L’essentiel des travaux de cette thèse porte sur les réseaux de collectes de données sans fil. Nous avons étudié différents problèmes d’optimisation dans ces réseaux qui représentent de vrais challenges pour les industriels du secteur. Le premier problème porte sur l’allocation de capacités sur les liens à coût minimum. Il a été résolu par une approche de programmation linéaire avec génération de colonnes. Notre modèle permet de résoudre des problèmes de grandes tailles. Nous avons ensuite étudié le problème du partage d’infrastructure réseau entre opérateurs virtuels avec comme objectif de maximiser les revenus de l’opérateur de l’infrastructure physique tout en satisfaisant les demandes et les contraintes de qualité de service des opérateurs virtuels clients du réseau. Dans ce contexte, nous avons proposé une formulation robuste du problème en programmation linéaire en nombres entiers mixte. Un autre point de dépenses dans ce type de réseau est la consommation d’énergie. Nous avons proposé une solution robuste, de routage basée sur la consommation d’énergie du réseau. Notre solution a été formulée en utilisant un programme linéaire en nombre entiers mixte. Nous avons aussi proposé des heuristiques afin de trouver assez rapidement des solutions pour de grandes instances. Le dernier travail de cette thèse porte sur les réseaux radio cognitifs et plus précisément sur le problème de partage de bande passante. Nous l’avons formalisé en utilisant un programme linéaire mais avec une autre approche d’optimisation robuste. Nous utilisons la méthode d'optimisation robuste à 2 niveaux pour le résoudre. / The main work of this thesis focuses on the wireless backhaul networks. We studied different optimization problems in such networks that represent real challenges for industrial sector.The first issue addressed focuses on the capacity allocation on the links at minimum cost. It was solved by a linear programming approach with column generation. Our method solves the problems on large size networks. We then studied the problem of network infrastructure sharing between virtual operators. The objective is to maximize the revenue of the operator of the physical infrastructure while satisfying the quality of service constraints of virtual operators customers of the network. In this context, we proposed a robust model using mixed integer linear programming. In the following problem, we proposed a robust energy-aware routing solution for the network operators to reduce their energy consumption. Our solution was formulated using a mixed integer linear program. We also proposed heuristics to find efficient solutions for large networks. The last work of this thesis focuses on cognitive radio networks and more specifi- cally on the problem of bandwidth sharing. We formalized it using a linear program with a different approach to robust optimization. We based our solution on the 2-stage linear robust method.

Les réseaux de collecte de l’IoT soulèvent de nombreux problèmes d'optimisation, à cause des capacités limitées des capteurs en énergie, en traitement et en mémoire. Dans l'optique d’améliorer la performance du réseau, nous nous intéressons à une contribution liée à l'optimisation du déploiement 3D d’intérieur des nœuds sur les réseaux de capteurs sans fil en utilisant des méta-heuristiques hybrides se basant sur des modèles mathématiques multi-objectif. L’objectif principal est donc de proposer des hybridations et modifications des algorithmes d’optimisation dans le but de réaliser le positionnement 3D adéquat des nœuds dans les réseaux de capteurs sans fil avec satisfaction d’un ensemble de contraintes et objectifs qui sont souvent antagonistes. Nous proposons d'axer notre contribution sur les méta-heuristiques hybrides et combinés avec des procédures de réduction de dimentionalité et d’incorporation de préférences des utilisateurs. Ces schémas d’hybridation sont tous validés par des résultats numériques de test. Ensuite, des simulations complétées par; et confrontées à ; des expérimentations sur des testbeds réelles. / IoT collection networks raise many optimization problems; in particular because the sensors have limited capacity in energy, processing and memory. In order to improve the performance of the network, we are interested in a contribution related to the optimization of the 3D indoor deployment of nodes using multi-objective mathematics models relying on hybrid meta-heuristics. Therefore, our main objective is to propose hybridizations and modifications of the optimization algorithms to achieve the appropriate 3D positioning of the nodes in the wireless sensor networks with satisfaction of a set of constraints and objectives that are often antagonistic. We propose to focus our contribution on meta-heuristics hybridized and combined with procedures to reduce dimensionality and to incorporate user preferences. These hybridization schemes are all validated by numerical tests. Then, we proposed simulations that are completed by, and confronted with experiments on real testbeds.