In the last decades there has been a lot of interest in computational models and metaheuristics algorithms capable to solve combinatorial optimization problems. The recent trend is to define these algorithms taking inspiration by the observation of natural systems. In this thesis the Ant Colony System (ACS) is presented which has been inspired by the observation of real ant colonies. ACS is initially proposed to solve the symmetric and asymmetric travelling salesman problems where it is shown to be competitive with other metaheuristics. Although this is an interesting and promising result, it was immediately clear that ACS, as well as other metaheuristics, in many cases cannot compete with specialized local search methods. An interesting trend is therefore to couple metaheuristics with a local optimizer, giving birth to so-called hybrid methods. Along this line, the thesis investigates MACS-VRPTW (Multiple ACS for the Vehicle Routing Problem with Time Windows) and HAS-SOP: Hybrid Ant System for the Sequential Ordering Problem (SOP). In the second part the thesis introduces some modifications of the original ACS algorithm. These modifications are able to speed up the method and to make it more competitive in case of large problem instances. The resulting framework, called Enhanced Ant Colony System is tested for the SOP. Finally the thesis presents the application of ACS to solve real-life vehicle routing problems where additional constraints and stochastic information are included. / Doctorat en Sciences de l'ingénieur / info:eu-repo/semantics/nonPublished

Dans cette thèse, nous nous intéressons à l'étude des capacités de la méta heuristique d'optimisation par colonie de fourmis (Ant Colony Optimization - ACO) pour résoudre des problèmes d’optimisation combinatoire multi-objectif. Dans ce cadre, nous avons proposé une taxonomie des algorithmes ACO proposés dans la littérature pour résoudre des problèmes de ce type. Nous avons mené, par la suite, une étude expérimentale de différentes stratégies phéromonales pour le cas du problème du sac à dos multidimensionnel mono-objectif. Enfin,nous avons proposé un algorithme ACO générique pour résoudre des problèmes d'optimisation multi-objectif. Cet algorithme est paramétré par le nombre de colonies de fourmis et le nombre de structures de phéromone considérées. Il permet de tester et de comparer, dans un même cadre,plusieurs approches. Nous avons proposé six variantes de cet algorithme dont trois présentent de nouvelles approches et trois autres reprennent des approches existantes. Nous avons appliqué et comparé ces variantes au problème du sac à dos multidimensionnel multi-objectif / In this thesis, we investigate the capabilities of Ant Colony Optimization (ACO) metaheuristic to solve combinatorial and multi-objective optimization problems. First, we propose a taxonomy of ACO algorithms proposed in the literature to solve multi-objective problems. Then, we studydifferent pheromonal strategies for the case of mono-objective multidimensional knapsackproblem. We propose, finally, a generic ACO algorithm to solve multi-objective problems. Thisalgorithm is parameterised by the number of ant colonies and the number of pheromonestructures. This algorithm allows us to evaluate and compare new and existing approaches in thesame framework. We compare six variants of this generic algorithm on the multi-objectivemultidimensional knapsack problem

Dans cette thèse nous proposons un outil d’aide à la décision multicritère qui permet aux décideurs de sélectionner un scénario optimal dans un graphe de projet qui contient toutes les alternatives de choix de conception et de réalisation d’un nouveau système, tout en tenant compte des risques inhérents aux choix réalisés. Le modèle du graphe est construit en considérant toutes les décisions collaboratives des différents acteurs impliqués dans le projet. Cet outil d’aide à la décision est basé principalement sur les techniques de l’optimisation combinatoire. En effet, nous avons choisi de travailler avec la métaheuristique ACO (algorithme d’optimisation par colonies de fourmis) vu sa capacité à fournir des solutions optimales dans un temps raisonnable. Les objectifs à minimiser sont le coût global du projet, sa durée totale de réalisation et l’incertitude sur ces critères (coût, durée). La modélisation des incertitudes a été abordée suivant deux approches différentes. La première approche consiste à modéliser l’incertitude en utilisant des intervalles simples et en la considérant comme un objectif à part entière à optimiser avec le coût et la durée. Quant à la deuxième approche, elle permet de modéliser l’incertitude sur les objectifs du projet (coût, durée) sous formes de distributions de probabilités. L’outil d’optimisation proposé dans la thèse fait partie d’un processus intégré et plus global qui se base sur les standards industriels (processus d’ingénierie système et de management de projet) qui sont largement connus et utilisés dans les entreprises. Ainsi, le travail développé dans cette thèse constitue un vrai guide pour les industriels dans leurs processus de conception et de réalisation des systèmes complexes innovants dans le domaine d’ingénierie système. / In this thesis, we propose a multi-criteria decision making tool that allows decision-makers to select an optimal scenario in a project graph that includes all the alternative choices of a new system’s conception and realization, while taking into account the risks inherent to these choices. The model of the graph is constructed by considering all the collaborative decisions of the different actors involved in the project. This decision making tool is based mainly on the techniques of combinatorial optimization. Indeed, we have decided to work with the metaheuristic ACO (Ant Colony Optimization algorithm) for its ability to provide optimal solutions in a reasonable amount of time. The objectives to be minimized are the total cost of the project, its global duration and the uncertainties about these criteria (cost, duration). The uncertainties modeling is performed according to two different approaches. The first approach consists in using single intervals to model the uncertainty and it is considered as a third objective to optimize besides cost and duration. As for the second approach, the uncertainty about project objectives (cost, duration) is performed by using probabilities distributions. The optimization tool proposed in this thesis is a part of an integrated and more global process, based on industrial standards (the systems engineering process and the project management one) that are widely known and used in companies. Thus, the work developed in this thesis is a real guide for companies in their process of design and realization of innovative complex systems in the systems engineering field.

La segmentation des images est généralement l'étape la plus importante dans un système d'analyse d'images : dans l'aide au diagnostic en médecine, en navigation autonome des véhicules, etc. Toutes les tâches ultérieures de ces applications, comme l'extraction de primitives, la détection d'une position ou la reconnaissance d'un objet, dépendent fortement de la qualité de la segmentation. L'inconvénient majeur des algorithmes de segmentation actuels est leur incapacité à s'adapter aux différents types d'images. <br />L'apparition des "métaheuristiques" remonte aux années quatre-vingts. Ces algorithmes stochastiques d'optimisation globale peuvent être appliqués à tout problème, du moment qu'il est formulé sous la forme de l'optimisation de critère(s). Ces algorithmes sont inspirés par des analogies avec la physique (recuit simulé, recuit microcanonique), avec la biologie (algorithmes évolutionnaires) ou avec l'éthologie (colonies de fourmis, essaims particulaires). Ils se prêtent aussi à toutes sortes d'extensions, notamment en optimisation multiobjectif.<br />Afin de concevoir un système de segmentation qui permet d'avoir une meilleure qualité de la segmentation sur une grande variété d'images, nous formulons la segmentation comme un problème d'optimisation, mono-objectif dans un premier temps, puis multiobjectif. <br />Dans l'approche mono-objectif, nous adaptons plusieurs métaheuristiques au problème de la segmentation. Une application sur des images par résonance magnétique (IRM) cérébrales est ensuite réalisée. Cette adaptation des différentes métaheuristiques pour la segmentation nous permet de les comparer sur les plans suivants : la complexité, la vitesse de convergence, l'adaptabilité, et la reproductibilité des solutions. <br />Nous proposons ensuite une approche multiobjectif pour mieux résoudre le problème de la segmentation des images. Dans ce contexte, nous développons trois schémas de systèmes de segmentation adaptatifs : le premier est basé sur l'agrégation de critères, le second sur l'approche non-Pareto, et le troisième sur l'approche Pareto. Enfin, dans le cas particulier de la segmentation des espaces de ventricules cérébraux, nous appliquons différentes approches sur des IRM saines et d'autres pathologiques.

L'émotion est indissociable des processus cognitifs et joue par conséquent un rôle majeur dans la prise de décision. De ce fait, elle occupe une place de plus en plus importante dans la recherche scientifique actuelle. L'objectif de cette thèse est de révéler l'intérêt que peut présenter une approche émotionnelle, et de prouver que des modèles informatiques dotés d'émotions artificielles peuvent dans certains cas s'avérer plus performants que leurs équivalents purement cognitifs. Partant de ce constat, deux modèles de l'émotion ont été réalisés sous différentes perspectives d'étude. Ils soulignent l'impact de l'ajout d'une dimension émotionnelle dans l'élaboration d'une décision rapide, efficace et adaptée. Le premier modèle développé utilise un graphe de représentation de stratégies afin de résoudre un exercice de mathématiques proposé à des élèves de CM2, intitulé "problème des Cascades". L'émotion y est représentée en tant que valuation des arêtes au sein du graphe, la dynamique de ce dernier étant assurée par un algorithme fourmi. Les tests effectués sur deux versions, l'une émotionnelle et l'autre purement cognitive, montrent que l'utilisation d'un modèle émotionnel permet une résolution plus efficace et adaptative. Par ailleurs, un second modèle, nommé GAEA vise à simuler un robot équipé de capteurs et effecteurs, et plongé dans un environnement proie-prédateurs au sein duquel il doit survivre. Son comportement est déterminé par son programme interne, évoluant grâce à un algorithme de programmation génétique linéaire manipulant une population d'individus-programmes. Les résultats sont prometteurs et indiquent une évolution de la population vers des individus au comportement de plus en plus adapté, et dont l'activité interne est analogue à l'émergence de réactions émotionnelles pertinentes.

L'objectif de ce travail est d'exploiter les potentialités offertes par la conduite coopérative afin de fluidifier le trafic au niveau des intersections isolées. Pour ce faire, nous avons proposé un nouveau système de régulation au sein des intersections en s'inspirant du principe de l'intersection autonome. Nous avons appelé notre système : SVAC (système du véhicule-actionneur coopératif). Il repose sur la possibilité des échanges d'information entre le véhicule et son environnement de conduite.Le SVAC permet une régulation plus précise du trafic puisqu'il se base sur les requêtes de droit de passage envoyées par les véhicules réellement présents dans l'intersection. En outre, grâce à la signalisation à bord, la régulation consiste à définir les séquences de passage des véhicules, ce qui permet de personnaliser la signalisation. Le gain de précision soulève plusieurs obstacles. D'une part, nous nous heurtons systématiquement à l'absence de modèles mathématiques permettant d'aborder le problème. D'autre part, la simple énumération des séquences implique une explosion combinatoire, ce qui ne convient pas à l'application temps-réelle de la régulation des intersections. Pour s'affranchir des deux problématiques nous avons utilisé les réseaux de Petri P-temporisés. Le modèle nous a permis de décrire sous la forme d'équations mathématiques les compteurs des différents évènements observés par les véhicules. Deux objectifs de régulation ont été dégagés après avoir déduit le temps moyen d'attente basé sur la formule de Little. Le premier consiste à vider les intersections au plus tôt. Nous avons proposé un algorithme de programmation dynamique et deux heuristiques. La première heuristique est directement issue de l'analyse des propriétés du problème posé. La deuxième est basée sur l'algorithme de colonies de fourmis. En effet, le problème défini est un cas particulier du problème du voyageur de commerce. Le deuxième objectif de régulation consiste à minimiser instantanément la longueur de la file d'attente. Dans ce cadre, nous avons supposé le fonctionnement à vitesse maximale du réseau de Petri. L'utilisation des contraintes sur les ressources nous a permis de définir des règles simples de régulation en utilisant le mapping.Dans ce mémoire, nous avons utilisé la simulation microscopique basée sur les lois de poursuite pour s'approcher du comportement de conduite. La simulation a servi pour la comparaison des différentes approches proposées dans ce mémoire avec les régulateurs adaptatifs et les intersections autonomes. Dans tous les cas notre approche se distingue par un gain de capacité, ce qui nous a encouragé de reproduire le SVAC à travers un prototype de robots. Cette maquette montre la faisabilité du système au moins pour des applications industrielles.

Dans le cadre de cette thèse, nous nous sommes intéressés à la mise en œuvre d'algorithmes auto-adaptatifs d'Intelligence Collective pour la résolution de problèmes d'optimisation modélisés dans un langage de Programmation par contraintes (PPC). Nous avons porté une attention particulière à la famille d'algorithmes de type « Ant Colony Optimization » (ACO). Nous avons développé trois contributions, à savoir : (1) Intégration des algorithmes de type ACO dans un langage de programmation par contraintes pour la résolution de problèmes de satisfaction de contraintes; (2) Proposition d'un algorithme hybride et générique où ACO est couplé à une approche complète pour résoudre des problèmes d'optimisation combinatoires (3) Proposition d'une stratégie capable d'adapter dynamiquement les paramètres de ACO. / In this thesis, we focused on the implementation of self-adaptive algorithms for solving optimization problems modeled in a Constraint Programming (CP) language. We focus on to the Ant Colony Optimization (ACO) algorithms. We have developed three contributions, namely: (1) Integration of ACO algorithms in a constraint programming language for solving constraint satisfaction problems, (2) Proposal of a generic hybrid algorithm which combines ACO and CP approach to solving combinatorial optimization problems (3) Proposal of a strategy to dynamically adjust the parameters of ACO.

Particulièrement lors de collaborations dans le cadre de chaînes logistiques ou d'entreprises virtuelles, établir les workflows collaboratifs est une étape laborieuse car souvent réalisée soit de façon humaine, soit avec des méthodes manquant de flexibilité. Sur la base d'un réseau social d'entreprises, cette thèse vise à faciliter cette étape en proposant un service de déduction de processus collaboratifs inter-organisationnels. Cela soulève trois problèmes: (i) trouver les activités qui doivent être exécutées pour remplir les objectifs de la collaboration (Quoi?), (ii) sélectionner les partenaires pouvant réaliser ces activités (Qui?) et (iii) ordonner ces activités en un processus métier collaboratif (Quand?). Dans le cadre d'un réseau social, il est attendu que plusieurs organisations soient capables de fournir les mêmes activités. Dans un tel contexte de concurrence entre les organisations, une optimisation globale permet de trouver un processus final quasi-optimal, en prenant en compte ces trois questions de manière simultanée : trouver l'ensemble des "meilleurs" partenaires et leurs activités dans un contexte de collaboration spécifique. A cette fin, des ontologies de collaboration ont été développées et permettent de représenter et collecter des connaissances sur les collaborations. Ainsi, quand les utilisateurs remplissent leurs profils sur le réseau social, le système peut comprendre (i) les attentes des utilisateurs lorsqu'ils fournissent leurs objectifs de collaboration et (ii) les capacités qu'ils peuvent fournir. Un outil d'aide à la décision, basé sur un algorithme d'optimisation par colonies de fourmis permet ensuite d'exploiter les ontologies de collaboration afin de trouver un processus quasi-optimal répondant aux attentes et objectifs de la collaboration. Les résultats de cette thèse s'inscrivent au sein du projet FUI OpenPaaS dont le but est d'établir un nouveau réseau social d'entreprises visant à faciliter leurs collaborations intra et inter-organisationnelles. / Especially in the context of collaborative supply chains and virtual enterprises, the step of designing the collaborative workflows remains laborious because either it is still carried out humanly or the methods lack of flexibility. Based on an enterprise social network, this thesis aims at facilitating this step by proposing a service for the deduction of collaborative processes. It raises three main issues: (i) finding the activities to execute that answer the objectives of the collaboration (What?), (ii) selecting the corresponding partners (Who?) and (iii) ordering the activities into a collaborative business process (When?). Moreover, it is expected that many companies could be able to provide the same activities, on the enterprise social network. In this competitive context, a global optimization should be set up in order to find the quasi-optimal collaborative process that answer these three questions simultaneously. A three-dimensional solution is proposed here. First, a non-functional framework has been set up in order to determine the criteria that make a « good » partner in a specific collaborative context. Then, collaborative ontologies have been implemented and enable the representation and the acquisition of collaborative knowledge, so that the IT system can understand (a) the user's needs when they model their objectives of collaboration and (b) the user's capabilities when they model their profiles on the enterprise social network. And finally, a tool for decision support has been implemented thanks to an ant colony optimization algorithm that exploits the collaborative ontologies in order to provide a quasi-optimal process that fits the context of the collaboration and answers its objective. The results are in line with the FUI French project OpenPaaS which aims at offering an enterprise social network to facilitate their collaborations.

L’objectif de ce travail est d’exploiter les potentialités offertes par la conduite coopérative afin de fluidifier le trafic au niveau des intersections isolées. Pour ce faire, nous avons proposé un nouveau système de régulation au sein des intersections en s’inspirant du principe de l’intersection autonome. Nous avons appelé notre système : SVAC (système du véhicule-actionneur coopératif). Il repose sur la possibilité des échanges d’information entre le véhicule et son environnement de conduite.Le SVAC permet une régulation plus précise du trafic puisqu’il se base sur les requêtes de droit de passage envoyées par les véhicules réellement présents dans l’intersection. En outre, grâce à la signalisation à bord, la régulation consiste à définir les séquences de passage des véhicules, ce qui permet de personnaliser la signalisation. Le gain de précision soulève plusieurs obstacles. D’une part, nous nous heurtons systématiquement à l’absence de modèles mathématiques permettant d’aborder le problème. D’autre part, la simple énumération des séquences implique une explosion combinatoire, ce qui ne convient pas à l’application temps-réelle de la régulation des intersections. Pour s’affranchir des deux problématiques nous avons utilisé les réseaux de Petri P-temporisés. Le modèle nous a permis de décrire sous la forme d’équations mathématiques les compteurs des différents évènements observés par les véhicules. Deux objectifs de régulation ont été dégagés après avoir déduit le temps moyen d’attente basé sur la formule de Little. Le premier consiste à vider les intersections au plus tôt. Nous avons proposé un algorithme de programmation dynamique et deux heuristiques. La première heuristique est directement issue de l’analyse des propriétés du problème posé. La deuxième est basée sur l’algorithme de colonies de fourmis. En effet, le problème défini est un cas particulier du problème du voyageur de commerce. Le deuxième objectif de régulation consiste à minimiser instantanément la longueur de la file d’attente. Dans ce cadre, nous avons supposé le fonctionnement à vitesse maximale du réseau de Petri. L’utilisation des contraintes sur les ressources nous a permis de définir des règles simples de régulation en utilisant le mapping.Dans ce mémoire, nous avons utilisé la simulation microscopique basée sur les lois de poursuite pour s’approcher du comportement de conduite. La simulation a servi pour la comparaison des différentes approches proposées dans ce mémoire avec les régulateurs adaptatifs et les intersections autonomes. Dans tous les cas notre approche se distingue par un gain de capacité, ce qui nous a encouragé de reproduire le SVAC à travers un prototype de robots. Cette maquette montre la faisabilité du système au moins pour des applications industrielles. / The aim of this work is to benefit from the potential of the cooperative driving in order to optimize the traffic throughput at isolated intersections. To achieve this objective, we have proposed a new traffic control system for isolated intersections: Cooperative Vehicle-Actuation Signalization (CVAS). The concept of this new system is based on the assumption of the ability of exchanging information between each vehicle and the surrounding vehicles or the nearby infrastructure.The system allows more precise control of the traffic since it determines the right-of-way of each vehicle according to its corresponding data sent by the embedded wireless device. The right-of-way is displayed to the driver by means of the onboard signalization. The control system determines the sequence of the vehicles to be directed through the intersection. For the sake of benefiting the improvement brought by the new system, we face several challenges. On the one hand, we are confronted with the absence of a mathematical model to address the control problem. On the other hand, despite the fact that the optimal passing sequence of vehicles can be found by the simple enumeration of all feasible sequences, the exhaustive search does not fulfill the requirements of the real-time application. To overcome these two problems, we seek help from the P-timed Petri nets. This mathematical modeling tool is able to describe the events observed by the position markers in the form of mathematical equations. Two different objectives of the control have been derived from the Little's formula. The first one aims to minimize the maximum exit time of vehicles present in the intersection. An algorithm of dynamic programming and two heuristics have been proposed to achieve this objective. The first heuristic is based on the analysis of the properties of the control problem. The second heuristic is based on the analogy between the dealt problem and the problem of Traveling Salesman Problem, which can be solved successfully by the algorithm of ant colony system. The second objective of the control is to instantly minimize the queue length. A protocol of relaying the right of way has been determined from the assumption of a Petri net that operates at its maximum speed. This simple protocol of control can be extended to all possible layouts of the isolated intersections by using the technique of “mapping”.In this work, a microscopic model (car-following model) is used to simulate the driving behavior. The simulations show that the CVAS system outperforms the other systems which are popularly used at present. It is even better than some innovative systems based on the technology of the cooperative driving. The good results encouraged us to replicate the system under real conditions through a prototype of NXT robots. The tests of this prototype prove the feasibility of the system at least for industrial applications.

La dissémination d’information dans les réseaux VANET est une opération fondamentale pour la sécurité routière. Il est dès lors nécessaire de concevoir et mettre en oeuvre des algorithmes efficaces et adaptatifs pour la dissémination d’informations sélectives et pertinentes.Dans ce travail, des approches Bio-inspirées sont proposées, à partir des comportements auto-organisés des essaims comme les colonies de fourmis et d’abeilles. Ces approches visent à fournir à chaque véhicule des informations en provenance de son environnement et alerter les conducteurs. Dans la première approche, le système de communication direct et indirect des fourmis est utilisé. Les fourmis partagent les informations sur les sources de nourriture avec des membres de la colonie en sécrétant la phéromone sur leurs chemins. La deuxième approche est inspirée par le système de communication des abeilles. Les abeilles partagent les informations à propos des sources de nourriture avec les autres membres de la ruche par des messages spécifiques, selon l’importance de ces sources.Une nouvelle mesure de "pertinence" associée aux messages est définie, par analogie à la sécrétion des phéromones des fourmis et au niveau de l’intensité des messages pour les abeilles, pour disséminer des informations de sécurité dans une zone géographique. Les simulations sont effectuées en utilisant le simulateur NS2 pour mesurer l’efficacité des approches proposées sous différentes conditions, en particulier en termes de densités et vitesses des véhicules. / Information dissemination in Vehicular Ad hoc Networks (VANETs) is a fundamental operation to increase the safety awareness among vehicles on roads. Thus, the design and implementation of efficient and scalable algorithms for relevant information dissemination constitutes a major issue that should be tackled.In this work, bio-inspired information dissemination approaches are proposed, that use self-organization principles of swarms such as Ant and Honey Bee colonies. These approaches are targeted to provide each vehicle with the required information about its surrounding and assist drivers to be aware of undesirable road conditions. In the first approach, Ant’s direct and indirect communication systems are used. Ants share information about food findings with colony members by throwing pheromone on the returning to the nest. The second, an RSU-based approach is inspired by the Bee communication system. Bees share profitable food sources with hive-mates in their hive by specific messages.A “relevance” value associated to the emergency messages is defined as an analogue to pheromone throwing in Ant colony, and as an analogue to profitability level in Bee colony, to disseminate safety information within a geographical area. Simulations are conducted using NS2 network simulator and relevant metrics are evaluated under different node speeds and network densities to show the effectiveness of the proposed approaches.