Le pilotage en temps réel des systèmes de production nécessite de prendre des décisions complexes sur l'affectation des ressources ou le choix des tâches à réaliser. Compte tenu de l'importance de la pertinence des décisions pour la performance d'un atelier, le pilotage fait l'objet de travaux de recherche dont l'objectif est d'aider les preneurs de décision. En particulier, on ne sait pas évaluer les conséquences sur la performance d'une décision en temps réel car les bonnes performances résultent d'une séquence de décisions et non d'une seule. De ce fait, il est difficile d'établir quelle est la meilleure décision à prendre à un instant donné. Plusieurs auteurs ont utilisé la simulation pour apprendre des bonnes pratiques à l'aide d'approches d'apprentissage automatique, mais se sont heurtés à la difficulté d'obtenir des exemples ou des observations sur des décisions en temps réel, où la prise en compte des changements d'états est indispensable pour choisir des stratégies de production. Nous avons réussi à aborder ce problème en proposant une approche d'apprentissage à l'aide de réseaux de neurones, qui ne nécessite pas d'exemples, d'observations ni de connaissances d'experts préalables. Ce type d'apprentissage s'effectue par optimisation via simulation des paramètres du réseau de neurones par rapport à un objectif de performance du système. Il vise à extraire de façon autonome des connaissances sur la meilleure façon de décider d'un modèle de simulation. Nous montrons la faisablité et l'apport de notre approche sur deux exemples inspirés de la littérature

Reproduction de : Habilitation à diriger des recherches : Sciences physiques. Génie électrique : Lille 1 : 2006. / N° d'ordre (Lille 1) : 555. Synthèse des travaux et articles en anglais en annexe. Curriculum vitae. Résumé. Titre provenant de la page de titre du document numérisé. Bibliogr. p. 135-140. Liste des publications et des communications.

L'optimisation des structures est un processus essentiel dans la conception des systèmes mécaniques et électroniques. Cette thèse s'intéresse à la résolution des problèmes mono-objectifs et multi-objectifs des structures mécaniques et mécatroniques. En effet, les industriels ne sont pas seulement préoccupés à améliorer les performances mécaniques des pièces qu'ils conçoivent, mais ils cherchent aussi à optimiser leurs poids, leurs tailles, ainsi que leurs coûts de production. Pour résoudre ce type de problème, nous avons fait appel à des métaheuristiques robustes qui nous permettent de minimiser le coût de production de la structure mécanique et de maximiser le cycle de vie de la structure. Alors que des méthodes inappropriées de l'évolution sont plus difficiles à appliquer à des modèles mécaniques complexes en raison de temps calcul exponentiel. Il est connu que les algorithmes génétiques sont très efficaces pour les problèmes NP-difficiles, mais ils sont très lourds et trop gourmands quant au temps de calcul, d'où l'idée d'hybridation de notre algorithme génétique par l'algorithme d'optimisation par essaim de particules (PSO) qui est plus rapide par rapport à l'algorithme génétique (GA). Dans notre expérimentation, nous avons obtenu une amélioration de la fonction objectif et aussi une grande amélioration de la minimisation de temps de calcul. Cependant, notre hybridation est une idée originale, car elle est différente des travaux existants. Concernant l'avantage de l'hybridation, il s'agit généralement de trois méthodes : l'hybridation en série, l'hybridation en parallèle et l'hybridation par insertion. Nous avons opté pour l'hybridation par insertion par ce qu'elle est nouvelle et efficace. En effet, les algorithmes génétiques se composent de trois étapes principales : la sélection, le croisement et la mutation. Dans notre cas, nous remplaçons les opérateurs de mutation par l'optimisation par essaim de particules. Le but de cette hybridation est de réduire le temps de calcul ainsi que l'amélioration la solution optimale.

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.

L’optimisation des structures est un processus essentiel dans la conception des systèmes mécaniques et électroniques. Cette thèse s’intéresse à la résolution des problèmes mono-objectifs et multi-objectifs des structures mécaniques et mécatroniques. En effet, les industriels ne sont pas seulement préoccupés à améliorer les performances mécaniques des pièces qu’ils conçoivent, mais ils cherchent aussi à optimiser leurs poids, leurs tailles, ainsi que leurs coûts de production. Pour résoudre ce type de problème, nous avons fait appel à des métaheuristiques robustes qui nous permettent de minimiser le coût de production de la structure mécanique et de maximiser le cycle de vie de la structure. Alors que des méthodes inappropriées de l’évolution sont plus difficiles à appliquer à des modèles mécaniques complexes en raison de temps calcul exponentiel. Il est connu que les algorithmes génétiques sont très efficaces pour les problèmes NP-difficiles, mais ils sont très lourds et trop gourmands quant au temps de calcul, d’où l’idée d’hybridation de notre algorithme génétique par l’algorithme d’optimisation par essaim de particules (PSO) qui est plus rapide par rapport à l’algorithme génétique (GA). Dans notre expérimentation, nous avons obtenu une amélioration de la fonction objectif et aussi une grande amélioration de la minimisation de temps de calcul. Cependant, notre hybridation est une idée originale, car elle est différente des travaux existants. Concernant l’avantage de l’hybridation, il s’agit généralement de trois méthodes : l’hybridation en série, l’hybridation en parallèle et l’hybridation par insertion. Nous avons opté pour l’hybridation par insertion par ce qu’elle est nouvelle et efficace. En effet, les algorithmes génétiques se composent de trois étapes principales : la sélection, le croisement et la mutation. Dans notre cas, nous remplaçons les opérateurs de mutation par l’optimisation par essaim de particules. Le but de cette hybridation est de réduire le temps de calcul ainsi que l’amélioration la solution optimale. / This thesis focuses on solving single objective problems and multiobjective of mechanical and mechatronic structures. The optimization of structures is an essential process in the design of mechanical and electronic systems. Industry are not only concerned to improve the mechanical performance of the parts they design, but they also seek to optimize their weight, size and cost of production. In order to solve this problem we have used Meta heuristic algorithms robust, allowing us to minimize the cost of production of the mechanical structure and maximize the life cycle of the structure. While inappropriate methods of evolution are more difficult to apply to complex mechanical models because of exponential calculation time. It is known that genetic algorithms are very effective for NP-hard problems, but their disadvantage is the time consumption. As they are very heavy and too greedy in the sense of time, hence the idea of hybridization of our genetic algorithm optimization by particle swarm algorithm (PSO), which is faster compared to the genetic algorithm (GA). In our experience, it was noted that we have obtained an improvement of the objective function and also a great improvement for minimizing computation time. However, our hybridization is an original idea, because it is a different and new way of existing work, we explain the advantage of hybridization and are generally three methods : hybridization in series, parallel hybridization or hybridization by insertion. We opted for the insertion hybridization it is new and effective. Indeed, genetic algorithms are three main parts : the selection, crossover and mutation. In our case,we replace the operators of these mutations by particle swarm optimization. The purpose of this hybridization is to reduce the computation time and improve the optimum solution.

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.

L'optimisation vise à trouver le meilleur compromis entre les différentes exigences contradictoires, telles que les performances, le coût et la durabilité. Toutefois, la conception des structures doit être placée dans un contexte incertain. Traditionnellement, les incertitudes sont considérées par l'application des coefficients partiels de sécurité. Cependant, l'utilisation de ces coefficients ne garantit pas une conception optimale pour le niveau de fiabilité souhaité. L'optimisation fiabiliste est développée pour établir le meilleur compromis entre la réduction des coûts et l'assurance de la fiabilité, par la considération des incertitudes. Dans ce mémoire, une nouvelle approche de l'optimisation fiabiliste est proposée afin de tenir compte de l'interaction des différents modes de défaillance et de l'évolution de la fiabilité en fonction de l'âge de la structure. La meilleure solution est recherché par la minimisation de la fonction du coût total contenant les coûts de maintenance.

Les filières d'Assainissement Non Collectif (ANC) du fait de leur intérêt technique et économique connaissent un développement important. A ce jour, les gestionnaires de ce type d'ouvrages cherchent à mieux comprendre les phénomènes régissant leur fonctionnement et tentent ainsi d'améliorer cette filière sur le plan de la durabilité, de la fiabilité et de l'optimisation en s'appuyant sur des recommandations scientifiquement étayées auxquelles les études menées dans ce travail s'attachent à répondre. Les principaux objectifs industriels et scientifiques de cette thèse étaient de mieux comprendre le fonctionnement de ces sytèmes et de développer une méthodologie de diagnostic de leur état par la mise au point d'outils et de méthodes adaptés à ce genre d'onvrage. Nous avons proposé dans ce travail une démarche originale d'estimation de la perméabilité saturée ou non d'un sol in situ. Cette démarche est basée d'une part sur des informations de résistance et de granulométrie obtenues par couplage de mesures pénétrométriques et endoscopiques et d'autre part sur la connaissance de la relation résistance densité obtenue dans une base de données de matériaux. Cette démarche a été validée au laboratoire et utilisée in situ. Nous avons aussi proposé une méthodologie de diagnostic basée sur l'utilisation conjointe d'outils non destructifs et rapides à mettre en oeuvre à partir de différentes études réalisées in situ tant sur des ouvrages réels que sur des ouvrages expérimentaux grandeur nature.

L'objectif de ce travail de thèse est d'étudier l'influence d'un environnement de gaz rare sur les propriétés statiques et dynamiques de petites molécules de sodium. Les différentes propriétés physicochimiques de ce système permettent une modélisation à deux niveaux dans laquelle seuls les degrés de liberté associés aux électrons de valence de la molécule sont traités quantiquement. Nous avons développé une approche générale permettant de traiter le problème de la structure électronique de la molécule immergée par une méthode d'interaction de configurations, dans laquelle ses noyaux et les atomes de gaz rare sont traités en dynamique moléculaire classique d'atomes polarisables.<br />En adaptant ce modèle théorique, à l'atome et aux dimères de sodium immergés dans des matrices d'argon, nous avons déterminé la géométrie d'équilibre et les propriétés spectrales de ces systèmes. Le site de piégeage le plus favorable du dimère est différent selon qu'il soit chargé ou pas. Nous retrouvons ce résultat de manière dynamique si l'on procède à l'ionisation du Na2 immergé. <br />En étudiant la dynamique sur le premier état excité de Na2+, nous avons observé l'importance de la taille de la matrice sur la dissociation de ce dimère. Nous avons ainsi déterminé un nombre critique d'argon au-delà duquel la dissociation est empêchée dû à un changement de site du Na2+ au sein de sa rangée d'insertion. Mais en introduisant les couplages non adiabatiques au moyen d'un algorithme de saut de surfaces, ce changement de site, observé pour les systèmes comportant plus d'une centaine d'argon, est avorté grâce à une désexcitation non radiative vers l'état fondamental au bout de quelques picosecondes.

Ce travail de thèse a pour objectif d'étudier les propriétés des molécules de métaux alcalins M2+ immergées dans des agrégats de néon, par le biais de simulations numériques. Nous développons une approche globale dans laquelle la détermination de la structure électronique se réduit à un problème à un électron. Ce dernier évolue dans un potentiel modélisé par des pseudo-potentiels semi-locaux à cœur polarisable. Nous les avons paramétrés après avoir calculé les courbes de potentiel des dimères MNe et M+Ne de manière ab initio. Nous effectuons une dynamique moléculaire classique, en y incorporant un traitement des couplages non-adiabatiques grâce à un algorithme de saut de surface. Nous avons trouvé les géométries d'équilibre des systèmes M2+Nen jusqu'à la première couche de solvatation de la molécule. Nous en avons déduit les propriétés statiques de ces systèmes en examinant les énergies de liaison, les distances d'équilibre, et les spectres optiques d'absorption. Nous avons ensuite étudié la dynamique de ces systèmes placés initialement sur un état excité. Nous avons établi que le taux de photodissociation dépend fortement du nombre d'atomes de néon et de l'ordre des transitions électroniques. Nous avons observé un effet de cage pour les systèmes Li2+Nen à partir de 18 atomes de néon. Nous avons également effectué des analyses sur la distribution des fragments produits, sur les états moléculaires stabilisés, et sur la localisation de la charge dans les systèmes asymétriques.