En optimisation continue, un problème donné consiste à trouver l'optimum d'une fonction objectif f définie dans R^n à valeur dans R. Dans ce contexte, le scénario boîte noire fait l'hypothèse que seule l'évaluation de f nous fournit de l'information. Dans une première partie, nous étudions l'algorithme CMA-ES, stratégie d'évolution avec adaptation de la matrice de covariance ; une approche reconnue pour résoudre les problèmes d'optimisation boîte noire. Nous démontrons les limites de cet algorithme en terme de complexités spatiale et temporelle pour faire face à des problèmes à grande dimensionalité. Pour dépasser ces limites, nous proposons des variantes de CMA-ES qui ne mettent à jour que les éléments diagonaux par bloc de la matrice de covariance, qui exploitent donc la séparabilité. Nous montrons que ces variantes peuvent avoir de meilleures performances que CMA-ES sur des fonctions non-séparables à condition que le problème considéré ait une dimension assez grande. Dans une seconde partie, nous définissons et exploitons un cadre expérimental pour la comparaison systématique de résultats en optimisation boîte noire, où les pratiquants du domaine peuvent ainsi tester et comparer des algorithmes sur des fonctions artificielles. Nos résultats montrent la dépendance des performances des algorithmes en fonction du budget alloué à l'optimisation. Des méthodes classiques telles que NEWUOA ou BFGS sont ainsi appropriées à des petits budgets. L'approche CMA-ES avec redémarrage et contrôle de la taille de population obtient de bons résultats pour des budgets plus larges. Le logiciel COCO pour COmparing Continuous Optimisers, utilisé pour faire ces comparaisons systématiques est décrit techniquement dans une troisième partie. COCO sert d'implémentation de notre cadre expérimental et permet en plus de fournir des résultats tels que ceux que nous exploitons dans ce document.

Le travail présenté dans cette thèse aborde les problèmes de gestion de l'évolution des schémas et des objets dans les systèmes à base de connaissances. Ce travail a été réalisé dans le cadre du système de représentation de connaissances objets SHOOD. Cette étude tente d'apporter des solutions aux problèmes d'extensibilité et de réutilisation des mécanismes d'évolution. Nous proposons un système d'évolution permettant la définition et la mise en ouvre de la dynamique. Cette mise en ouvre est réalisée par un ensemble de mécanismes tels que la classification d'instances et les règles actives ou règles ECA (Evenement,Condition, Action), ainsi qu'un ensemble d'opérations de manipulation : le support d'évolution. Nous proposons de même un mécanisme de règles et de stratégies d'évolution pour permettre une expression déclarative des contraintes d'évolution de structures ou de données. Le concepteur peut définir des stratégies pour regrouper ces contraintes. Suivant ses besoins, il peut faire cohabiter plusieurs stratégies, mais une seule sera active à un moment donné. Ce mécanisme de règles et de stratégies d'évolution est principalement développé en établissant une correspondance entre une règle d'évolution et plusieurs règles ECA, ainsi qu'une correspondance entre une stratégie et une base de règles ECA.

Le travail présenté dans cette thèse s'inscrit dans le cadre des architectures logicielles à base de composants. Une architecture logicielle offre une description d'un système à un niveau d'abstraction élevé en terme de composants et d'interactions entre ces composants. La problématique abordée relève de l'évolution structurelle dans les architectures logicielles à base de composants. L'évolution est une nécessité importante dans le monde du logiciel et des systèmes informatiques. Elle permet, dans le cadre des architectures logicielles, d'éviter que celles-ci ne restent figées et soient obsolètes par rapport aux besoins en perpétuels changements. Un autre objectif essentiel est la possibilité de pouvoir élargir les architectures logicielles et d'appliquer le passage à l'échelle, pour prendre en compte de nouveaux besoins ou des fonctionnalités plus complexes. Une architecture doit donc pouvoir être modifiée pour rester utilisable, réutilisable et disponible pour ses utilisateurs, et cela tout au long du cycle de vie du système. Notre contribution à cette problématique se scinde en trois axes : Le premier axe consiste en la proposition d'un modèle d'évolution dénommé SAEV (Software Architecture EVolution model) permettant l'abstraction, la spécification et la gestion de l'évolution des architectures logi- cielles. SAEV se veut un modèle générique, uniforme et indépendant de tout langage de description d'archi- tectures logicielles. Le deuxième axe s'appuie sur deux constats : le premier constat est que les architectures logicielles ne véhi- culent pas assez d'informations sur le degré de corrélation entre leurs éléments constitutifs, qui permettraient de déterminer et de propager automatiquement les impacts d'une évolution. Le deuxième constat est que les connecteurs, de par leur position d'intermédiaires entre les éléments architecturaux sont des supports idéaux pour véhiculer les changements entre ces éléments. C'est ainsi que nous proposons d'enrichir les connecteurs par des propriétés sémantiques qui exprimeraient alors la corrélation entre les éléments d'une architecture logicielle qu'ils relient. Le troisième axe illustre la prise en compte des propriétés sémantiques proposées dans le cadre de l'ADL COSA (Component-Object based Software Architecture). COSA est un ADL hybride qui réifie les concepts communément admis par la majorité des langages de description d'architectures logicielles. Cet axe montre aussi l'application du modèle SAEV sur des architectures logicielles décrites en COSA et en tenant compte des propriétés sémantiques définies.

Afin de réduire le coût de calcul pour des problèmes d'optimisation coûteuse, cette thèse a été consacrée à la Stratégie d'Evolution avec Adaptation de Matrice de Covariance assistée par modèle de Krigeage (KA-CMA-ES). Plusieurs algorithmes de KA-CMA-ES ont été développés et étudiés. Une application de ces algorithmes KA-CMA-ES développés est réalisée par l'identification des paramètres matériels avec un modèle constitutif d'endommagement élastoplastique. Les résultats expérimentaux démontrent que les algorithmes KA-CMA-ES développés sont plus efficaces que le CMA-ES standard. Ils justifient autant que le KA-CMA-ES couplé avec ARP-EI est le plus performant par rapport aux autres algorithmes étudiés dans ce travail. Les résultats obtenus par l'algorithme ARP-EI dans l'identification des paramètres matériels montrent que le modèle d'endommagement élastoplastique utilisé est suffisant pour décrire le comportement d'endommage plastique et ductile. Ils prouvent également que la KA-CMA-ES proposée améliore l'efficace de la CMA-ES. Par conséquent, le KA-CMA-ES est plus puissant et efficace que CMA-ES pour des problèmes d'optimisation coûteuse. / In order to reduce the cost of solving expensive optimization problems, this thesis devoted to Kriging-Assisted Covariance Matrix Adaptation Evolution Strategy (KA-CMA-ES). Several algorithms of KA-CMA-ES were developed and a comprehensive investigation on KA-CMA-ES was performed. Then applications of the developed KA-CMA-ES algorithm were carried out in material parameter identification of an elastic-plastic damage constitutive model. The results of experimental studies demonstrated that the developed KA-CMA-ES algorithms generally are more efficient than the standard CMA-ES and that the KA-CMA-ES using ARP-EI has the best performance among all the investigated KA-CMA-ES algorithms in this work. The results of engineering applications of the algorithm ARP-EI in material parameter identification show that the presented elastic-plastic damage model is adequate to describe the plastic and ductile damage behavior and also prove that the proposed KA-CMA-ES algorithm apparently improve the efficiency of the standard CMA-ES. Therefore, the KA-CMA-ES is more powerful and efficient than CMA-ES for expensive optimization problems.