L'optimisation à base de simulation est une approche performante pour la résolution de problèmes d'optimisation continus et stochastiques. Nous proposons des algorithmes d'optimisation par simulation basés sur la décomposition hiérarchique de l'espace de recherche en espaces de plus petite taille. Les problématiques consistent à évaluer les sous espaces, sélectionner les sous espaces optimaux et les diviser à nouveau. Nous discutons l'efficacité d'alternatives algorithmiques connues et d'autres nouvelles, dans le but de trouver la ou l'ensemble des régions optimales. Ces alternatives sont développées dans les contextes d'optimisation de l'espérance, d'optimisation du quantile et d'optimisation multiobjectif. Tout au long de la thèse, nous avons évalué cette famille d'algorithmes sur des problèmes de conception de stratégies de conduite de culture en agriculture et plus particulièrement sur un problème de gestion de l'irrigation du maïs. Nous avons proposé les espaces de décision obtenus par l'application de nos méthodes, et leur traduction en termes de stratégies d'irrigation. Les algorithmes d'optimisation du quantile et d'optimisation multiobjectif ont abouti à la proposition de stratégies nouvelles en termes de prise en compte de l'incertain et de prise en compte simultanée d'objectifs. Il sera intéressant de poursuivre ces pistes de recherche, en particulier pour l'application à d'autres problèmes multicritères soumis à l'incertain.
Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-01054339 |
Date | 11 February 2008 |
Creators | Crespo, Olivier |
Publisher | Université Paul Sabatier - Toulouse III |
Source Sets | CCSD theses-EN-ligne, France |
Language | fra |
Detected Language | French |
Type | PhD thesis |
Page generated in 0.0018 seconds