De nombreux problèmes de décision issus du monde réel sont de nature NP-difficile. Il est également fréquent que de tels problèmes rassemblent plusieurs objectifs à optimiser simultanément, généralement contradictoires entre eux. Pour aborder cette classe de problèmes, les métaheuristiques multiobjectifs fournissent des outils particulièrement efficaces. Par ailleurs, pour traiter des problèmes de transport, l'élaboration de modèles permettant de caractériser l’évolution spatio-temporelle d’une population est un élément essentiel. Dans le cadre de ces travaux, nous nous intéressons à la chaine complète qui permet de guider une décision dans le domaine de l'aménagement du territoire et du transport. Nous considérons ainsi les deux principales phases impliquées dans le processus de décision : la modélisation des déplacements de la population d'une part, et l'élaboration d'une métaheuristique hybride pour résoudre des problèmes d'optimisation multiobjectif d'autre part. Afin de modéliser l’évolution de la présence de personnes sur un territoire, nous proposons dans cette thèse un nouveau modèle de mobilité. L'originalité de ce travail réside dans l'utilisation de données nouvelles issues de la téléphonie mobile, ainsi que dans l'exploitation d'informations géographiques et socio-économiques pour caractériser le pouvoir d'attraction du territoire. Nous proposons par ailleurs une heuristique pour résoudre des problèmes multiobjectifs. L’étude de l'influence de différents opérateurs sur la construction de l'ensemble Pareto, nous a amené à concevoir une heuristique hybride de type mémétique, qui se révèle être significativement plus efficace que des approches de référence. Les deux principales phases, modélisation et optimisation, ont été expérimentées et validées dans un contexte réel. Elles ont donné lieu au développement d’une plate-forme logicielle d’aide à la décision utilisée notamment pour proposer des emplacements de stations pour un service d'auto-partage électrique. / Many decision-making problems in the real world are NP-hard. These problems commonly feature several mutually-contradictory objectives to be optimized simultaneously. Multiobjective metaheuristics provide particularly effective means of addressing this class of problems. Moreover, for transportation problems, the development of models able to evaluate the spatiotemporal evolution of a population is essential. In our research, we are interested in the complete chain guiding a decision in the fields of transportation and territory planning. We consider the two main phases involved in the decision-making process: building a population mobility model and developing a hybrid metaheuristic to solve multiobjective optimization problems. In order to compute the evolution of population presence on a territory, in this thesis we propose a new mobility model; its originality lies in employing new data from mobile phone networks as well as geographic and socio-economic information to indicate the attractiveness of the territory. We have also developed a heuristic to solve multiobjective problems: following the study of the influence of several operators on the Pareto front, we have designed a hybrid memetic heuristic that is significantly more effective than reference approaches. The two main phases of modelling and optimizing have been tested and validated in a real context, allowing us to develop a decision-making software platform that can be used to provide station locations for an electric car-sharing service.

L'optimisation de l'exploitation d'un réseau de transport de gaz naturel (RTGN) est typiquement un problème d'optimisation multiobjectif, faisant intervenir notamment la minimisation de la consommation énergétique dans les stations de compression, la maximisation du rendement, etc. Cependant, très peu de travaux concernant l'optimisation multiobjectif des réseaux de gazoducs sont présentés dans la littérature. Ainsi, ce travail vise à fournir un cadre général de formulation et de résolution de problèmes d'optimisation multiobjectif liés aux RTGN. Dans la première partie de l'étude, le modèle du RTGN est présenté. Ensuite, diverses techniques d'optimisation multiobjectif appartenant aux deux grandes classes de méthodes par scalarisation, d'une part, et de procédures évolutionnaires, d'autre part, communément utilisées dans de nombreux domaines de l'ingénierie, sont détaillées. Sur la base d'une étude comparative menée sur deux exemples mathématiques et cinq problèmes de génie des procédés (incluant en particulier un RTGN), un algorithme génétique basé sur une variante de NSGA-II, qui surpasse les méthodes de scalarisation, de somme pondérée et d'ε-Contrainte, a été retenu pour résoudre un problème d'optimisation tricritère d'un RTGN. Tout d'abord un problème monocritère relatif à la minimisation de la consommation de fuel dans les stations de compression est résolu. Ensuite un problème bicritère, où la consommation de fuel doit être minimisée et la livraison de gaz aux points terminaux du réseau maximisée, est présenté ; l'ensemble des solutions non dominées est répresenté sur un front de Pareto. Enfin l'impact d'injection d'hydrogène dans le RTGN est analysé en introduisant un troisième critère : le pourcentage d'hydrogène injecté dans le réseau que l'on doit maximiser. Dans les deux cas multiobjectifs, des méthodes génériques d'aide à la décision multicritère sont mises en oeuvre pour déterminer les meilleures solutions parmi toutes celles déployées sur les fronts de Pareto. / The optimization of a natural gas transportation network (NGTN) is typically a multiobjective optimization problem, involving for instance energy consumption minimization at the compressor stations and gas delivery maximization. However, very few works concerning multiobjective optimization of gas pipelines networks are reported in the literature. Thereby, this work aims at providing a general framework of formulation and resolution of multiobjective optimization problems related to NGTN. In the first part of the study, the NGTN model is described. Then, various multiobjective optimization techniques belonging to two main classes, scalarization and evolutionary, commonly used for engineering purposes, are presented. From a comparative study performed on two mathematical examples and on five process engineering problems (including a NGTN), a variant of the multiobjective genetic algorithm NSGA-II outmatches the classical scalararization methods, Weighted-sum and ε-Constraint. So NSGA-II has been selected for performing the triobjective optimization of a NGTN. First, the monobjective problem related to the minimization of the fuel consumption in the compression stations is solved. Then a biojective problem, where the fuel consumption has to be minimized, and the gas mass flow delivery at end-points of the network maximized, is presented. The non dominated solutions are displayed in the form of a Pareto front. Finally, the study of the impact of hydrogen injection in the NGTN is carried out by introducing a third criterion, i.e., the percentage of injected hydrogen to be maximized. In the two multiobjective cases, generic Multiple Choice Decision Making tools are implemented to identify the best solution among the ones displayed of the Pareto fronts.

Le Cloud Computing est de plus en plus reconnu comme une nouvelle façon d'utiliser, à la demande, les services de calcul, de stockage et de réseau d'une manière transparente et efficace. Dans cette thèse, nous abordons le problème d'ordonnancement de workflows sur les infrastructures distribuées hétérogènes du Cloud Computing. Les approches d'ordonnancement de workflows existantes dans le Cloud se concentrent principalement sur l'optimisation biobjectif du makespan et du coût. Dans cette thèse, nous proposons des algorithmes d'ordonnancement de workflows basés sur des métaheuristiques. Nos algorithmes sont capables de gérer plus de deux métriques de QoS (Quality of Service), notamment, le makespan, le coût, la fiabilité, la disponibilité et l'énergie dans le cas de ressources physiques. En outre, ils traitent plusieurs contraintes selon les exigences spécifiées dans le SLA (Service Level Agreement). Nos algorithmes ont été évalués par simulation en utilisant (1) comme applications: des workflows synthétiques et des workflows scientifiques issues du monde réel ayant des structures différentes; (2) et comme ressources Cloud: les caractéristiques des services de Amazon EC2. Les résultats obtenus montrent l'efficacité de nos algorithmes pour le traitement de plusieurs QoS. Nos algorithmes génèrent une ou plusieurs solutions dont certaines surpassent la solution de l'heuristique HEFT sur toutes les QoS considérées, y compris le makespan pour lequel HEFT est censé donner de bons résultats. / Cloud Computing is increasingly recognized as a new way to use on-demand, computing, storage and network services in a transparent and efficient way. In this thesis, we address the problem of workflows scheduling on distributed heterogeneous infrastructure of Cloud Computing. The existing workflows scheduling approaches mainly focus on the bi-objective optimization of the makespan and the cost. In this thesis, we propose news workflows scheduling algorithms based on metaheuristics. Our algorithms are able to handle more than two QoS (Quality of Service) metrics, namely, makespan, cost, reliability, availability and energy in the case of physical resources. In addition, they address several constraints according to the specified requirements in the SLA (Service Level Agreement). Our algorithms have been evaluated by simulations. We used (1) synthetic workflows and real world scientific workflows having different structures, for our applications; and (2) the features of Amazon EC2 services for our Cloud. The obtained results show the effectiveness of our algorithms when dealing multiple QoS metrics. Our algorithms produce one or more solutions which some of them outperform the solution produced by HEFT heuristic over all the QoS considered, including the makespan for which HEFT is supposed to give good results.

Dans cette thèse, nous cherchons à répondre à une problématique formulée par la DGA Techniques navales pour surveiller une zone stratégique : planifier le déploiement spatial et temporel optimal d’un ensemble de capteurs de façon à maximiser les chances de détecter une cible mobile et intelligente. La cible est dite intelligente car elle est capable de détecter sous certaines conditions les menaces que représentent les capteurs et ainsi de réagir en adaptant son comportement. Les déploiements générés pouvant aussi avoir un coût élevé nous devons tenir compte de ce critère lorsque nous résolvons notre problématique. Il est important de noter que la résolution d’un problème de ce type requiert, selon les besoins, l’application d’une méthode d’optimisation mono-objectif voire multiobjectif. Jusqu’à présent, les travaux existants n’abordent pas la question du coût des déploiements proposés. De plus la plupart d’entre eux ne se concentrent que sur un seul aspect à la fois. Enfin, pour des raisons algorithmiques, les contraintes sont généralement discrétisées.Dans une première partie, nous présentons un algorithme qui permet de déterminer le déploiement spatio-temporel de capteurs le plus efficace sans tenir compte de son coût. Cette méthode est une application à l’optimisation de la méthode multiniveau généralisée.Dans la seconde partie, nous montrons d’abord que l’utilisation de la somme pondérée des deux critères permet d’obtenir des solutions sans augmenter le temps de calcul. Pour notre seconde approche, nous nous inspirons des algorithmes évolutionnaires d’optimisation multiobjectif et adaptons la méthode multiniveau généralisée à l’optimisation multiobjectif. / In this work, we propose a solution to a problem issued by the DGA Techniques navales in order to survey a strategic area: determining the optimal spatio-temporal deployment of sensors that will maximize the detection probability of a mobile and smart target. The target is said to be smart because it is capable of detecting the threat of the sensors under certain conditions and then of adapting its behaviour to avoid it. The cost of a deployment is known to be very expensive and therefore it has to be taken into account. It is important to note that the wide spectrum of applications within this field of research also reflects the need for a highly complex theoretical framework based on stochastic mono or multi-objective optimisation. Until now, none of the existing works have dealt with the cost of the deployments. Moreover, the majority only treat one type of constraint at a time. Current works mostly rely on operational research algorithms which commonly model the constraints in both discrete space and time.In the first part, we present an algorithm which computes the most efficient spatio-temporal deployment of sensors, but without taking its cost into account. This optimisation method is based on an application of the generalised splitting method.In the second part, we first use a linear combination of the two criteria. For our second approach, we use the evolutionary multiobjective optimisation framework to adapt the generalised splitting method to multiobjective optimisation. Finally, we compare our results with the results of the NSGA-II algorithm.

La conception de procédé agroalimentaire est une activité complexe, caractérisée par la grande diversité des produits et des procédés étudiés, ainsi que par la disparité des contextes de production (artisanale ou industrielle). La conception de systèmes de transformation alimentaire adaptés est animée par d'importants enjeux humains, sanitaires, économiques, environnementaux et même culturels. Dans le cas des Pays du Sud, l'explosion démographique et l'urbanisation croissante impliquent de développer un système de production industriel capable de valoriser des produits issus de savoir-faire traditionnels, tout en répondant à des contraintes de coût et de productivité.Pour prévenir toute perte de temps causée par des analyses de type « essai-erreur », et afin d'éviter des coûts de développement superflus, il existe des outils spécifiques à l'analyse décisionnelle multicritères (MCDA) pouvant être déployé dès les phases préliminaires de la conception. En particulier, il est possible d'analyser le potentiel et les limites technologiques d'un concept défini dans un contexte donné, par l'analyse de l'ensemble de solutions les plus performantes, dites Pareto-optimales. Ces solutions se distinguent par les valeurs de leurs variables de conception, qui sont autant de degrés de liberté pour le dimensionnement du concept (géométrie, matériaux, conditions opératoires).Notre cas d'étude concerne l'évaluation d'un concept de fumage à chaud à plaques radiantes, pour la production de poisson fumé, traditionnellement consommé en Afrique Centrale et de l'Ouest. En effet, avant de prétendre à la diffusion de cette technologie déjà brevetée, il faut s'assurer que le procédé puisse satisfaire des objectifs de production et de performances énergétiques, tout en maintenant une qualité du produit satisfaisante. Ainsi, un outil d'optimisation multiobjectif spécifique a été développé en se basant sur la modélisation du comportement du procédé. Une première étude expérimentale a permis de construire un modèle de séchage du poisson dans des conditions d'air variables (température, vitesse et humidité), qui représente à la fois les flux d'évaporation et les flux liés aux écoulements gravitaires de graisses et d'eau. Dans un second temps, un outil de simulation existant a été amélioré afin de représenter des phénomènes ayant un impact significatif sur les performances du procédé, tels que l'aéraulique des fumées, le recyclage de l'air et la régulation thermique. Ainsi, un modèle d'observation a été établi. Il permet de prédire le comportement de différentes solutions possibles, définies par huit variables de conception, et d'évaluer leurs performances sur la base de six variables d'observation.Dans un dernier volet, la formalisation des préférences et de la connaissance experte du procédé permet d'interpréter les performances en termes de désirabilités (satisfaction), qui sont agrégées en un indice de satisfaction global (fonction objectif) par un principe de précaution. Un algorithme génétique permet alors de trouver une solution optimale qui maximise cette fonction objectif, en explorant l'espace des solutions possibles de manière combinatoire. Cette démarche de conception a été fructueuse car elle a permis de proposer un dimensionnement permettant d'obtenir des performances très satisfaisantes. Il a aussi été possible de proposer des améliorations ciblées pour redéfinir le concept actuel du fumoir à plaques. Par ailleurs, il est à noter que le modèle de comportement peut facilement être réadapté pour d'autre type de produits. Dans la perspective d'étendre l'utilisation de cette démarche à d'autres cas d'étude, un effort devra être mené pour la collecte de données fonctionnelles issues de l'expertise. / Food process design is a complex activity, given the wide diversity of existing product and processes, and the plurality of production contexts. Designer must meet the requirements derived from the critical stakes from human, sanitarian, economic, environmental and cultural point of views. In southern countries, the rapid growth of population drives the need of more industrial processes able to valorize traditional products.The savings of development time and extra-expenses are mainly determined by the quality of design choices from the early stage of the designing process, called embodiment design. Multiple criteria decision analysis (MCDA) techniques are used in this purpose, which enable to evaluate and criticize any technological concept. In a specific context, it is possible to generate the Pareto-set of a concept, which is composed of the most efficient possible alternatives. Indeed, every design alternative is defined by some design (or decision) variables which are the degree of freedom for the dimensioning of the system considered. Our case study focuses on a technological innovation to perform hot-smoking using radiant plates (for sanitarian purpose). It is aimed to be developed for the production of traditional hot-smoked catfish widely consumed in West and Central Africa. This is a multicriteria design problem since many objectives have to be satisfied, and concern the product quality, production and energetic performances.In a first work, the mass reduction of catfish dried in hot air conditions was modeled from empirical measurements. In particular, this model takes into account the influence of the drying air conditions (Temperature, Velocity and Relative Humidity) on the calculation of the mass fluxes of evaporation and drips. After that, a global simulation model of the radiant plate hot-smoking process was developed from a previous work. Some key phenomena were described (pressure losses, air recycling, thermal regulation) as they could strongly impact the process performances. The resulting observation model allows predicting the performances of any design alternative defined by a set of 8 design variables.In a final work, expert knowledge and preference were mathematically introduced in a multiobjective optimization tool, meaning some desirability functions. Therefore, every performance variable is converted into desirability indices (traducing the level of satisfaction) and then aggregated into a single global desirability index (thus defining a global objective function). The optimal design of the concept is found using a genetic algorithm.This multiobjective optimization method enabled to find very satisfactory design solution for the radiant plate hot smoking process. More to the point, the analysis of a wide range of Pareto-optimal solutions enabled to better understand what were the strengths and weaknesses, so it was possible to suggest some targeted improvement to the current radiant plate smoking technology. Also, it is noticeable that the current simulation model can be easily adapted to other products. For the purpose of a generalization of the use of such multiobjective methods for the design of food processes, it has been pointed out that efforts should be made to gather expert criteria other relevant functional data.

Le procédé d'hydroformage est largement utilisé dans les industries automobile et aéronautique. L'optimisation déterministe a été utilisée pour le contrôle et l'optimisation du procédé durant la dernière décennie. Cependant,dans des conditions réelles, différents paramètres comme les propriétés matériaux,les dimensions géométriques, et les chargements présentent des aléas qui peuvent affecter la stabilité et la fiabilité du procédé. Il est nécessaire d'introduire ces incertitudes dans les paramètres et de considérer leur variabilité. L'objectif principal de cette contribution est l'évaluation de la fiabilité et l'optimisation du procédé d'hydroformage en présence d'incertitudes.La première partie de cette thèse consiste à proposer une approche générale pour évaluer la probabilité de défaillance spatiale du procédé d'hydroformage, principalement dans les régions critiques. Avec cette approche, il est possible d'éviter les instabilités plastiques durant une opération d'hydroformage. Cette méthode est basée sur des simulations de Monte Carlo couplée avec des métamodèles. La courbe limite de formage est utilisée comme critère de défaillance pour les instabilités plastiques potentielles.La seconde partie de cette thèse est l'optimisation avec prise en compte d'incertitudes dans le procédé d'hydroformage. En utilisant des exemples illustratifs, on montre que l'approche probabiliste est une méthode efficace pour l'optimisation du procédé pour diminuer la probabilité de défaillance et laisser le procédé insensible ou peu sensible aux sources d'incertitudes. La difficulté est liée à la considération des contraintes fiabilistes qui nécessitent d'énormes efforts de calcul et impliquent des problèmes numériques classiques comme la convergence, la précision et la stabilité. Pour contourner ce problème, la méthode de surface de réponse couplée à des simulations Monte Carlo est utilisée pour évaluer les contraintes probabilistes.L'approche probabiliste peut assurer la stabilité et la fiabilité du procédé et minimise considérablement le pourcentage des pièces défectueuses. Dans cette partie, deux méthodes sont utilisées : l'optimisation fiabiliste et l'optimisation robuste.La dernière partie consiste à optimiser le procédé avec une stratégie Multi-Objectif(MO) avec prise en compte d'incertitudes. Le procédé d'hydroformage est un problème MO qui consiste à optimiser plus d'une performance simultanément.L'objectif principal est d'étudier l'évolution du front de Pareto lorsque des incertitudes affectent les fonctions objectifs ou les paramètres. Dans cette partie, on propose une nouvelle méthodologie qui présente les solutions dans un nouvel espace et les classifie suivant leurs probabilités de défaillances. Cette classification permet d'identifier la meilleure solution et fournit une idée sur la fiabilité de chaque solution. / Hydroforming process is widely used in automotive and aerospace industries. Deterministic design optimization have been used to control and optimize this process in the last decade. However, under realistic conditions, different parameters such as material properties, geometric dimensions, and load exhibits unavoidable scatter that can affect the stability and the reliability of the process.It is interesting to introduce the uncertainties in parameter and to consider their variability. The main objective of this contribution is to evaluate the reliability and optimization of the hydroforming process in the presence of uncertainties.The first part of this thesis proposes a general approach to evaluate the spatial probability of failure in hydroforming process mainly in the critical region. With the proposed approach it is possible to avoid failure during hydroforming process.This method is based on Monte Carlo simulation coupled with metamodels, the forming limit curve is used as failure criteria for potential plastic instabilities.The second part of this thesis is the optimisation of the hydroforming process under uncertainties. Using illustrative examples, it is shown that probabilistic approach is an efficient method to optimize the process, to decrease the probability of failure and make the process insensitive or less sensitive to sources of variability. The difficulty lies in the considerations of the reliability constraints, which require a large computational effort and involve classical numerical problems, such as convergence,accuracy and stability. To overcome this problem, response surface method with Monte Carlo simulations were used to evaluate the probabilistic constraints.Probabilistic approach can ensure a stable and reliable process and decrease the percentage of defects parts significantly. Through this part, two methods were used : Reliability-Based Design Optimization and robust optimization.The last part consists of optimizing the process with Multi-Objective (MO) strategy taking account of the uncertainty. Metal forming process is MO problem that consists of optimizing more than one performance simultaneously. The main goal isto study the evolution of the Pareto front when some uncertainties can affect the objective functions or the parameters. In this part, a new methodology is proposed which presents the solutions in a new space and classify the whole solution with their probability of failure. This classification allows to identify the best solutionand can provide an idea about the reliability of each solution.

Dans le cadre de l'optimisation multiobjectif, les métaheuristiques sont reconnues pour être des méthodes performantes mais elles ne rencontrent qu'un succès modéré dans le monde de l'industrie. Dans un milieu où seule la performance compte, l'aspect stochastique des métaheuristiques semble encore être un obstacle difficile à franchir pour les décisionnaires. Il est donc important que les chercheurs de la communauté portent un effort tout particulier sur la facilité de prise en main des algorithmes. Plus les algorithmes seront faciles d'accès pour les utilisateurs novices, plus l'utilisation de ceux-ci pourra se répandre. Parmi les améliorations possibles, la réduction du nombre de paramètres des algorithmes apparaît comme un enjeu majeur. En effet, les métaheuristiques sont fortement dépendantes de leur jeu de paramètres. Dans ce cadre se situe l'apport majeur de TRIBES, un algorithme mono-objectif d'Optimisation par Essaim Particulaire (OEP) qui fonctionne automatiquement,sans paramètres. Il a été mis au point par Maurice Clerc. En fait, le fonctionnement de l'OEP nécessite la manipulation de plusieurs paramètres. De ce fait, TRIBES évite l'effort de les régler (taille de l'essaim, vitesse maximale, facteur d'inertie, etc.).Nous proposons dans cette thèse une adaptation de TRIBES à l'optimisation multiobjectif. L'objectif est d'obtenir un algorithme d'optimisation par essaim particulaire multiobjectif sans paramètres de contrôle. Nous reprenons les principaux mécanismes de TRIBES auxquels sont ajoutés de nouveaux mécanismes destinés à traiter des problèmes multiobjectif. Après les expérimentations, nous avons constaté, que TRIBES-Multiobjectif est moins compétitif par rapport aux algorithmes de référence dans la littérature. Ceci peut être expliqué par la stagnation prématurée de l'essaim. Pour remédier à ces problèmes, nous avons proposé l'hybridation entre TRIBES-Multiobjectif et un algorithme de recherche locale, à savoir le recuit simulé et la recherche tabou. L'idée était d'améliorer la capacité d'exploitation deTRIBES-Multiobjectif. Nos algorithmes ont été finalement appliqués sur des problèmes de dimensionnement des transistors dans les circuits analogiques / Meta-heuristics are recognized to be successful to deal with multiobjective optimization problems but still with limited success in engineering fields. In an environment where only the performance counts, the stochastic aspect of meta-heuristics again seems to be a difficult obstacle to cross for the decision-makers. It is, thus, important that the researchers of the community concern a quite particular effort to ease the handling of those algorithms. The more the algorithms will be easily accessible for the novices, the more the use of these algorithms can spread. Among the possible improvements, reducing the number of parameters is considered as the most challenging one. In fact, the performance of meta-heuristics is strongly dependent on their parameters values. TRIBES presents an attempt to remedy this problem. In fact, it is a particle swarm optimization (PSO) algorithm that works in an autonomous way. It was proposed by Maurice Clerc. Indeed, like every other meta-heuristic, PSO requires many parameters to be fitted every time a new problem is considered. The major contribution of TRIBES is to avoid the effort of fitting them. We propose, in this thesis, an adaptation of TRIBES to the multiobjective optimization. Our aim is to conceive a competitive PSO algorithm free of parameters. We consider the main mechanisms of TRIBES to which are added new mechanisms intended to handle multiobjective problems. After the experimentations, we noticed that Multiobjective-TRIBESis not competitive compared to other multiobjective algorithms representative of the state of art. It can be explained by the premature stagnation of the swarm. To remedy these problems, we proposed the hybridization between Multiobjective-TRIBES and local search algorithms such as simulated annealing and tabu search. The idea behind the hybridization was to improve the capacity of exploitation of Multiobjective-TRIBES. Our algorithms were finally applied to sizing analogical circuits' problems

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'optimisation multicritère de la cinématique de battement d'aile d'un mini-drône à ailes battantes est réalisée en vol de croisière. L'objectif est, pour différentes familles de cinématiques et pour différentes vitesses d'avancement, de trouver des solutions maximisant l'efficacité propulsive, minimisant l'écart à la portance cible et minimisant le moment aérodynamique. Nous avons choisi les algorithmes évolutionnaires pour résoudre ce problème multicritère pour leur simplicité d'implantation, leur flexibilité et leur bon rapport qualité des résultats/coût de calcul. En raison de la nature multicritère du problème, il existe un ensemble de solutions optimales et non pas une unique solution au problème, ce qui pose la question de la maniere de visualiser, d'analyser et d'extraire une solution satisfaisante parmi le groupe de solutions Pareto optimales. Nous avons identifié des methodes simples susceptibles d'aider a accomplir cette tâche, la "Scatter-Plot Matrix Method" pour visualiser les surfaces et ensembles de Pareto, l'utilisation d'une régression multivariée pour établir le lien entre paramètres cinématiques et critères optimisés, la méthode des normes Lp pour identifier une solution compromis au sein de la surface de Pareto, les arbres de décision pour trouver les paramètres de la cinématique auxquels le voisinage de la solution compromis est sensible et les cartes de Kohonen pour étudier la structure de ce voisinage. Ces différents outils nous ont permis, pour chaque famille de cinématiques (dièdre, dièdre et tangage, dièdre et tangage à deux panneaux), d'identifier une solution compromis et les paramètres cinématiques qui impactent le plus le voisinage du point compromis. Les caractéristiques de chaque solution compromis ont ete comparées à des mesures de puissance et de coefficients de traînée faites sur des oiseaux en vol de croisiere, et la légitimité d'appliquer un modèle linéarisé dans le cas de cette solution compromis est mise à l'épreuve en calculant des nombres adimensionés caractéristiques comme le nombre de Strouhal ou la fréquence réduite dont les petites valeurs attestent d'un cas favorable à une approche linéarisée. Puis, la comparaison de la fréquence de battement d'aile obtenue à celle d'un oiseau géométriquement similaire est faite, et elle montre que plus la cinématique est riche plus cette fréquence de battement se rapproche de celle de l'oiseau en question, ce qui constitue un résultat encourageant pour notre approche.

Dans le cadre du traitement automatique de courriers entrants, nous présentons dans cette thèse l'étude, la conception et la mise en \oe uvre d'un système d'extraction de champs numériques dans des documents manuscrits quelconques. En effet, si la reconnaissance d'entités manuscrites isolées peut être considérée comme un problème en partie résolu, l'extraction d'information dans des images de documents aussi complexes et peu contraints que les courriers manuscrits libres reste à ce jour un réel défi. Ce problème nécessite aussi bien la mise en \oe uvre de méthodes classiques de reconnaissance d'entités manuscrites que de méthodes issues du domaine de l'extraction d'information dans des documents électroniques. Notre contribution repose sur le développement de deux stratégies différentes : la première réalise l'extraction des champs numériques en se basant sur les techniques classiques de reconnaissance de l'écriture, alors que la seconde, plus proche des méthodes utilisées pour l'extraction d'information, réalise indépendamment la localisation et la reconnaissance des champs. Les résultats obtenus sur une base réelle de courriers manuscrits montrent que les choix plus originaux de la seconde approche se révèlent également plus pertinents. Il en résulte un système complet, générique et industrialisable répondant à l'une des perspectives émergentes dans le domaine de la lecture automatique de documents manuscrits : l'extraction d'informations complexes dans des images de documents quelconques.