaluated using two approaches: an exact method and a meta-heuristic. In the second part, the robust multi-objective resolution of the capacitated VRP variant (CVRP) with uncertainty on the travel costs has been studied. A hybrid multi-objective evolutionary algorithm has been proposed to optimize the travel cost and the fleet size simultaneously. Experiments were carried out on a state-of-the-art instances, and the proposed approach were compared to an exact method and two meta-heuristics approaches from the literature. The obtained results show that our approach reaches almost all the optimal solutions, and that two new bounds have been established on an other instance. The comparison with the meta-heuristics shows an improvement on the entire results of the first, and competitive results with the second. The third part of this thesis was devoted to the study of another variant of the VRP namely: the Team Orienteering Problem (TOP). We first proposed a hybrid multi-objective evolutionary approach to solve a multi-objective formulation of this problem, to optimize the collected profit and the total travel cost simultaneously. The conducted experiments confirm the conflictual behavior of the optimized objectives. The comparison with three approaches of the literature, allowed to show an improvement of some bounds (four new ones). In the second part of the TOP study, we proposed a robust variant of the latter (RTOP), that has been solved by adapting the algorithm used for the deterministic variant

La musicothérapie permet d’influencer et modifier le comportement humain, en fonction des émotions induites par la musique que nous allons proposer. Nous partons du principe que comme chaque être humain est unique, il possède sa propre identité musicale, sa propre empreinte vocale, en fonction de sa culture, son vécu, sa sensibilité, sa situation familiale et sociale et son état physiologique. Nous proposons des séances de musicothérapie autour de cette identité musicale et organisons celles-ci en utilisant l’écoute musicale, le travail de la voix ainsi que la musique active par la pratique d’un instrument. La musicothérapie permet d’agir sur le mental sans forcer la verbalisation ; c’est une psychothérapie douce, confirmant au patient sa propre identité et sensibilité aidant à la reconstruction de sa personnalité, tout en apportant l’apaisement intérieur. Mais cette méthode permet aussi l’intégration et l’acceptation du passé quel qu’il soit, en valorisant le présent et les projets futurs, en modifiant les schémas de pensées négatives, vers la construction de schémas positifs. L’objectif thérapeutique de la musicothérapie est envisagé en accord avec le patient ou sa famille lorsque le patient ne peut l’exprimer lui-même lors de la première consultation. Nous mesurons et analysons régulièrement l’évolution du patient. Le résultat obtenu en fin de thérapie est un nouvel équilibre qui permet au patient de vivre en harmonie avec lui-même. / No English summary

Cette thèse s'intéresse à l'étude de deux problèmes d'optimisation pour la production d’énergie électrique. Le premier est un problème académique très étudié : le Unit Commitment Problem (UCP). Le second est un problème de planification des débits d'eau dans un réseau hydro-électrique issu d'une application industrielle. Ces deux problèmes sont des problèmes NP-complets très difficiles car ils sont non linéaires, fortement contraints et que la taille des données est importante. Dans la première partie de cette thèse, nous proposons DYNAMOP. Il s'agit d'un algorithme génétique qui guide la recherche effectuée par la programmation dynamique en manipulant des solutions représentées sous forme de chemins du graphe d’états. Cette représentation est avantageuse car, d'une part, elle facilite la mise en place d'hybridations avec la programmation dynamique et, d'autre part, elle permet de proposer des opérateurs évolutionnaires efficaces tenant compte les dépendances entre les variables. DYNAMOP est appliqué aux deux problèmes de production d'énergie. La qualité des résultats permet d'affirmer que cette méthode est bien adaptée à la résolution de ce type de problèmes. Dans la seconde partie, nous présentons MO-DYNAMOP une extension de DYNAMOP à l'optimisation multi-objectif. MO-DYNAMOP est évalué sur une version bi-objectif de l'UCP nécessitant l'utilisation d'une représentation indirecte. Une solution partielle sera ainsi décodée en un ensemble de solutions complètes Pareto équivalentes ce qui rend difficile l'évaluation sa qualité. Nous proposons donc plusieurs adaptations des stratégies usuelles d'assignation de fitness et comparons les méthodes obtenues à la littérature. / In this thesis, two energy production problems are studied. The first is a well known academic problem: the Unit Commitment Problem (UCP). The second one is a hydro scheduling problem with a real world application. These two problems are very hard NP-complete problems because they are non-linear, highly constrained, and the data size is large. In the first part of this thesis we propose DYNAMOP. It is a genetic algorithm that uses a representation based on a path in the graph of states of dynamic programming. The advantages of this representation are that it makes it easy to propose efficient evolutionary operators taking the dependencies into account, and that it facilitates the hybridization with dynamic programming. DYNAMOP is tested  on the two energy production problems. The results confirm the competitiveness of the proposed method to solve energy problems. In the second part, we present MO-DYNAMOP, which is an extension of DYNAMOP to multi-objective combinatorial optimization problems. MO-DYNAMOP is applied to a bi-objective version of the UCP, but this implies an indirect representation, which is problematic. Indeed, in this case, decoding a genotypic solution involves the resolution of a multi-objective problem. Then many Pareto equivalent phenotypic solutions can be produced from one genotypic solution. We propose and compare 3 decoding strategies to solve this difficulty. A comparison study beetween MO-DYNAMOP and methods previously proposed for the bi-objective UCP is performed. Experiments indicate that MO-DYNAMOP performs considerably better.

Le risque d’inondations dans les zones urbaines a considérablement augmenté au cours des dernières décennies avec la croissance rapide de la population et le processus d’urbanisation à proximité des cours d’eau et des zones inondables. Afin de faire face à ce risque, différents acteurs se réunissent dans le but de proposer une solution d’aménagement du territoire, capable de le maîtriser au mieux. La solution proposée doit répondre à plusieurs objectifs de natures différentes (économiques, sociaux, politiques,…) qui sont le plus souvent contradictoires. Des outils numériques d’aide à la décision sont actuellement disponibles et fréquemment utilisés par les aménageurs pour les aider dans leurs choix d’une solution adéquate. Cependant ces outils se basent généralement sur des approches empiriques et l’efficacité des solutions proposées reste incertaine. Dans ce contexte, l’objectif des travaux réalisés au cours de cette thèse, consiste à développer une approche complémentaire aux outils d’aide à la décision en se basant principalement sur des méthodes numériques directes, telles que la modélisation 3D, la simulation numérique et l’optimisation multicritères. L’approche consiste dans un premier temps à coupler la modélisation géométrique 3D issue de Système d’Information Géographique « SIG » avec la modélisation en mécanique des fluides « CFD », afin de représenter le phénomène d’inondation urbaine avec une précision proche du réel. Cette étape permet de fournir une cartographie tridimensionnelle de différentes caractéristiques de l’inondation (Vitesses, Hauteur d’eau, étendue de l’inondation, …), et par conséquent localiser les différentes parties de la ville à aménager en priorité. Dans un second temps, en se basant sur les résultats obtenus dans la première partie, des stratégies d'optimisation multicritères sont mises en œuvre afin de trouver parmi une multitude de solutions proposées, représentant des projets d’aménagement, celle la plus convenable pour la situation étudiée, et qui satisfasse simultanément les différentes contraintes techniques, économiques et environnementales. Une telle approche permet aux décideurs à la fois d’accélérer leur procédure d’analyse du risque dans la zone urbaine et de les rassurer sur l’efficacité de la solution choisie face à ce risque. / The risk and impact of floods in urban areas has been increased in the last few decades as population and urbanization processes rapidly increase and subsequently more and more people and properties are being concentrated in flood-prone coastal zones and river flood-plains. To cope with this risk, different stakeholders meet in order to provide a land planning solution able of better managing the risk. The proposed solution must meet different kinds of objectives simultaneously (geographical, economic, social, political,...). These ones are often contradictory. Digital tools for decision support are currently available and commonly used by developers to help them in their choice of an appropriate solution. However, these tools are usually based on empirical approaches and the effectiveness of the proposed solutions is uncertain. In this context, the principal objective of this research working is to develop a complementary numerical approach to the tools of decision support based primarily on direct numerical methods, such as 3D modeling, numerical simulation and multi-criteria optimization. As a first step, the proposed approach consists to couple the geometric modeling, based on 3D data of GIS (Geographic Information System) , with the CFD modeling (Computational fluid dynamics) in order to represent the urban flooding scenario with an accuracy close to the actual . This step will provide a three-dimensional mapping of the different characteristics of the flood (velocity and height of water, the flood extent ...). Thus we can easily and quickly locate different parts of the city that will be developed in priority. As a second step, based on the results obtained in the first step, some advanced strategies of the multi-criteria optimization are implemented to find among a multitude of proposed solutions, representing the most suitable development projects for the situation studied, and meets the various technical, economic and environmental constraints. Such approach allows decision makers to both accelerate their process of risk analysis, in the urban area, and reassure the effectiveness of the chosen solution against this risk.

L'industrie est le plus grand consommateur d'énergie dans le monde et la majeure partie de sa consommation est électrique. Pour moduler la consommation et équilibrer les périodes creuses et de pic, les producteurs d'électricité dans de nombreux pays pratiquent une tarification différenciée, en anglais "time-of-use (TOU) policy", afin d’encourager les industriels et les particuliers à adapter leur consommation. Cette stratégie incite les gros consommateurs industriels, en particulier le secteur semi-conducteur où la fabrication se fait souvent par lots, à réduire leurs factures d’électricité en adaptant leur production.Dans ce travail, nous étudions plusieurs problèmes d’ordonnancement de production par lots avec tarification différenciée d'électricité. Nous nous intéressons d’abord à l’ordonnancement d’une machine par lots pour minimiser le coût total d’électricité et le makespan. Le deuxième problème étudié généralise le premier en considérant le coût d’électricité pendant les périodes inactives de la machine telles que les périodes de réglage ou d'attente. Enfin, nous traitons l’ordonnancement sur machines parallèles par lots avec des pièces non identiques. Pour chacun de ces problèmes, nous construisons des modèles mathématiques appropriés, et évaluons sa complexité. Pour la résolution, nous proposons plusieurs méthodes de ɛ-contrainte dans lesquelles des sous-problèmes sont transformés en problèmes de sac-à-doc, de sacs-à-doc multiples et ou de bin packing. Nous développons aussi une méthode itérative à deux étapes. Les performances des méthodes développées sont évaluées à l'aide d'un grand nombre d'instances représentatives générées au hasard. Les résultats numériques montrent l'efficacité de ces méthodes par rapport au logiciel commercial CPLEX. / The industrial sector is the largest consumer of the world's total energy and most of its consumption form is electricity. To strengthen the grid's peak load regulation ability, time-of-use (TOU) electricity pricing policy has been implemented in many countries to encourage electricity users to shift their consumption from on-peak periods to off-peak periods. This strategy provides a good opportunity for manufacturers to reduce their energy bills, especially for energy-intensive ones, where batch scheduling is often involved. In this thesis, several bi-objective batch scheduling problems under TOU tariffs are studied. We first investigate a single machine batch scheduling problem under TOU tariffs with the objectives of minimizing total electricity cost and makespan. This primary work is extended by further considering machine on/off switching. Finally, a parallel batch machines scheduling problem under TOU tariffs with non-identical job sizes to minimize total electricity cost and number of enabled machines is studied. For each of the considered problems, appropriate mathematical models are established, their complexities are demonstrated. Different bi-objective resolution methods are developed, including knapsack problem heuristic based ɛ-constraint method, multiple knapsack problem heuristic based ɛ-constraint method, bin packing heuristic based ɛ-constraint method and two-stage heuristic based iterative search algorithm. The performance of the proposed methods is evaluated by randomly generated instances. Extensive numerical results show that the proposed algorithms are more efficient and/or effective for the studied problems than the commercial software CPLEX.

L’objectif principal de cette étude est de définir les méthodes nécessaires pour optimiser un réseau de surveillance conçu pour la caractérisation de source de rejets atmosphériques. L’optimisation consiste ici à déterminer le nombre et les positions optimales de capteurs à déployer afin de répondre à ce type de besoin. Dans ce contexte, l’optimisation est réalisée pour la première fois par un couplage entre la technique d’inversion de données dite de « renormalisation » et des algorithmes d’optimisation métaheuristique. La méthode d’inversion a été en premier lieu évaluée pour la caractérisation de source ponctuelle, et a permis ensuite, de définir des critères d’optimalité pour la conception des réseaux. Dans cette étude, le processus d’optimisation a été évalué dans le cadre d’expériences réalisées en terrain plat sans obstacles (DYCE) et en milieu urbain idéalisé (MUST). Trois problématiques ont été définies et testées sur ces expériences. Elles concernent (i) la détermination de la taille optimale d’un réseau permettant de caractériser une source de pollution, où une fonction coût (erreurs normalisées), traduisant l’écart entre les observations et les données modélisées, a été minimisée ; (ii) la conception optimale d’un réseau permettant de caractériser une source ponctuelle inconnue, pour une condition météorologique particulière. Dans ce contexte, une fonction coût entropique a été maximisée afin d’augmenter la quantité d’information fournie par le réseau ; (iii) la détermination d’un réseau optimal permettant de caractériser une source ponctuelle inconnue pour des configurations météorologiques multiples. Pour ce faire, une fonction coût entropique généralisée, que nous avons définie, a été maximisée. Pour ces trois problématiques, l’optimisation est assurée dans le cadre d’une approche d’optimisation combinatoire. La détermination de la taille optimale d’un réseau (problématique 1) s’est révélée particulièrement sensible aux différentes conditions expérimentales (hauteur et débit de la source, conditions de stabilité, vitesse et direction du vent, etc.). Nous avons noté pour ces expériences, que les performances des réseaux sont meilleures dans le cadre d’une dispersion sur terrain plat comparativement aux milieux urbains. Nous avons également montré que différentes architectures de réseaux pouvaient converger vers le même optimum (approché ou global). Pour la caractérisation de sources inconnues (problématiques 2 et 3), les fonctions coûts entropiques se sont avérées robustes et ont permis d’obtenir des réseaux optimaux performants (de tailles raisonnables) capables de caractériser différentes sources pour une ou plusieurs conditions météorologiques. / The main objective of this study is to define the methods required to optimize a monitoring network designed for atmospheric source characterization. The optimization consists in determining the optimal number and locations of sensors to be deployed in order to respond to such needs. In this context, the optimization is performed for the first time by a coupling between the data inversion technique named "renormalization" and the metaheuristic optimization algorithms. At first, the inversion method was evaluated for a point source, and then have allowed to define optimality criteria for networks design. In this study, the optimization process was evaluated in experiments carried out in flat terrain without obstacles (DYCE) and in an idealized urban environment (MUST). Three problems were defined and tested based on these experiments. These problems concern (i) the determination of the optimal network size for source characterization, for which a cost function (standard errors) estimating the gap between observations and modeled data, has been minimized; (ii) the optimal design of a network to retrieve an unknown point source for a particular meteorological condition. In this context, an entropy cost function has been maximized in order to increase the information’s amount provided by the network; (iii) the determination of an optimal network to reconstruct an unknown point source for multiple meteorological configurations. For this purpose, a generalized entropic cost function that we have defined, has been maximized. For these all problems, optimization is ensured within the framework of a combinatorial optimization approach. The determination of the optimal network size (problem 1) was highly sensitive to experimental conditions (source height and intensity, stability conditions, wind speed and direction, etc.). We have noted that the networks performance is better for a dispersion on flat terrain compared to the urban environments. We have also shown that different networks architectures can converge towards the same optimum (approximate or global). For unknown sources reconstruction (problems 2 and 3), the entropic cost functions have proven to be robust and allowed to obtain optimal networks (for reasonable sizes) capable of characterizing different sources for one or multiple meteorological conditions.

Les données médicales souffrent de problèmes d'uniformisation ou d'incertitude, ce qui les rend difficilement utilisables directement par des logiciels médicaux, en particulier dans le cas du recrutement pour les essais cliniques. Dans cette thèse, nous proposons une approche permettant de palier la mauvaise qualité de ces données à l'aide de méthodes de classification supervisée. Nous nous intéresserons en particulier à 3 caractéristiques de ces données : asymétrie, incertitude et volumétrie. Nous proposons l'algorithme MOCA-I qui aborde ce problème combinatoire de classification partielle sur données asymétriques sous la forme d'un problème de recherche locale multi-objectif. Après avoir confirmé les apports de la modélisation multiobjectif dans ce contexte, nous calibrons MOCA-I et le comparons aux meilleurs algorithmes de classification de la littérature, sur des jeux de données réels et asymétriques de la littérature. Les ensembles de règles obtenus par MOCA-I sont statistiquement plus performants que ceux de la littérature, et 2 à 6 fois plus compacts. Pour les données ne présentant pas d'asymétrie, nous proposons l'algorithme MOCA, statistiquement équivalent à ceux de la littérature. Nous analysons ensuite l'impact de l'asymétrie sur le comportement de MOCA et MOCA-I, de manière théorique et expérimentale. Puis, nous proposons et évaluons différentes méthodes pour traiter les nombreuses solutions Pareto générées par MOCA-I, afin d'assister l'utilisateur dans le choix de la solution finale et réduire le phénomène de sur-apprentissage. Enfin, nous montrons comment le travail réalisé peut s'intégrer dans une solution logicielle. / Medical data suffer from uncertainty and a lack of uniformisation, making them hard to use in medical software, especially for patient screening in clinical trials. In this PhD work, we propose to deal with these problems using supervised classification methods. We will focus on 3 properties of these data : imbalance, uncertainty and volumetry. We propose the MOCA-I algorithm to cope with this partial classification combinatorial problem, that uses a multi-objective local search algorithm. After having confirmed the benefits of multiobjectivization in this context, we calibrate MOCA-I and compare it to the best algorithms of the literature, on both real data sets and imbalanced data sets from literature. MOCA-I generates rule sets that are statistically better than models obtained by the best algorithmes of the literature. Moreover, the models generated by MOCA-I are between 2 to 6 times shorter. Regarding balanced data, we propose the MOCA algorithm, statistically equivalent to best algorithms of literature. Then, we analyze both theoretically and experimentally the behaviors of MOCA and MOCA-I depending on imbalance. In order to help the decision maker to choose a solution and reduce over-fitting, we propose and evaluate different methods to handle all the Pareto solutions generated by MOCA-I. Finally, we show how this work can be integrated into a software application.

L'informatique moderne n'est plus uniquement composée de machines personnelles et de super calculateurs. De nombreux supports de calcul sont maintenant disponibles et chacun pose des contraintes particulières amenant à de nombreux objectifs. Ainsi, la notion de performance d'une application est devenue multi-dimensionnelle. Par exemple, ordonnancer optimalement (en temps) une application sur une grille de calcul est inutile si elle ne fournit pas de résultat parce qu'une machine tombe en panne. Fournir une solution à ces problèmes est un défi algorithmique actuel. Dans ce manuscrit, nous étudions l'ordonnancement multi-objectif à l'aide des outils de la théorie de l'approximation. Nous traitons ainsi quatre problèmes. Les deux premiers sont inspirés des systèmes embarqués, tandis que les deux derniers sont inspirés des problématiques que l'on retrouve sur les grilles et les \textit{clusters}. Le premier problème étudié est l'optimisation des performances d'une application sur une machine disposant de peu de mémoire de stockage. Nous montrons que l'utilisation de l'optimisation multi-objectif permet de fournir une solution et des informations sur le problème que la théorie mono-objectif de l'approximation ne pouvait pas obtenir. Les deux problèmes suivants concernent l'optimisation des performances d'une application lorsque les machines ne sont pas entièrement fiables. Les différents modèles de défaillances amènent à des problèmes d'optimisation radicalement différents. C'est pourquoi le deuxième problème traite de la sûreté de fonctionnement des systèmes embarqués alors que le troisième considère la fiabilité des grilles et \textit{clusters}. Le dernier problème concerne l'utilisation simultanée d'une plate-forme de calcul parallèle par de nombreux utilisateurs. Nous montrons comment l'utilisation de l'optimisation multi-objectif peut permettre de prendre en compte les besoins utilisateurs au sein du processus d'optimisation.