Dans ce travail, une méthode d'optimisation à coût fini, essentiellement locale,mais qui devient globale lorsque le nombre d'analyses croît est développée. La ± globalisation α vient de ré-initialisations probabilisées de recherches locales prenant en compte les points de départ et de convergence passés. L'optimiseur local est une version améliorée de la méthode de Nelder-Mead, où les variables sont bornées, où les contraintes d'inégalité sont prises en compte par pénalisation adaptative, et où les dégénérescences du simplexe sont traitées par ré-initialisation. Cette méthode, appelée ± Globalized and Bounded Nelder-Mead α (GBNM), est testée sur des fonctions multimodales et des problèmes de conception de stratifiés composites. Puis, des applications plus complexes sont traitées avec GBNM : l'optimisation de la raideur de flexion et l'identification des positions des sauts de plis de monopalmes de nage.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00850658 |
| Date | 14 May 1993 |
| Creators | Luersen, Marco Antonio |
| Publisher | INSA de Rouen |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0017 seconds