Optimisation Swarm Particle (PSO) est basé sur une métaphore de l'interaction sociale […] en ajustant les trajectoires des vecteurs individuels, appelés «particules» conceptualisées comme des points se déplaçant dans un espace multidimensionnel. Le poids aléatoire des paramètres de contrôle est utilisé pour provoquer les particules à aller stochastiquement vers une région ayant plus de succès dans un espace tridimensionnel. Les particules itératives ajustent leur vitesse et leur direction en fonction de leurs personnels et des meilleures positions dans l'essaim. PSO a été appliquée avec succès pour optimiser une large gamme de problèmes. Cependant, les algorithmes standard PSO sont facilement piégés dans les points locaux suboptimaux lorsqu'il est appliqué à des problèmes avec de nombreux extrema locaux ou avec des contraintes. Cette thèse présente plusieurs algorithmes / techniques pour améliorer la capacité de l'OPS recherche mondiale: 1) Deux nouveaux algorithmes chaotiques de particules essaim d'optimisation, d'avoir une chaotiques Hopfield Neural Network (HNN) la structure, sont proposées. L'utilisation d'un système chaotique pour déterminer les poids des particules aide des algorithmes OSP pour échapper à des extrema locaux et de trouver l'optimum global. 2) Pour les algorithmes existants OSP, la relation et l'influence compter que sur les composants correspondants dimensions de l'essaim de particules. Pour montrer la relation intérieure entre les différentes composantes d'une particule, les réseaux de neurones peuvent être utilisés pour modéliser les projections d'ordre du problème d'optimisation, et une optimisation des intérieurs entièrement connecté essaim de particules est proposé à cet effet. 3) En raison de la complexité des contraintes, une solution déterministe générale est souvent difficile à trouver. Par conséquent, une particule détendue contrainte optimisation par essaim algorithme est proposé. Cette méthode améliore la capacité de recherche de l'OSP. 4) Pour améliorer les performances de l'optimisation par essaim de particules, une méthode adaptative de particules essaim d'optimisation basée sur les tests d'hypothèses sont proposées. Cette méthode applique un test d'hypothèse pour déterminer si le piège des particules dans un minimum local ou non. 5) Afin de renforcer la capacité du MPSO de recherche globale, une approche adaptative multi-objectif l'optimisation par essaim de particules (MOPSO) est proposé. Les résultats de simulation et d'analyse confirment l'efficacité des algorithmes proposés / techniques par rapport à l'autre état d'algorithmes / Particle Swarm Optimisation (PSO) is based on a metaphor of social interaction such as birds flocking or fish schooling to search a space by adjusting the trajectories of individual vectors, called “particles” conceptualized as moving points in a multidimensional space. The random weights of the control parameters are used to cause the particles to stochastically move towards a successful region in a higher dimensional space. Particles iteratively adjust their speed and direction based on their personal best positions and the best position in the swarm. PSO has been successfully applied to optimise a wide range of problems. However, the standard PSO algorithms are easily trapped in local suboptimal points when applied to problems with many local extrema or with constraints. This thesis presents several algorithms/techniques to improve the PSO's global search ability: 1) Two new chaotic particle swarm optimisation algorithms, having a chaotic Hopfield Neural Network (HNN) structure, are proposed. Using a chaotic system to determine particle weights helps the PSO algoritms to escape from local extrema and to find the global optimum. 2) For the existing PSO algorithms, the relationship and influence only rely on the corresponding dimensional components of the particle swarm. To show the inner relationship among the different components of one particle, neural networks can be used to model the characteristcs of the optimisation problem, and an inner fully connected particle swarm optimisation is proposed for this purpose. 3) Due to the complexity of constraints, a general deterministic solution is often hard to find. Therefore, a relaxed constraint particle swarm optimisation algorithm is proposed. This method improves the PSO's search ability. 4) To improve the performance of particle swarm optimisation, an adaptive particle swarm optimisation method based on hypothesis testing is proposed. This method applies a hypothesis test to determine whether the particles trap into a local minimum or not. 5) To enhance the MPSO's global search ability, an adaptive multi-objective particle swarm optimisation (MOPSO) is proposed. Simulation and analytical results confirm the efficiency of the proposed algorithms/techniques when compared to the other state of the art algorithms

Les travaux présentés dans ce mémoire proposent une nouvelle méthode d'optimisation globale dénommée MPSO-SA. Cette méthode hybride est le résultat d'un couplage d'une variante d'algorithme par Essaim de particules nommé MPSO (Particle Swarm Optimization) avec la méthode du recuit simulé nommé SA (Simulted Annealing). Les méthodes stochastiques ont connu une progression considérable pour la résolution de problèmes d'optimisation. Parmi ces méthodes, il y a la méthode Essaim de particules (PSO° qui est développée par [Eberhart et Kennedy (1995)]. Quant à la méthode recuit simulé (SA), elle provient du processus physique qui consiste à ordonner les atomes d'un cristal afin de former une structure cristalline parfaite. Pour illustrer les performances de la méthode MPSO-SA proposée, une comparaison avec MPSO et SA est effectuée sur des fonctions tests connues dans la littérature. La métode MPSO-SA est utilisée pour la résolution des problèmes réels interopérabilité des systèmes d'information, ainsi qu'aux problèmes d'optimisation et de fiabilité des structures mécaniques.

Les travaux présentés dans ce mémoire proposent une nouvelle méthode d'optimisation globale dénommée MPSO-SA. Cette méthode hybride est le résultat d'un couplage d'une variante d'algorithme par Essaim de particules nommé MPSO (Particle Swarm Optimization) avec la méthode du recuit simulé nommé SA (Simulted Annealing). Les méthodes stochastiques ont connu une progression considérable pour la résolution de problèmes d'optimisation. Parmi ces méthodes, il y a la méthode Essaim de particules (PSO° qui est développée par [Eberhart et Kennedy (1995)]. Quant à la méthode recuit simulé (SA), elle provient du processus physique qui consiste à ordonner les atomes d'un cristal afin de former une structure cristalline parfaite. Pour illustrer les performances de la méthode MPSO-SA proposée, une comparaison avec MPSO et SA est effectuée sur des fonctions tests connues dans la littérature. La métode MPSO-SA est utilisée pour la résolution des problèmes réels interopérabilité des systèmes d'information, ainsi qu'aux problèmes d'optimisation et de fiabilité des structures mécaniques. / The work presented in this PhD thesis contibutes to a new method for a modified particle swarm optimization algorith (MPSO) combined with a simulating annealing algorithm (SA). MPSO is known as an efficient approach with a high performance of solving optimization problems in many research fields. It is a population intelligence algorithm [Eberhart et Kennedy (1995)] inspired by social behavior simulations of bird flocking. Considerable research work on classical method PSO (Particle Swarm Optimization) has been done to improve the performance of this method. Therefore, the propose hybrid optimization algorithms MPSOSA use the combination of MPSO and simulating annealing SA. This method has the avantage to provide best results comparing with all heuristics methods PSO and SA. In this matter, a benchmark of eighteen well-known functions is given. These functions present different situations of finding the global minimum with gradual difficulties. Numerical results presented, in this paper, show the robustness of the MPSOSA algorithm. Numerical comparisons with three algorithms namely, Simulating Annealing, Modified Particle swarm optimization and MPSO-SA show that hybrid algorithm offers better results. This method (MPSO-SA) treats a wide range of optimization problems, in information systems interoperability and in structural optimization field.

Une antenne à réflecteur est un dispositif largement utilisé pour la communication satellite. La durée de vie d'un tel dispositif est étroitement liée à la fatigue due à la consommation d'énergie pour émettre le signal. Un des enjeux de la conception optimale d'une antenne revient donc à produire des systèmes dont le rendement est le meilleur possible par rapport à une tâche donnée. La particularité d'une antenne à réflecteur se traduit par la présence de surfaces rayonnantes dont la géométrie constitue le paramètre principal pour assumer cette tâche. Sur la base de la simulation de la propagation d'une onde électromagnétique en espace libre et en régime harmonique, on est capable de développer des méthodes d'optimisation numérique de la forme de surfaces rayonnantes. On cherche à minimiser un critère qui traduit en terme mathématique la tâche à effectuer d'un point de vue énergétique. Cependant, les méthodes utilisées sont souvent soumis à des difficultés liées au fait que ces problèmes sont mal posés et numériquement raides. Le contrôle étant géométrique, on a examiné dans cette thèse les contributions potentielles de représentations hiérarchiques afin d'étendre les performances d'algorithmes classiques d'optimisation. Ces extensions empruntent ses fondements aux méthodes multigrilles pour la résolution d'EDP. Un exemple théorique d'optimisation de forme permet d'assoir les stratégies appliquées à l'optimisation d'antennes. Puis des expériences numériques d'optimisation montrent que les algorithmes de bases sont améliorés en terme de robustesse comme en terme de vitesse de convergence.

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

La conception des filtres a réponse impulsionnelle finie (RIF) peut être formulée comme un problème d'optimisation non linéaire réputé pour être difficile sa résolution par les approches conventionnelles. Afin d'optimiser la conception des filtres RIF, nous explorons plusieurs méthodes stochastiques capables de traiter de grands espaces. Nous proposons un nouvel algorithme génétique dans lequel certains concepts innovants sont introduits pour améliorer la convergence et rendre son utilisation plus facile pour les praticiens. Le point clé de notre approche découle de la capacité de l'algorithme génétique (AG) pour adapter les opérateurs génétiques au cours de la vie génétique tout en restant simple et facile à mettre en oeuvre. Ensuite, l’optimisation par essaim de particules (PSO) est proposée pour la conception de filtres RIF. Finalement, un algorithme génétique hybride (HGA) est proposé pour la conception de filtres numériques. L'algorithme est composé d'un processus génétique pur et d’une approche locale dédiée. Notre contribution vise à relever le défi actuel de démocratisation de l'utilisation des AG’s pour les problèmes d’optimisation. Les expériences réalisées avec différents types de filtres mettent en évidence la contribution récurrente de l'hybridation dans l'amélioration des performances et montrent également les avantages de notre proposition par rapport à d'autres approches classiques de conception de filtres et d’autres AG’s de référence dans ce domaine d'application. / The design of finite impulse response (FIR) filters can be formulated as a non-linear optimization problem reputed to be difficult for conventional approaches. In order to optimize the design of FIR filters, we explore several stochastic methodologies capable of handling large spaces. We propose a new genetic algorithm in which some innovative concepts are introduced to improve the convergence and make its use easier for practitioners. The key point of our approach stems from the capacity of the genetic algorithm (GA) to adapt the genetic operators during the genetic life while remaining simple and easy to implement. Then, the Particle Swarm Optimization (PSO) is proposed for FIR filter design. Finally, a hybrid genetic algorithm (HGA) is proposed for the design of digital filters. The algorithm is composed of a pure genetic process and a dedicated local approach. Our contribution seeks to address the current challenge of democratizing the use of GAs for real optimization problems. Experiments performed with various types of filters highlight the recurrent contribution of hybridization in improving performance. The experiments also reveal the advantages of our proposal compared to more conventional filter design approaches and some reference GAs in this field of application.

En bio-informatique, comprendre comment les molécules d’ADN ont évolué au cours du temps reste un problème ouvert etcomplexe. Des algorithmes ont été proposés pour résoudre ce problème, mais ils se limitent soit à l’évolution d’un caractèredonné (par exemple, un nucléotide précis), ou se focalisent a contrario sur de gros génomes nucléaires (plusieurs milliardsde paires de base), ces derniers ayant connus de multiples événements de recombinaison – le problème étant NP completquand on considère l’ensemble de toutes les opérations possibles sur ces séquences, aucune solution n’existe à l’heureactuelle. Dans cette thèse, nous nous attaquons au problème de reconstruction des séquences ADN ancestrales en nousfocalisant sur des chaînes nucléotidiques de taille intermédiaire, et ayant connu assez peu de recombinaison au coursdu temps : les génomes de chloroplastes. Nous montrons qu’à cette échelle le problème de la reconstruction d’ancêtrespeut être résolu, même quand on considère l’ensemble de tous les génomes chloroplastiques complets actuellementdisponibles. Nous nous concentrons plus précisément sur l’ordre et le contenu ancestral en gènes, ainsi que sur lesproblèmes techniques que cette reconstruction soulève dans le cas des chloroplastes. Nous montrons comment obtenirune prédiction des séquences codantes d’une qualité telle qu’elle permette ladite reconstruction, puis comment obtenir unarbre phylogénétique en accord avec le plus grand nombre possible de gènes, sur lesquels nous pouvons ensuite appuyernotre remontée dans le temps – cette dernière étant en cours de finalisation. Ces méthodes, combinant l’utilisation d’outilsdéjà disponibles (dont la qualité a été évaluée) à du calcul haute performance, de l’intelligence artificielle et de la biostatistique,ont été appliquées à une collection de plus de 450 génomes chloroplastiques. / In Bioinformatics, understanding how DNA molecules have evolved over time remains an open and complex problem.Algorithms have been proposed to solve this problem, but they are limited either to the evolution of a given character (forexample, a specific nucleotide), or conversely focus on large nuclear genomes (several billion base pairs ), the latter havingknown multiple recombination events - the problem is NP complete when you consider the set of all possible operationson these sequences, no solution exists at present. In this thesis, we tackle the problem of reconstruction of ancestral DNAsequences by focusing on the nucleotide chains of intermediate size, and have experienced relatively little recombinationover time: chloroplast genomes. We show that at this level the problem of the reconstruction of ancestors can be resolved,even when you consider the set of all complete chloroplast genomes currently available. We focus specifically on the orderand ancestral gene content, as well as the technical problems this raises reconstruction in the case of chloroplasts. Weshow how to obtain a prediction of the coding sequences of a quality such as to allow said reconstruction and how toobtain a phylogenetic tree in agreement with the largest number of genes, on which we can then support our back in time- the latter being finalized. These methods, combining the use of tools already available (the quality of which has beenassessed) in high performance computing, artificial intelligence and bio-statistics were applied to a collection of more than450 chloroplast genomes.

La production d’électricité par voie solaire apparait comme la solution la plus prometteuse pour l’avenir, tant en termes de coûts que de pollution. Cependant, afin d’atteindre le niveau de technologie requis pour envisager l’implémentation de telles centrales à grande échelle, plusieurs verrous technologiques et scientifiques sont encore à lever.Dans cette optique, les récepteurs/absorbeurs volumiques pourraient permettre d’atteindre de plus hautes températures que les récepteurs surfaciques (technologie actuellement utilisée dans les tours solaires à concentration), permettant l’usage de cycles thermodynamiques à haute rendement, tels que les cycles Brayton. Via le projet ANR-OPTISOL, la thèse présentée ici veut répondre en partie à ces problématiques par l’étude des absorbeurs solaires volumiques :- Une étude expérimentale des mousses céramiques utilisées comme absorbeur solaire volumique haute température a été menée au laboratoire CNRS-PROMES (UPR 8521). Une expérience a été conçue afin de tester des échantillons de 5cm de diamètre soumis au flux solaire concentré en conditions quasi-1D au foyer d’un four solaire à axe vertical ;- Un code de calcul des transferts thermiques couplés en milieu poreux a été développé utilisant l’hypothèse de « milieu homogène équivalent », puis validé sur les campagnes expérimentales ;- Finalement, un algorithme d’optimisation par essaim de particules a été utilisé afin de déterminer les propriétés géométriques optimales de mousses céramiques maximisant l’efficacité de conversion thermosolaire. / Solar-to-electricity power plants appear to be the most promises way for large electricity production in the future, in terms of costs as well as environmental impacts. Thus, reaching the required technology level still requires research and innovations in order to implement such power plants at large scale.In this context, volumetric solar receivers/absorbers could allow us to reach higher temperatures in comparison to surface receivers (actual concentrating solar power technology used in solar towers), leading to high efficiency thermodynamical cycles such as Brayton cycles. With the ANR-OPTISOL project, this thesis tends to give new answers on volumetric solar absorbers using ceramic foams:- Experimental studies of open pores ceramic foams used as high temperature volumetric solar absorber have been conducted at CNRS-PROMES laboratory (UPR 8521), with designed of a dedicated experiment for 5cm diameter samples operating under quasi-1D conditions submitted to concentrated solar power at the focal point of a vertical axis solar furnace;- A numerical code has been developed in order to solve coupled heat transfers in porous medium using the “equivalent homogeneous medium” hypothesis, then validated on the experimental campaigns;- Finally, an optimization algorithm has been used (“particle swarm optimization”) aiming the identification of the optimal geometrical characteristics maximizing the solar-to-thermal efficiency of ceramic foams.