Search

The work presented in this manuscript focuses on multi-objective blackbox optimization. In particular, we are interested in expensive problems, requiring for instance complex simulation to evaluate the quality of solutions, for which the time or material cost is particularly important. Therefore, we consider algorithms assisted by surrogate models. These models are statistical machine learning models that estimate the quality of a new solution based on past evaluations from other solutions. In the context of expensive optimization, they can then be used as a surrogate for the objective functions to limit the cost of an execution. The contributions of this thesis are manifold. First, we study existing surrogate-assisted multi-objective evolutionary algorithms, with the aim of providing a framework through a taxonomy that allows us to highlight their modular components more efficiently. Second, we conduct an experimental study on the different algorithms from the literature, as well as the impact of the different strategies that compose them. This study allows us to draw first conclusions on some key points of their design, such as the efficiency of the clustering of the training data or the differences in performance of the solution generation strategies, such as filtering and efficient global optimization, depending on the number of calls to the evaluation function. In a third step, and based on these results which show that the performance of the different algorithmic components depends on the budget, we propose to focus on the design of new approaches, namely adaptive algorithms. These algorithms restructure themself, during their execution, to respond more efficiently to the target problem. This allows us to propose a more generic configuration, which responds effectively to the different considered scenarios. These scenarios are defined in terms of budget, in our case the number of calls to the evaluation function, which represents a major part of the computation time. The two scenarios considered in this manuscript depend on the relationship between the cost of the evaluation and the cost of the other steps. They allow us to consider a scenario where the budget is very tight and thus the evaluation particularly expensive, and a scenario where the budget is moderately tight and thus the evaluation somewhat less expensive. Finally, to overcome the problems caused by the expensive context, we are interested in the parallelization of the target algorithms in order to limit the temporal cost of the executions. For this purpose, we study different existing parallelization approaches of decomposition-based and surrogate-assisted algorithms, which allows us to study their viability in the context of the thesis. In particular, we show that the resolution strategy allows to sample different search areas and to obtain solutions with different tradeoffs between the objectives. Moreover, we were able to show that the considered algorithms benefit from an efficient scaling for a moderate number of computing units.; Les travaux présentés dans ce manuscrit portent sur l’optimisation multiobjectifs boite noire. En particulier, nous nous intéressons aux problèmes coûteux, par exemple nécessitant une simulation complexe pour évaluer la qualité des solutions, pour lesquelles le coût temporel ou matériel s’avère particulièrement important. En conséquent, nous considérons des algorithmes assistés par des modèles de substitution. Ces modèles sont des modèles statistiques d’apprentissage automatique qui permettent d’estimer la qualité d’une nouvelle solution en se basant sur des évaluations passées d’autres solutions. Dans le cadre de l’optimisation coûteuse, ils permettent alors de se substituer aux fonctions objectifs pour limiter le coût d’une exécution. Les contributions de cette thèse sont plurielles. Dans un premier temps, nous étudions les algorithmes évolutionnaires multi-objectifs assistés par des modèles de substitution existants, dans le but d’apporter un cadre par le biais d’une taxonomie qui nous permet de mettre en évidence leurs composants modulaires plus efficacement. Dans un deuxième temps, nous étudions expérimentalement les différents algorithmes de la littérature, ainsi que l’impact des différentes stratégies qui les composent. Cette étude nous permet de tirer de premières conclusions sur certains points clés de leur conception, tels que l’efficacité du partitionnement des données d’apprentissage ou les différences de performance des stratégies de génération des solutions, comme le filtrage et l’optimisation globale efficace, en fonction du nombre d’appels à la fonction d’évaluation. Dans un troisième temps, et en nous basant sur ces résultats qui montrent que la performance des différents composants algorithmiques dépend du budget, nous proposons de nous intéresser à la conception de nouvelles approches, les algorithmes adaptatifs. Ces algorithmes se restructurent, au cours de leur exécution, pour répondre plus efficacement aux problématiques rencontrées. Ceci nous permet de proposer une configuration plus générique, qui répond efficacement aux différents scénarios considérés. Ces scénarios sont définis en terme de budget, ici le nombre d’appels à la fonction d’évaluation, qui représente une part prépondérante du temps de calcul. Les deux scénarios considérés dans ce manuscrit dépendent du rapport entre le coût de l’évaluation et le coût des autres étapes de l’algorithme. Ils nous permettent de considérer un scénario où le budget est très restreint et donc l’évaluation particulièrement coûteuse, et un scénario où le budget est modérément restreint et donc l’évaluation un peu moins coûteuse. Dans un dernier temps, pour pallier les problématiques engendrées par le contexte coûteux, nous nous intéressons à la parallélisation des algorithmes cibles dans le but de limiter le coût temporel des exécutions. Pour cela, nous étudions différentes approches de parallélisation existantes d’algorithmes se basant sur la décomposition et assistés par des modèles de substitution, ce qui nous permet d’étudier leur viabilité dans le contexte de la thèse. En particulier, nous montrons que la stratégie de résolution permet d’échantillonner différentes zones de recherche et d’obtenir des solutions de compromis différents entre les objectifs. De plus, nous avons pu montrer que les algorithmes considérés bénéficient d’une mise à l’échelle efficace pour un nombre d’unités de calcul modéré.

The impact of size and working fluid on the efficiency, operating range, and axial thrust on bearings is examined for high-speed, oil-free centrifugal compressors. First, the development and validation of a reduced-order model based on scaling principles is documented. Then, the validated compressor model is used to generate design maps for stages operating with arbitrary fluid molecules, and characterized by different size. The results show that compressors operating with fluids made by heavy and complex molecules provide lower efficiency over the entire design space, if compared to their simple-molecule counterparts. However, compressors for complex-molecule fluids require lower rotational speed, and generate lower axial thrust on bearings, thus making them particularly suitable for small-scale applications. Furthermore, a decreasing value of the size parameter has a detrimental effect on the stage efficiency, as a result of manufacturing constraints. The results computed by the compressor model suggest that the efficiency penalty is more sensitive to variations of clearance gap than to surface finishing. Lastly, the reduced-order model has been used to perform a design exercise, i.e., the multi-objective optimization of the first compressor stage of the heat pump test rig being realized at Delft University of Technology. The key characteristics of the optimal compressor design has been compared to those derived from the design maps, to corroborate their validity. The optimal design has been extensively characterized by means of CFD, providing further evidence that efficient mini-compressors operating with organic fluids, and featuring pressure ratios up to five at off-design, are feasible.

The impact of size and working fluid on the efficiency, operating range, and axial thrust on bearings is examined for high-speed, oil-free centrifugal compressors. First, the development and validation of a reduced-order model based on scaling principles is documented. Then, the validated compressor model is used to generate design maps for stages operating with arbitrary fluid molecules, and characterized by different size. The results show that compressors operating with fluids made by heavy and complex molecules provide lower efficiency over the entire design space, if compared to their simple-molecule counterparts. However, compressors for complex-molecule fluids require lower rotational speed, and generate lower axial thrust on bearings, thus making them particularly suitable for small-scale applications. Furthermore, a decreasing value of the size parameter has a detrimental effect on the stage efficiency, as a result of manufacturing constraints. The results computed by the compressor model suggest that the efficiency penalty is more sensitive to variations of clearance gap than to surface finishing. Lastly, the reduced-order model has been used to perform a design exercise, i.e., the multi-objective optimization of the first compressor stage of the heat pump test rig being realized at Delft University of Technology. The key characteristics of the optimal compressor design has been compared to those derived from the design maps, to corroborate their validity. The optimal design has been extensively characterized by means of CFD, providing further evidence that efficient mini-compressors operating with organic fluids, and featuring pressure ratios up to five at off-design, are feasible.

In this thesis, we are interested in multi-objective combinatorial optimization, and in particular in evolutionary algorithms based on decomposition. This type of approaches consists in decomposing the original multi-objective problem into multiple single-objective sub-problems that are then solved cooperatively. In this context, we consider the design and the analysis of new algorithmic components contributing to the establishment of the foundations of an optimization framework based on decomposition for multi-objective combinatorial problems known as "black box", i.e., for which the analytical form of the objective functions is not available to the solving algorithm. First of all, we investigate the key components for a better distribution of the computational efforts during the optimization process. To this end, we study the joint impact of the population size and of the number of solutions generated at each iteration, while proposing different strategies for selecting one ore multiple sub-problem(s) to be optimized at each stage. We then study different mechanisms allowing to escape from local optima. They are inspired by techniques from single-objective optimization, and we show they can significantly improve the convergence profile of the considered approaches. Finally, we consider the context of expensive optimization, where the evaluation of each solution is particularly intensive in terms of computational resources. This hence drastically restrict the budget allocated to the optimization process. As such, we investigate new components based on combinatorial meta-models, and we consider their integration within decomposition-based multi-objective evolutionary approaches.; Dans cette thèse, nous nous intéressons à l'optimisation combinatoire multi-objectif, et en particulier aux algorithmes évolutionnaires à base de décomposition. Ce type d'approches consiste à décomposer le problème multi-objectif original en plusieurs sous-problèmes mono-objectif, qui sont alors résolus de façon coopérative. Dans ce cadre, nous considérons la conception et l'analyse de nouveaux composants algorithmiques contribuant à la mise en place des fondations d'un framework d'optimisation à base de décomposition pour les problèmes combinatoires multi-objectif dits "boîte-noire", pour lesquels la forme analytique des fonctions objectif n'est pas connue de l'algorithme de résolution. Tout d'abord, nous étudions les éléments clés pour une meilleure répartition des efforts de calculs tout au long du processus d'optimisation. Pour cela, nous étudions l'impact conjoint de la taille de la population et du nombre de solutions générées par itération, tout en proposant différentes stratégies de sélection du ou des sous-problèmes à optimiser à chaque étape. Nous étudions ensuite différents mécanismes permettant de s'échapper des optima locaux. Ceux-ci s'inspirent de techniques issues de l'optimisation mono-objectif, et permettent d'améliorer considérablement le profil de convergence des approches considérées. Nous nous plaçons pour finir dans un contexte d'optimisation coûteuse, où l'évaluation de chaque solution s'avère particulièrement gourmande en temps de calcul, ce qui limite considérablement le budget alloué à l'optimisation. Pour cela, nous étudions de nouveaux composants s'appuyant sur des méta-modèles combinatoires, et nous considérons leur intégration au sein d'approches évolutionnaires multi-objectif basée sur la décomposition.

This thesis is a prospective work which aims to apply in Chemical Engineering shape optimization methods developed in other areas of engineering. The first part of this work is dedicated to the development of a shape optimization method to determine the optimal configuration of a two-dimensional packed reactor with a single phase liquid flow. The developed method is then applied to determine the shape of the reactor packing that minimizes the energy dissipation in the fluid due to viscous friction, the average outlet concentration of reactant, or both simultaneously using multi-objective optimization. The optimal configurations determined are satisfactory and allow a significant improvement of the conversion rate or the energy losses in the reactor. In a second part, an experimental campaign was carried out in order to validate the CFD simulation performed by OpenFOAM software, required by the developed shape optimization approach and modeling the fluid flow and reactions involved in the reactor. For this purpose, scale 1 prototypes of the initial and optimal reactors have been manufactured by 3D printing in order to experiment them. The experimental campaign is based on 3 measurement techniques, the PIV (Particle Image Velocimetry), the measurement of RTD (Residence Time Distribution) and the measurement of the conversion rate at the reactor outlet. Finally, it has been shown that the optimization of the reactor in its 2D form allows a significant improvement of its performance even if the determined configuration is probably sub-optimal. Indeed, after comparing the experimental measurements with 2D and 3D simulations, it has been found that the 3D simulation is more representative of reality than the 2D simulation. Thus, optimizing the reactor in its 3D form would be an interesting perspective for the future works, provided the problem of constraints related to the reactor additive manufacturing step is fixed., Cette thèse est un travail prospectif qui vise à appliquer en Génie des Procédés des méthodes d’optimisation de forme développées dans d'autres domaines d'ingénierie. La première partie de ce travail est dédiée au développement d'une méthodologie d'optimisation de forme et à son implantation dans le logiciel libre OpenFOAM. Elle a ensuite été appliquée afin de déterminer la configuration optimale du garnissage d'un réacteur à lit fixe en deux dimensions en écoulement monophasique de liquide. La méthodologie développée est ensuite testée pour déterminer la forme du garnissage qui minimise la dissipation d'énergie dans le fluide due aux frottements visqueux, la concentration moyenne de réactif en sortie, ou les deux simultanément à l'aide de l'optimisation multicritère. Les configurations optimales déterminées sont satisfaisantes et permettent une amélioration significative de la conversion du réacteur ou de la perte d'énergie dans le fluide. Dans une seconde partie, une campagne expérimentale a été réalisée dans l'objectif de valider la modélisation CFD effectuée par le logiciel OpenFOAM, nécessaire à l'optimisation de forme et simulant l'écoulement et les réactions mises en jeu dans le réacteur. Pour cela, des maquettes à l'échelle 1 du réacteur initial et des réacteurs optimaux ont été fabriquées par impression 3D dans le but de les expérimenter. Les expériences s'articulent autour de 3 techniques de mesure, la PIV (Vélocimétrie par Image de Particules), la mesure de DTS (Distribution des Temps de Séjour) et la mesure de la conversion à la sortie du réacteur. Finalement, il a été montré que l'optimisation du réacteur sous sa forme 2D permet une amélioration significative de ses performances même si la configuration déterminée est sûrement sous-optimale. En effet, après avoir comparé les mesures expérimentales aux simulations en deux et trois dimensions, il a été constaté que la simulation 3D est plus représentative de la réalité que la simulation 2D. Ainsi, optimiser le réacteur sous sa forme 3D serait une perspective intéressante pour la suite à condition d'améliorer le traitement des contraintes liées à l'étape de fabrication additive des réacteurs.

Sustainability issues are increasingly influencing customer behavior and corporate strategy. Consequently, the optimization of distribution networks through horizontal collaboration is becoming a necessity. After a comprehensive review of the literature, we found that most studies proposing quantitative approaches address the operational decision level through the optimization of transport planning. Therefore, in this thesis we deal with both strategic and tactical decision levels. The first level is studied by the collaborative distribution network design problem, while the second level is studied by the cost and CO2 emission allocation problem. Furthermore, we believe that reducing all sustainability dimensions to a single objective is not desirable. In this context, we address both problems by taking into account economic, environmental and social sustainability. We have developed mathematical models to design two- and three-echelon distribution networks. In addition, the inclusion of sustainability indicators in the profit-sharing process makes it possible to reward partners who best contribute to sustainability. In this context, we have developed two approaches that use the levels of sustainability and flexibility of each partner in order to distribute the benefits of the collaboration in a fair way. Furthermore, several scenarios are compared on the basis of the proposed indicators. Regarding the resolution of the mathematical models, the single-objective optimization is carried out in an exact way and by using the genetic algorithm and the simulated annealing, while the multi-objective optimization is carried out by the ε-constraint method and the NSGA-II. The results and analyses obtained show that collaboration always provides better performance compared to non-collaboration on all sustainability levels. Several managerial decisions are presented to properly apply horizontal collaboration and further improve its sustainability performance, Les préoccupations liées au développement durable influencent de plus en plus le comportement des clients ainsi que les stratégies des entreprises. Ainsi, l'optimisation des réseaux de distribution par la collaboration horizontale devient une nécessité. Après une analyse exhaustive de la littérature, nous avons constaté que la plupart des travaux proposant des approches quantitatives abordent le niveau de décision opérationnelle par le biais de l'optimisation de la planification du transport. Par conséquent, nous traitons dans cette thèse les deux niveaux de décision : stratégique et tactique. Le premier niveau est étudié à travers le problème de conception des réseaux de distribution collaboratifs, tandis que le deuxième niveau s'intéresse au problème de répartition des coûts et des émissions de CO2. En outre, nous pensons que réduire tous les aspects de la durabilité en un seul objectif n'est pas recommandé. Dans ce contexte, nous abordons les deux problèmes en tenant compte de la durabilité économique, environnementale et sociale. Nous proposons des modèles mathématiques pour concevoir des réseaux de distribution à deux et à trois échelons. Par ailleurs, l'implication des indicateurs de durabilité lors du partage des bénéfices permet de récompenser les partenaires qui participent au mieux à la durabilité. Dans ce contexte, nous avons développé deux approches qui utilisent les niveaux de durabilité et de flexibilité de chaque partenaire dans le but de répartir d'une manière équitable les bénéfices de la collaboration. D'autre part, plusieurs scénarios sont comparés sur la base des indicateurs proposés. Au niveau de la résolution des modèles mathématiques, l'optimisation mono-objectif est effectuée d'une façon exacte et en utilisant l'algorithme génétique et le recuit simulé, tandis que l'optimisation multi-objectif est réalisée par la méthode ε-contrainte et le NSGA-II. Les résultats et les analyses obtenus montrent que la collaboration offre toujours une meilleure performance par rapport à la non-collaboration sur tous les niveaux de durabilité. Plusieurs décisions managériales sont présentées pour appliquer correctement la collaboration horizontale et améliorer davantage sa performance en termes de durabilité

The deployment of Communicating Things Networks (CTNs), with continuously increasing densities, needs to be optimal in terms of quality of service, energy consumption and lifetime. Determining the optimal placement of the nodes of these networks, relative to the different quality criteria, is an NP-Hard problem. Faced to this NP-Hardness, especially for indoor environments, existing approaches focus on the optimization of one single objective while neglecting the other criteria, or adopt an expensive manual solution. Finding new approaches to solve this problem is required. Accordingly, in this thesis, we propose a new approach which automatically generates the deployment that guarantees optimality in terms of performance and robustness related to possible topological failures and instabilities. The proposed approach is based, on the first hand, on the modeling of the deployment problem as a multi-objective optimization problem under constraints, and its resolution using a hybrid algorithm combining genetic multi-objective optimization with weighted sum optimization and on the other hand, the integration of reinforcement learning to guarantee the optimization of energy consumption and the extending the network lifetime. To apply this approach, two tools are developed. A first called MOONGA (Multi-Objective Optimization of wireless Network approach based on Genetic Algorithm) which automatically generates the placement of nodes while optimizing the metrics that define the QoS of the CTN: connectivity, m-connectivity, coverage, k-coverage, coverage redundancy and cost. MOONGA tool considers constraints related to the architecture of the deployment space, the network topology, the specifies of the application and the preferences of the network designer. The second optimization tool is named R2LTO (Reinforcement Learning for Life-Time Optimization), which is a new routing protocol for CTNs, based on distributed reinforcement learning that allows to determine the optimal rooting path in order to guarantee energy-efficiency and to extend the network lifetime while maintaining the required QoS.; Le déploiement des réseaux d’objets communicants «ROCs», dont les densités augmentent sans cesse, conditionne à la fois l’optimalité de leur qualité de service, leur consommation énergétique et par conséquent leur durée de vie. Il s’avère que le problème de déterminer le placement optimal, relativement aux différents critères de qualité, des nœuds de ces réseaux est un problème Np-Complet. Face à cette Np-complétude, et en particulier pour des environnements intérieurs, les approches existantes focalisent sur l’optimisation d’un seul objectif en négligeant les autres critères, ou optent pour une solution manuelle fastidieuse et coûteuse. Des nouvelles approches pour résoudre ce problème sont donc nécessaires. Cette thèse propose une nouvelle approche qui permet de générer automatiquement, dès la phase de conception des réseaux d’objets communicants, le déploiement qui garantit à la fois l’optimalité en termes de performances et de robustesse face aux éventuelles défaillances et instabilités topologiques. Cette approche proposée est basée d’une part sur la modélisation du problème de déploiement sous forme d’un problème d’optimisation combinatoire multi-objectifs sous contraintes, et sa résolution par un algorithme génétique hybride combinant l’optimisation multi-objectifs avec l’optimisation à somme pondérée, et d’autre part sur l’intégration de l’apprentissage par renforcement pour garantir l’optimisation de la consommation énergétique et la prolongation de la durée de vie. Elle est concrétisée par le développement de deux outils. Un premier appelé MOONGA (pour Multi-Objective Optimization of Wireless Network Approach Based on Genetic Algorithm) qui permet de générer automatiquement le placement des nœuds, qui optimise la connectivité, la m-connectivité, la couverture, la k-couverture, la redondance de couverture et le coût. Cette optimisation prend en considération les contraintes liées à l'architecture de l’espace de déploiement, à la topologie du réseau, aux spécificités de l'application pour laquelle le réseau est conçu et aux préférences du concepteur. Après optimisation de déploiement l’outil R2LTO (Pour Reinforcement Learning for Life-Time Optimization), permet d’intégrer un protocole de routage, basé sur l'apprentissage par renforcement, pour garantir l’optimisation de la consommation énergétique et de la durée de vie du ROC après son déploiement tout en conservant la QoS requise.

Constant growth of urban population and property pressure tend to speed up real properties renewal. In building and civil engineering, buildings deconstruction is increasing. It produces 39.2 million tons of waste per year in France. However, only 45 % of waste are recovered. The European and French objective of 70 % recovery rate is not reached. In order to improve deconstruction waste management, this thesis studied two subjects. The first subject was for a better environmental assessment of a deconstruction strategy. To resolve this issue, we propose a double approach, with greenhouse gases (GHG) emission and life cycle analysis (LCA). It is relevant to consider waste management and deconstruction works together, because of their complementarity, whereas other existing tools often study only one of these two sides. The second subject was for deconstruction strategies optimization with operational (cost and delays) and environmental (recovery rate and impacts by GHG emissions or LCA) objectives. A Multi-Objective Optimization model is suggested with a metaheuristic resolution. The model application on study cases showed the model capacity to offer strategies that are well balanced between the objectives and that can be directly applied.; L’augmentation constante de la population urbaine et la pression foncière conduisent à un renouvellement accéléré des biens immobiliers. Parmi les travaux de génie civil, la déconstruction de bâtiments ne cesse de croître. De telles activités génèrent chaque année environ 39,2 millions de tonnes de déchets en France. Or les chiffres les plus récents attestent que seulement 45 % de ces déchets sont valorisés en matière, loin de l’objectif des 70 % portés par les lois européennes et françaises. Dans l’objectif d’améliorer la gestion des déchets, cette thèse s’est portée sur deux thèmes. Le premier thème porte sur une meilleure évaluation environnementale d’une stratégie de déconstruction. Pour répondre à cet enjeu, une double approche a été proposée, se basant sur le bilan de Gaz à Effet de Serre (GES) et sur l’Analyse de cycle de vie (ACV). Dans ce travail, en raison de leur interdépendance, la gestion des déchets et l’acte en lui-même de la déconstruction sont considérés conjointement, alors que la plupart des outils existants séparent ces deux aspects. Le deuxième thème consiste en l’optimisation des stratégies de déconstruction en tenant compte des objectifs opérationnels (coût et délais) et environnementaux (taux de valorisation matière et impacts via émissions de GES ou ACV). Un modèle d’optimisation multi-objectif a été proposé, permettant une résolution par une métaheuristique adaptée. L’application du modèle sur plusieurs cas d’études a démontré la capacité du modèle à offrir des stratégies qui concilient efficacement les différents objectifs et qui sont applicables directement sur le chantier de déconstruction.

Access to electrical power is essential for industrial and socio-economic development in every country of the world. In Benin, the issue of the electricity shortage remains a serious concern and arises strongly in rural areas of the country. Furthermore, Benin has an interesting potential in photovoltaics (PV) and hydropower (hydro), but which remains globally under-exploited. This research focuses on Optimal sizing of a Hydroelectric-Photovoltaic-Storage Hybrid System for remote rural power supplying. During this work, we modeled the main components of the hydro-PV-storage hybrid system, such as the penstock, the electromechanical equipment (turbine and generator), the PV generator, the batteries (Bat), the inverters and the converters. Indeed, the modeling and the optimization of the penstock with the genetic algorithm NSGA II allowed to note that the investment cost of the penstock (C_(inv_cond) ) increases with its hydraulic power (P_cond ). P_cond and C_(inv_cond) increase respectively logarithmically and quadratically with the diameter (D_cond ). Likewise, the modeling and optimization of the generator have shown that its total mass increases with its efficiency. As for the modeling of the electromechanical equipment cost, the taking into account of the continental factors allowed to better estimate this cost. The second part of the thesis is devoted to the optimization of different energy sources configurations, such as the hydroelectric plant, PV system, hydro-PV hybrid system and hydro-PV-Bat hybrid system. Two objective functions have been considered: the total generated energy and the energy production cost. The solutions obtained are presented in the form of Pareto front. the energy production cost of the PV system increases linearly with its total generated energy. For the cases of the hydroelectric plant and hydro-PV hybrid system, the solutions are grouped into four categories according to the number of hydropower units: {n_hyd=1,2,3,4}. As for the case of the hydro-PV-Bat hybrid system, the solutions are grouped into two main categories according to the number of batteries: {n_Bat=64,192 }. For n_Bat=64, the solutions are classified in four groups according to n_hyd: {n_hyd=1,2,3 et 4}, whereas for n_Bat=192, we have three cases {n_hyd=2,3 et 4}. The total generated energy and the energy production cost increase with the nominal turbine flow rate Q_(T_n ). Specifically, the compromise between the objective functions is in favour of the total generated energy for n_hyd=1 (the case of the hydroelectric plant), for {n_hyd=1,2} (case of hydro-PV) and for {n_Bat=64 & n_hyd=1 à 4} and {n_Bat=192 & n_hyd=2,3} (case of hydro-PV-Bat). In these cases, it is preferable to increase the total generated energy. On the other hand, the energy production cost is favored in the case of {n_hyd=2,3,4} (for the hydroelectric plant), {n_hyd=3,4} (for hydro-PV) and {n_Bat=192 & n_hyd=4} (for hydro-PV-Bat). Then we will opt for the reduction of the energy production cost.; L’accès à l’énergie électrique est indispensable au développement industriel et socio-économique dans tous les pays du monde. Au Bénin, la question du déficit en électricité demeure très préoccupante, et se pose fortement dans les zones rurales du pays. Par ailleurs, le Bénin dispose d’un potentiel intéressant en photovoltaïque (PV) et en hydroélectrique (hydro), mais qui reste globalement sous-exploité. Ce travail de thèse de doctorat porte sur le dimensionnement optimal d’un système hybride hydro-PV-stockage pour une alimentation rurale isolée. Au cours de ces travaux, nous avons modélisé les principaux composants du système hybride hydro-PV-stockage, notamment la conduite forcée, l’équipement électromécanique (la turbine et la génératrice), le générateur PV, les batteries (Bat) et les convertisseurs AC/DC et DC/DC. En effet, la modélisation et l’optimisation de la conduite forcée avec les algorithmes génétiques NSGA II ont permis de noter que le coût d’investissement de la conduite forcée (C_(inv_cond) ) croît avec sa puissance hydraulique (P_cond ). P_cond et C_(inv_cond) croissent respectivement de façon logarithmique et quadratique avec le diamètre (D_cond ). De même, la modélisation et l’optimisation de la génératrice ont montré que sa masse totale croît avec son rendement. Quant à la modélisation du coût des équipements électromécaniques, la prise en compte des facteurs continentaux a permis de mieux estimer ce coût. Le second volet de la thèse est consacré à l’optimisation de différentes configurations de sources d’énergie, notamment la centrale hydroélectrique, les systèmes PV, hydro-PV et hydro-PV-Bat. Deux fonctions objectifs ont été prises en compte : l’énergie totale produite et le coût de production. Les solutions obtenues sont présentées sous forme de front de Pareto. Le coût de production du système PV croît linéairement avec sa production totale en énergie. Pour les cas de la centrale hydroélectrique et du système hybride hydro-PV, les solutions sont regroupées en quatre catégories suivant le nombre d’unités de production hydroélectrique : {n_hyd=1,2,3,4}. Quant au cas du système hybride hydro-PV-Bat, les résultats sont regroupés en deux grandes catégories suivant le nombre de batteries : {n_Bat=64,192 }. Pour n_Bat=64, les solutions sont classées en quatre groupes selon n_hyd: {n_hyd=1,2,3 et 4}, alors que pour n_Bat=192, nous avons trois cas {n_hyd=2,3 et 4}. L’énergie totale produite et le coût de production croissent avec le débit d’équipement nominal Q_(T_n ). Spécifiquement, le compromis entre les fonctions objectifs est en faveur de l’énergie totale produite pour n_hyd=1 (cas de la centrale hydroélectrique), pour {n_hyd=1,2} (cas de hydro-PV) et pour {n_Bat=64 & n_hyd=1 à 4} et {n_Bat=192 & n_hyd=2,3} (cas de hydro-PV-Bat). Dans ces cas, on préférera augmenter l’énergie totale. En revanche, le coût de production est favorisé dans les cas de {n_hyd=2,3,4} (pour la centrale hydroélectrique), de {n_hyd=3,4} (pour hydro-PV) et de {n_Bat=192 & n_hyd=4} (pour hydro-PV-Bat). On optera alors pour la réduction du coût de production.

Access to electrical power is essential for industrial and socio-economic development in every country of the world. In Benin, the issue of the electricity shortage remains a serious concern and arises strongly in rural areas of the country. Furthermore, Benin has an interesting potential in photovoltaics (PV) and hydropower (hydro), but which remains globally under-exploited. This research focuses on Optimal sizing of a Hydroelectric-Photovoltaic-Storage Hybrid System for remote rural power supplying. During this work, we modeled the main components of the hydro-PV-storage hybrid system, such as the penstock, the electromechanical equipment (turbine and generator), the PV generator, the batteries (Bat), the inverters and the converters. Indeed, the modeling and the optimization of the penstock with the genetic algorithm NSGA II allowed to note that the investment cost of the penstock (C_(inv_cond) ) increases with its hydraulic power (P_cond ). P_cond and C_(inv_cond) increase respectively logarithmically and quadratically with the diameter (D_cond ). Likewise, the modeling and optimization of the generator have shown that its total mass increases with its efficiency. As for the modeling of the electromechanical equipment cost, the taking into account of the continental factors allowed to better estimate this cost. The second part of the thesis is devoted to the optimization of different energy sources configurations, such as the hydroelectric plant, PV system, hydro-PV hybrid system and hydro-PV-Bat hybrid system. Two objective functions have been considered: the total generated energy and the energy production cost. The solutions obtained are presented in the form of Pareto front. the energy production cost of the PV system increases linearly with its total generated energy. For the cases of the hydroelectric plant and hydro-PV hybrid system, the solutions are grouped into four categories according to the number of hydropower units: {n_hyd=1,2,3,4}. As for the case of the hydro-PV-Bat hybrid system, the solutions are grouped into two main categories according to the number of batteries: {n_Bat=64,192 }. For n_Bat=64, the solutions are classified in four groups according to n_hyd: {n_hyd=1,2,3 et 4}, whereas for n_Bat=192, we have three cases {n_hyd=2,3 et 4}. The total generated energy and the energy production cost increase with the nominal turbine flow rate Q_(T_n ). Specifically, the compromise between the objective functions is in favour of the total generated energy for n_hyd=1 (the case of the hydroelectric plant), for {n_hyd=1,2} (case of hydro-PV) and for {n_Bat=64 & n_hyd=1 à 4} and {n_Bat=192 & n_hyd=2,3} (case of hydro-PV-Bat). In these cases, it is preferable to increase the total generated energy. On the other hand, the energy production cost is favored in the case of {n_hyd=2,3,4} (for the hydroelectric plant), {n_hyd=3,4} (for hydro-PV) and {n_Bat=192 & n_hyd=4} (for hydro-PV-Bat). Then we will opt for the reduction of the energy production cost.; L’accès à l’énergie électrique est indispensable au développement industriel et socio-économique dans tous les pays du monde. Au Bénin, la question du déficit en électricité demeure très préoccupante, et se pose fortement dans les zones rurales du pays. Par ailleurs, le Bénin dispose d’un potentiel intéressant en photovoltaïque (PV) et en hydroélectrique (hydro), mais qui reste globalement sous-exploité. Ce travail de thèse de doctorat porte sur le dimensionnement optimal d’un système hybride hydro-PV-stockage pour une alimentation rurale isolée. Au cours de ces travaux, nous avons modélisé les principaux composants du système hybride hydro-PV-stockage, notamment la conduite forcée, l’équipement électromécanique (la turbine et la génératrice), le générateur PV, les batteries (Bat) et les convertisseurs AC/DC et DC/DC. En effet, la modélisation et l’optimisation de la conduite forcée avec les algorithmes génétiques NSGA II ont permis de noter que le coût d’investissement de la conduite forcée (C_(inv_cond) ) croît avec sa puissance hydraulique (P_cond ). P_cond et C_(inv_cond) croissent respectivement de façon logarithmique et quadratique avec le diamètre (D_cond ). De même, la modélisation et l’optimisation de la génératrice ont montré que sa masse totale croît avec son rendement. Quant à la modélisation du coût des équipements électromécaniques, la prise en compte des facteurs continentaux a permis de mieux estimer ce coût. Le second volet de la thèse est consacré à l’optimisation de différentes configurations de sources d’énergie, notamment la centrale hydroélectrique, les systèmes PV, hydro-PV et hydro-PV-Bat. Deux fonctions objectifs ont été prises en compte : l’énergie totale produite et le coût de production. Les solutions obtenues sont présentées sous forme de front de Pareto. Le coût de production du système PV croît linéairement avec sa production totale en énergie. Pour les cas de la centrale hydroélectrique et du système hybride hydro-PV, les solutions sont regroupées en quatre catégories suivant le nombre d’unités de production hydroélectrique : {n_hyd=1,2,3,4}. Quant au cas du système hybride hydro-PV-Bat, les résultats sont regroupés en deux grandes catégories suivant le nombre de batteries : {n_Bat=64,192 }. Pour n_Bat=64, les solutions sont classées en quatre groupes selon n_hyd: {n_hyd=1,2,3 et 4}, alors que pour n_Bat=192, nous avons trois cas {n_hyd=2,3 et 4}. L’énergie totale produite et le coût de production croissent avec le débit d’équipement nominal Q_(T_n ). Spécifiquement, le compromis entre les fonctions objectifs est en faveur de l’énergie totale produite pour n_hyd=1 (cas de la centrale hydroélectrique), pour {n_hyd=1,2} (cas de hydro-PV) et pour {n_Bat=64 & n_hyd=1 à 4} et {n_Bat=192 & n_hyd=2,3} (cas de hydro-PV-Bat). Dans ces cas, on préférera augmenter l’énergie totale. En revanche, le coût de production est favorisé dans les cas de {n_hyd=2,3,4} (pour la centrale hydroélectrique), de {n_hyd=3,4} (pour hydro-PV) et de {n_Bat=192 & n_hyd=4} (pour hydro-PV-Bat). On optera alors pour la réduction du coût de production.

Real-world problems involve several different criteria to take into account. For instance, a route may be associated with multiple features such as its cost, its ecological footprint, its duration, or its length. Resulting mathematical problems are addressed by multi-objective optimization. In general, there is no feasible solution able to maximize or minimize all objectives. Thus, decision makers want to examine the trade-off between the objectives in order to select the most suitable solution for them. Solving a multi-objective optimization problem consists of finding a set of points in the objective space, called non dominated points. No point in the objective space is better than a point of this set for all objectives. Few exact methods exist in literature to solve NP-hard multi- objective combinatorial problems, especially those with a NP-hard mono-objective variant. This thesis works on exact methods for such multi-objective problems, and the class of bi-objective vehicle routing problems is used as reference. The manuscript presents a column generation based-approach which aims to efficiently enumerate the set of non dominated points of the problems. We seek the best way to explore the objective space, and we propose different acceleration techniques based on structural properties. To show its generic aspect, the approach is applied to several bi-objective variants of the vehicle routing problem : the vehicle routing problem with time windows, the covering tour problem and the team-orienteering problem with time windows. Extensive computational experiments highlight the efficiency of the proposed method., De nombreux problèmes réels comportent plusieurs critères à considérer simultanément. À titre d’exemple, un trajet peut se caractériser par son coût, son impact écologique, son temps de parcours ou encore sa longueur. Les problèmes mathématiques résultants relèvent de l’optimisation multi-objectif. En général, il n’existe pas de solution réalisable optimisant tous les objectifs. Ainsi, les décideurs veulent analyser le compromis entre tous les objectifs pour pouvoir choisir la solution la plus adéquate. Par conséquent, résoudre un problème multi-objectif consiste à trouver un sous-ensemble de points, dits non dominés, dans l’espace des objectifs. Ces points sont associés à des solutions réalisables pour lesquelles il n’est pas possible d’améliorer un objectif sans en détériorer un autre. Peu de méthodes exactes existent dans la littérature pour traiter les problèmes combinatoires multi-objectif NP-difficiles, en particulier ceux dont la variante mono-objectif est déjà NP-difficile. Cette thèse s’inscrit dans l’étude des méthodes exactes pour de tels problèmes multi-objectif et utilise la classe des problèmes de tournées de véhicules bi-objectif comme référence. Les travaux se concentrent sur une approche basée sur la génération de colonnes et qui vise à énumérer efficacement l’ensemble des points non dominés de ces problèmes. Nous proposons notamment d’analyser diverses techniques d’exploration de l’espace des objectifs et de les améliorer grâce à des propriétés structurelles. Afin d’en démontrer la généricité, l’approche est appliquée à plusieurs variantes bi-objectif des problèmes de tournées de véhicules : le problème de tournées de véhicules avec fenêtre de temps, le problème de tournées couvrantes et le problème de course d’orientation par équipes avec fenêtre de temps. Les multiples tests numériques soulignent l’efficacité de la méthode proposée.

National audience; Real-world problems involve several different criteria to take into account. For instance, a route may be associated with multiple features such as its cost, its ecological footprint, its duration, or its length. Resulting mathematical problems are addressed by multi-objective optimization. In general, there is no feasible solution able to maximize or minimize all objectives. Thus, decision makers want to examine the trade-off between the objectives in order to select the most suitable solution for them. Solving a multi-objective optimization problem consists of finding a set of points in the objective space, called non dominated points. No point in the objective space is better than a point of this set for all objectives. Fewexact methods exist in literature to solve NP-hard multi-objective combinatorial problems, especially those with a NP-hard mono-objective variant.This thesis works on exact methods for such multi-objective problems, and the class of bi-objective vehicle routing problems is used as reference. The manuscript presents a column generation based-approach which aims to efficiently enumerate the set of non dominated points of the problems. We seek the best way to explore the objective space, and we propose different acceleration techniques based on structural properties. To show its generic aspect, the approach is applied to several bi-objective variants of the vehicle routing problem : the vehicle routing problem with time windows, the covering tour problem and the team-orienteering problem with time windows. Extensive computational experiments highlight the efficiency of the proposed method.; De nombreux problèmes réels comportent plusieurs critères à considérer simultanément.À titre d’exemple, un trajet peut se caractériser par son coût, son impact écologique, son temps de parcours ou encore sa longueur. Les problèmes mathématiques résultants relèvent de l’optimisation multi-objectif. En général, il n’existe pas de solution réalisable optimisant tous les objectifs. Ainsi, les décideurs veulent analyser le compromis entre tous les objectifs pour pouvoir choisir la solution la plus adéquate. Par conséquent, résoudre un problème multi-objectif consiste à trouver un sous-ensemble de points, dits non dominés, dans l’espace des objectifs. Ces points sont associés à des solutions réalisables pour lesquelles il n’est pas possible d’améliorer un objectif sans en détériorer un autre. Peu de méthodes exactes existent dans la littérature pour traiter les problèmes combinatoires multi-objectif NPdifficiles, en particulier ceux dont la variante mono-objectif est déjà NP-difficile.Cette thèse s’inscrit dans l’étude des méthodes exactes pour de tels problèmes multi-objectif et utilise la classe des problèmes de tournées de véhicules bi-objectif comme référence. Les travaux se concentrent sur une approche basée sur la génération de colonnes et qui vise à énumérer efficacement l’ensemble des points non dominés de ces problèmes.Nous proposons notamment d’analyser diverses techniques d’exploration de l’espace des objectifs et de les améliorer grâce à des propriétés structurelles. Afin d’en démontrer la généricité, l’approche est appliquée à plusieurs variantes bi-objectif des problèmes de tournées de véhicules : le problème de tournées de véhicules avec fenêtre de temps, le problème de tournées couvrantes (Covering Tour Problem) et le problème de course d’orientation par équipes avec fenêtre de temps (Team-Orienteering Problem with Time Windows). Les multiples tests numériques soulignent l’efficacité de la méthode proposée.

This thesis deals with the tuning of the new Advanced Driving Assistance Systems (ADAS). The development of these systems has become nowadays a strategic line of research for the automotive industry towards the conception of safer and fuel-efficient vehicles.This thesis contributes to a multi-criterion, multi-modeland multi-scenario methodological vision of the tuning process. It is presented through a specific application of the tuning of the Lane Centering Assistance (LCA). It relies on vehicle and environment’s dynamical models of adequate complexity in the aim of formalizing and managing, in a H2/H∞ framework, the trade-off between performance, comfort and robustness. The formulated criteria are easy to compute and defined in a way to be understandable, closely linked to practical specifications. The whole methodology is driven by the research of a pertinent trade-off between realism (being as closest as possible to reality) and complexity (quick evaluation of the criterion). The efficiency and the robustness of the approach is demonstrated through high-fidelity simulations and numerous tests on real vehicles.; Cette thèse est dédiée à la pré-calibration des nouveaux systèmes d’aides à la conduite (ADAS). Le développement de ces systèmes est devenu aujourd’hui un axe de recherche stratégique pour les constructeurs automobiles dans le but de proposer des véhicules plus sûrs et moins énergivores. Cette thèse contribue à une vision méthodologique multi-critère, multi-modèle et multi-scénario. Elle en propose une instanciation particulière pour la pré-calibration spécifique au Lane Centering Assistance (LCA). Elle s’appuie sur des modèles dynamiques de complexité juste nécessaire du véhicule et de son environnement pour, dans le cadre du formalisme H2/H∞, formaliser et arbitrer les compromis entre performance de suivi de voie, confort des passagers et robustesse. Les critères élaborés sont définis de manière à être d’interprétation aisée, car directement liés à la physique, et facilement calculables. Ils s’appuient sur des modèles de perturbations exogènes (e.g. courbure de la route ou rafale de vent) et de véhicules multiples mais représentatifs, de manière à réduire autant que possible le pessimisme tout en embrassant l’ensemble des situations réalistes. Des simulations et des essais sur véhicules démontrent l’intérêt de l’approche.

Today, many production systems are managed in "pull" control system and used "card-based" methods such as: Kanban, ConWIP, COBACABANA, etc. Despite their simplicity and efficiency, these methods are not suitable when production is not stable and customer demand varies. In such cases, the production systems must therefore adapt the “tightness” of their production flow throughout the manufacturing process. To do this, we must determine how to dynamically adjust the number of cards (or e-card) depending on the context. Unfortunately, these decisions are complex and difficult to make in real time. In addition, in some cases, changing too often the number of kanban cards can disrupt production and cause a nervousness problem. The opportunities offered by Industry 4.0 can be exploited to define smart flow control strategies to dynamically adapt this number of kanban cards.In this thesis, we propose, firstly, an adaptive approach based on simulation and multi-objective optimization technique, able to take into account the problem of nervousness and to decide autonomously (or to help managers) when and where adding or removing Kanban cards. Then, we propose a new adaptive and intelligent approach based on a neural network whose learning is first realized offline using a twin digital model (simulation) and exploited by a multi-objective optimization method. Then, the neural network could be able to decide in real time, when and at which manufacturing stage it is relevant to change the number of kanban cards. Comparisons made with the best methods published in the literature show better results with less frequent changes.; De nos jours, de nombreux systèmes de production sont gérés en flux « tirés » et utilisent des méthodes basées sur des « cartes », comme : Kanban, ConWIP, COBACABANA, etc. Malgré leur simplicité et leur efficacité, ces méthodes ne sont pas adaptées lorsque la production n’est pas stable et que la demande du client varie. Dans de tels cas, les systèmes de production doivent donc adapter la tension de leur flux tout au long du processus de fabrication. Pour ce faire, il faut déterminer comment ajuster dynamiquement le nombre de cartes (ou de ‘e-card’) en fonction du contexte. Malheureusement, ces décisions sont complexes et difficiles à prendre en temps réel. De plus, dans certains cas, changer trop souvent le nombre de cartes kanban peut perturber la production et engendrer un problème de nervosité. Les opportunités offertes par l’industrie 4.0 peuvent être exploitées pour définir des stratégies intelligentes de pilotage de flux permettant d’adapter dynamiquement ce nombre de cartes kanban.Dans cette thèse, nous proposons, dans un premier temps, une approche adaptative basée sur la simulation et l'optimisation multi-objectif, capable de prendre en considération le problème de la nervosité et de décider de manière autonome (ou d'aider les gestionnaires) quand et où ajouter ou retirer des cartes Kanban. Dans un deuxième temps, nous proposons une nouvelle approche adaptative et intelligente basée sur un réseau de neurones dont l’apprentissage est d’abord réalisé hors ligne à l’aide d’un modèle numérique jumeau (simulation), exploité par une optimisation multi-objectif. Après l’apprentissage, le réseau de neurones permet de décider en temps réel, quand et à quelle étape de fabrication il est pertinent de changer le nombre de cartes kanban. Des comparaisons faites avec les meilleures méthodes publiées dans la littérature montrent de meilleurs résultats avec des changements moins fréquents.

The implementation of electric vehicles in the freight transport sector presents a sustainable solution that meets environmental and economic objectives. This thesis is oriented in this direction, it deals with the study of the problems of electric transportation according to two decisional levels namely the strategic and operational levels.At the strategic level, we study the problem of the location of the wireless charging infrastructure in a transport network composed of multiple routes between the origin and the destination. To find a strategic solution to this problem, we first and foremost propose a nonlinear integer programming solution to reach a compromise between the cost of the battery, which is related to its capacity, and the cost of installing the power transmitters, while maintaining the quality of the vehicle's routing. Thus, we show the utility of our work in an industrial context through the 'Green Truck' project. This project consists of replacing diesel trucks by inductive trucks in the industrial-port area of Le Havre. Initially, we are dealing with the problem of allocation of dynamic charging segments. In a second step, we integrate the static reload mode in the allocation strategy. We adapt the multi-objective particle swarm optimization (MPSO) approach to our problem, as the particles were robust in solving nonlinear optimization problems. Since we have a multi-objective problem with two binary variables, we combine the binary and discrete versions of the particle swarm optimization approach with the multi-objective one. To assess the quality of solutions generated by the PSO algorithm, the problem is transformed into an equivalent linear programming problem and solved with CPLEX optimizer. The results are analyzed and discussed in order to point out the efficiency of our resolution method.At the operational level, we study a new version of the vehicle routing problem with a mix fleet of electric and combustion vehicles, which is a real industrial network encountered in practice. The particularity of our work lies in the consideration of the case where emissions are limited by an emission cap system for conventional vehicles. In order to solve the mathematical model that we have developed, we have included three heuristics in the SPEA-II algorithm that respond to the constraints generated by the limited battery of electric vehicles. After analyzing the performance of the resulting algorithm, we conclude that the resolution approach achieves competitive results.; La mise en oeuvre des véhicules électriques dans le secteur du transport de fret présente une solution durable qui répond aux objectifs environnementaux et économiques. Cette thèse s'oriente dans cette direction, elle porte sur l'étude des problèmes de transport électrique selon deux niveaux décisionnels à savoir le niveau stratégique et opérationnel.Au niveau stratégique, nous traitons le problème d'allocation des segments de recharge d'un véhicule électrique par des ondes électromagnétiques. Pour cela, nous proposons une modélisation du problème sous forme de programme mathématique mixte en nombre entier qui tient compte de la particularité du réseau routier et du véhicule. L'objectif est de déterminer; dans un réseau qui se compose de plusieurs chemins; une allocation stratégique qui constitue un compromis entre le coût d'achat du matériel de recharge et le coût de la batterie en satisfaisant un ensemble de contraintes liées au fonctionnement du système lors de l'exploitation et qui garantissent l'arrivée du véhicule à sa destination sans rupture de charge. Ainsi, nous montrons l'utilité de nos travaux dans un contexte industriel à travers le projet 'Green Truck'. Ce projet consiste à remplacer les camions à combustion par les camions électriques; adapté à la technologie d'alimentation par induction; dans la zone industrialo-portuaire du Havre. Dans cette optique et dans un premier temps, nous traitons le problème d'installation des segments de recharge dynamique. Dans un deuxième temps, nous intégrons le mode de rechargement statique dans la stratégie d'allocation. Nous adoptons la version multi-objective de l'algorithme d'optimisation par essaim de particules pour résoudre le problème. En effet, l'algorithme a montré sa robustesse et son efficacité vis-à-vis de problèmes d'optimisation non-linéaires. Après la linéarisation de notre modèle, nous comparons les résultats obtenus avec ceux issus à partir du solveur CPLEX. Nous montrons la validité des résultats obtenus à travers leur analyse et leur discussion.Au niveau opérationnel, nous étudions le problème de tournées de véhicules dans le cas d'une flott( mixte composée de véhicules électriques et à combustion, ce qui est un véritable réseau industrie rencontré dans la pratique. La particularité de notre travail réside dans la considération du cas où le émissions sont limitées par un système de plafonnement d'émissions pour les véhicule conventionnels. Afin de résoudre le modèle mathématique que nous avons élaboré, nous avons indu trois heuristiques dans l'algorithme SPEA-II qui répondent aux contraintes engendrées par la batterie limitée des véhicules électriques. Après l'analyse des performances de l'algorithme résultant, nou, concluons que l'approche de résolution permet d'achever des résultats compétitifs.

This work outlines the optimization of unproductive loading/unloading movements, called shiftings, in transport problems. in the first context, we introduce the shifting in the case of the traveling salesman problem. our goal is to find a hamiltonian circuit that optimizes both distance and shifting costs. we propose a mathematical modeling of the problem, and then we adapt the ant colony optimization metaheuristic in its sequential and parallel form to solve it. in the second context, we address the 3d container stowage planning problem of barges. this problem consists in finding the most suitable location of each container in the barge in order to facilitate its retrieval in the chronology of ports to be visited. firstly, we introduce a mathematical modeling of the problem in the case of a single barge where different ports are of non-uniform operational costs. the main objective is to optimize the total shiftings fees, the longitudinal stability of the barge and the transverse one. then, we generalize our problem to the case of barge convoy systems. we first propose a suitable mathematical modeling, in which, we consider the multi-objective aspect by optimizing the total number of shiftings, the convoy stability and the number of the real-used barges in the convoy. in order to solve this new variant, we propose a novel adaptation of the multi-objective evolutionary algorithm nsga-ii (non-dominated sorting genetic algorithm-ii) based on a set of heuristics introduced by the bin-packing problem resolution methods. the numerical results are evaluated using performance measures adapted to theproblem.; Dans ce mémoire, nous nous intéressons à l’optimisation des mouvements improductifs de chargement/déchargement, appelés shiftings, dans les problèmes de transport. Dans le premier contexte,nous introduisons le problème de shifting dans le cas du voyageur de commerce. Notre objectif est de chercher un circuit hamiltonien qui optimise à la fois le coût distance et le coût shifting. Nous proposons une modélisation mathématique du problème, puis, nous adaptons la métaheuristique d’optimisation par colonies de fourmis sous sa forme séquentielle et parallèle pour le résoudre. Dans le deuxième contexte, nous abordons le problème d’optimisation des plans de chargement et d’arrimage des conteneurs dans des barges. Ce problème consiste à chercher l’emplacement le plus convenable de chaque conteneur dans les barges de façon à faciliter son déchargement dans la chronologie des ports à visiter. D'abord, nous introduisons une modélisation mathématique du problème dans le cas d’une seule barge ou différents ports du trajet ont des coûts shiftings non-uniformes. L’objectif est d’optimiser le coût total de shiftings, la stabilitélongitudinale de la barge et celle transversale. Ensuite, nous généralisons le problème au cas d’un système de convoi de barges. Nous proposons, d’abord, un modèle mathématique en nombres entiers, dans lequel, nous considérons l’aspect multi-objectif en optimisant le nombre de shiftings, la stabilité du convoi et le nombre de barges utilisées dans le convoi. Puis, nous adaptons la méthode nsga-II en se basant sur les heuristiques du problème de bin-packing.L'ensemble des résultats obtenus est évalué en utilisant des mesures de performances adaptées au problème.

Because of the importance of multimodal transport for goods importation and exportation from Morocco to international customers, our goals are modeling and solving multimodal freight transportation problems by more focusing on some issues confronted by our country. After presenting the required mathematical background on robust and multiobjective optimization and surveying the literature works on multimodal transport problems, its variants and solution approaches; and instead of testing them only on traditional benchmarks; we dealt with new variants and methods. A multi-objective mathematical model is proposed to optimize the multimodal transport of agricultural products from Morocco to Europe. To solve this model adapted to a real network, two multiobjective version algorithms are presented in order to optimize simultaneously the total transportation cost and the over-time.Given the complexity of the global logistics chain by various operations and several stakeholders, the data of the problem may sometimes be ignored or uncompleted. That’s why we have developed a mathematical model for multimodal terminal location problem by integrating uncertainties of the transportation costs, the capacities and the using costs of terminals. A population based simulated annealing and a hybrid method combining an exact and a metaheuristic approaches are proposed to effectively solving the problem. The test is then performed on a real intermodal network. These contributions are concluded by remarks and highlights about the impact of perishability and robustness on flows, location strategies of ports, the choice of paths and transportation modes.; Ce travail porte sur la modélisation et la résolution de problèmes d’optimisation robuste et multi-objectifs du transport multimodal. Après une synthèse des travaux de la littérature et des concepts de base de l’optimisation robuste et l’optimisation multi-objectif, nous proposons un nouveau modèle d’optimisation multi-objectif du transport multimodal des produits agricoles marocains vers des clients européens. L’objectif est de déterminer la meilleure stratégie d’exportation qui minimise simultanément le coût total de transport multimodal et l’overtime maximal en prenant en considération des contraintes réalistes. Nous proposons également des nouvelles approches de résolution avec une application sur un réseau de transport multimodal réel.Nous avons étudié une autre problématique du transport multimodal avec localisation de terminaux intermodaux. Outre la version déterministe, une optimisation robuste qui tient compte des incertitudes sur les capacités, les coûts d’utilisation et les coûts de transport. Deux approches hybrides ont été proposées pour la résolution du problème.Dans ces contributions, des modèles et des méthodes sont présentés, des remarques et des interprétations sont tirées à propos de l’impact de la périssabilité des produits et de la robustesse sur les flux, le choix des ports, des trajets et des modes de transport.

In the context of intense international competition, many manufacturing firms are directing their investments toward African markets to increase their market share and maintain their competitiveness in the global market. These markets are rapidly growing but require customized products. Despite their attractivity, trade flows in Africa remain low due to the poor quality of infrastructure and the lack of regional logistic ecosystems, connecting African countries through reliable and efficient services.This doctoral thesis therefore focuses on modelling and solving the problem of designing hybrid distribution networks in Africa, integrating distribution and final customization platforms. These networks incorporate, upstream, regional hubs that serve as gateways to regional markets. The postponement of final customization downstream of the logistics network reduces the delivery times and downstream distribution costs while maintaining upstream economies of scale.The methodology we suggest is based on two main areas of research:▪ The first axis aims to define the location of regional logistics hubs, based on a fuzzy multi-criteria analysis approach, which is an improved version of TOPSIS fuzzy and AHP;▪ The second axis focuses on the design of hybrid distribution networks serving highly diversified markets in Africa (for example: fertilizer markets). To this aim, we propose two new multi-objective optimization models minimizing total operating and investment costs, maximizing product proximity to markets and minimizing damage to finished products during their distribution. The first model is deterministic while the second one proposes a flexible design in response to the dynamics and uncertainty of the evolution of African markets., Face à la forte concurrence internationale, de nombreuses entreprises manufacturières orientent leurs investissements vers les marchés africains pour accroître leur part de marché et rester compétitives sur le marché mondial. Ces marchés sont effet en plein essor mais demandent des produits de grande diversité. En dépit de cette attractivité, les flux commerciaux en Afrique demeurent faibles en raison de la faible qualité des infrastructures et de l’absence d’écosystèmes logistiques régionaux connectant les pays africains de manière fiable et efficace.C’est pourquoi cette thèse de doctorat s’intéresse à la modélisation et à la résolution du problème de conception de réseaux de distribution hybrides en Afrique, intégrant des plateformes de distribution et de personnalisation finale des produits. Ces réseaux incluent, en amont, des hubs régionaux servant de porte d’entrée vers les marchés d’une région continentale. Le report de la personnalisation finale en aval du réseau logistique permet de réduire les délais de livraison aux marchés et le coût de distribution tout en maintenant une économie d’échelle. La méthodologie que nous proposons repose sur deux grands axes de recherche :▪ Le premier axe vise à définir la localisation des hubs logistiques régionaux, sur la base d’une analyse multicritères floue, version améliorée de TOPSIS floue et d'AHP ;▪ Le deuxième axe aborde conception de réseaux de distribution hybrides servant des marchés fortement diversifiés (exemple : marchés des engrais). Nous avons proposé deux nouveaux modèles d'optimisation multi-objectifs minimisant le coût total d’exploitation et d’investissement, maximisant la proximité des produits aux marchés et minimisant les dommages sur les produits finis durant leur distribution. Le premier modèle est déterministe tandis que le deuxième propose une conception flexible alignée sur la dynamique et l’incertitude de l’évolution des marchés africains.

Heat exchangers are used in many industrial applications. Optimizing their performances is a key point to improve energy efficiency. Heat exchanger behaviour is a multi-scale issue where local scale enhancement mechanisms coexist with global scale distribution ones. It is also multi-physics such as fluid mecanics, heat transfer and fouling phenomenons appear. The present work deals with multi-objective shape optimization of heat echanger. The proposed method is sufficiently robust to address multi-scale and multi-physics issues and allows industrial applications. Heat exchanger performances are evaluated using computational fluid dynamics (CFD) simulations and global methods (є-NUT). The optimization tools are a genetic algorithm coupled with kriging-based metamodelling. Clustering and Self-Organizing Maps (SOM) are used to analyse the optimization results. A metamodel builts an approximation of a simulator response (CFD) whose evaluation cost is reduced to be used with the genetic algorithm. Kriging can address discontinuities or perturbations of the response by introducing a nugget effect. Adaptive sampling is used to built cheap and precise approximation. The present optimization method is applied to different configurations which are representative of the heat exchanger behaviour for both multi-scale and multi-physics (fouling) aspects. Results show that metamodelling is a key point of the method, ensuring the robustness and the versatility of the optimisation process. Also, it allows to built correlations of the local scale used to determine the global performances of the heat exchanger. Clustering and SOM highlight a finite number of shapes, which represent a compromise between antagonist objective functions, directly usable in an industrial context.; Les échangeurs de chaleur sont utilisés dans de nombreux secteurs industriels. L'optimisation de leurs performances est donc de première importance pour réduire la consommation énergétique. Le comportement d'un échangeur est intrinsèquement multiéchelle : l'échelle locale de l'intensification des phénomènes de transfert thermique côtoie une échelle plus globale où interviennent des phénomènes de distribution de débit. Un échangeur de chaleur est également le siège de différents phénomènes physiques, tels que la mécanique des fluides, la thermique et l'encrassement. Les présents travaux proposent une méthode d'optimisation multiobjectif de la forme des échangeurs, robuste, pouvant traiter les aspects multiéchelles et multiphysiques et applicable dans un contexte industriel. Les performances de l'échangeur sont évaluées par des simulations de mécanique des fluides numérique (CFD) et par des méthodes globales (є-NUT). Suite à une étude bibliographique, une méthode de métamodélisation par krigeage associée à un algorithme génétique ont été retenus. Des méthodes de visualisation adaptées (clustering et Self-Organizing Maps) sont utilisées pour analyser les résultats. Le métamodèle permet d'approcher la réponse d'un simulateur (CFD) et d'en fournir une prédiction dont l'interrogation est peu onéreuse. Le krigeage permet de prendre en compte une discontinuité et des perturbations de la réponse du simulateur par l'ajout d'un effet de pépite. Il permet également l'utilisation de stratégies d'enrichissement construisant des approximations précises à moindre coût. Cette méthode est appliquée à différentes configurations représentatives du comportement de l'échangeur, permettant de s'assurer de sa robustesse lorsque le simulateur change, lorsque l'aspect multiéchelle est pris en compte ou lorsque une physique d'encrassement est considérée. Il a été établi que l'étape de métamodélisation assure la robustesse de la méthode et l'intégration de l'aspect multiéchelle. Elle permet aussi de construire des corrélations à l'échelle locale qui sont ensuite utilisées pour déterminer les performances globales de l'échangeur. Dans un contexte industriel, les méthodes d'analyse permettent de mettre en évidence un nombre fini de formes réalisant un compromis des fonctions objectif antagonistes.

Heat exchangers are used in many industrial applications. Optimizing their performances is a key point to improve energy efficiency. Heat exchanger behaviour is a multi-scale issue where local scale enhancement mechanisms coexist with global scale distribution ones. It is also multi-physics such as fluid mecanics, heat transfer and fouling phenomenons appear. The present work deals with multi-objective shape optimization of heat echanger. The proposed method is sufficiently robust to address multi-scale and multi-physics issues and allows industrial applications. Heat exchanger performances are evaluated using computational fluid dynamics (CFD) simulations and global methods (є-NUT). The optimization tools are a genetic algorithm coupled with kriging-based metamodelling. Clustering and Self-Organizing Maps (SOM) are used to analyse the optimization results. A metamodel builts an approximation of a simulator response (CFD) whose evaluation cost is reduced to be used with the genetic algorithm. Kriging can address discontinuities or perturbations of the response by introducing a nugget effect. Adaptive sampling is used to built cheap and precise approximation. The present optimization method is applied to different configurations which are representative of the heat exchanger behaviour for both multi-scale and multi-physics (fouling) aspects. Results show that metamodelling is a key point of the method, ensuring the robustness and the versatility of the optimisation process. Also, it allows to built correlations of the local scale used to determine the global performances of the heat exchanger. Clustering and SOM highlight a finite number of shapes, which represent a compromise between antagonist objective functions, directly usable in an industrial context.; Les échangeurs de chaleur sont utilisés dans de nombreux secteurs industriels. L'optimisation de leurs performances est donc de première importance pour réduire la consommation énergétique. Le comportement d'un échangeur est intrinsèquement multiéchelle : l'échelle locale de l'intensification des phénomènes de transfert thermique côtoie une échelle plus globale où interviennent des phénomènes de distribution de débit. Un échangeur de chaleur est également le siège de différents phénomènes physiques, tels que la mécanique des fluides, la thermique et l'encrassement. Les présents travaux proposent une méthode d'optimisation multiobjectif de la forme des échangeurs, robuste, pouvant traiter les aspects multiéchelles et multiphysiques et applicable dans un contexte industriel. Les performances de l'échangeur sont évaluées par des simulations de mécanique des fluides numérique (CFD) et par des méthodes globales (є-NUT). Suite à une étude bibliographique, une méthode de métamodélisation par krigeage associée à un algorithme génétique ont été retenus. Des méthodes de visualisation adaptées (clustering et Self-Organizing Maps) sont utilisées pour analyser les résultats. Le métamodèle permet d'approcher la réponse d'un simulateur (CFD) et d'en fournir une prédiction dont l'interrogation est peu onéreuse. Le krigeage permet de prendre en compte une discontinuité et des perturbations de la réponse du simulateur par l'ajout d'un effet de pépite. Il permet également l'utilisation de stratégies d'enrichissement construisant des approximations précises à moindre coût. Cette méthode est appliquée à différentes configurations représentatives du comportement de l'échangeur, permettant de s'assurer de sa robustesse lorsque le simulateur change, lorsque l'aspect multiéchelle est pris en compte ou lorsque une physique d'encrassement est considérée. Il a été établi que l'étape de métamodélisation assure la robustesse de la méthode et l'intégration de l'aspect multiéchelle. Elle permet aussi de construire des corrélations à l'échelle locale qui sont ensuite utilisées pour déterminer les performances globales de l'échangeur. Dans un contexte industriel, les méthodes d'analyse permettent de mettre en évidence un nombre fini de formes réalisant un compromis des fonctions objectif antagonistes.

Teleoperation represents a crucial aspect of collaborative robotics by securing the human operator on a distant work station. In this context, the design of a versatile haptic device is a major concern and should lead to an accurate and robust interface between human and machines.The thesis aims at developing a new haptic device with six active degrees of freedom suitable for various uses. This manuscript focuses on the creation of a novel mechanism, explains technical and design choices, and describes the experimental validation of the new haptic device, the Delthaptic.A systematic mechatronic design strategy structures the development of the Delthaptic. After a review on existing haptic devices, the design requirements are defined with respect to human sensorimotor performances. During the structural design stage, an original architecture is proposed which couples two Delta robots in-parallel to the end-effector, a handle on a screw joint. This new device ensures a large and singularity-free workspace while keeping the benefits of parallel mechanisms. The parameters of the structure and the actuation are set through a multi-objective optimization process to provide a high transparency. A prototype of the Delthaptic was built and implemented into the laboratory robotic platform to achieve different remote tasks. Experimental tests demonstrate the dynamic performances and the ability of the prototype to constitute a versatile haptic device. The Delthaptic can teleoperate industrial robots, collaborative robots, or interact with a virtual environment in real-time.; La téléopération est une composante essentielle de la robotique collaborative, sécurisant l'opérateur sur un poste de contrôle à distance. Dans ce contexte, la conception d'un dispositif haptique polyvalent, interface Homme/machine fidèle et robuste, constitue un challenge majeur.La thèse vise à développer un nouveau dispositif haptique à six degrés de liberté actifs, adapté à différentes applications. La construction du nouveau mécanisme, les choix technologiques de conception et la validation expérimentale du dispositif font l'objet de ce manuscrit.Les travaux s'articulent autour d'une stratégie systématique de conception mécatronique. Après un état de l'art des dispositifs polyvalents existants, les exigences fonctionnelles sont définies en accord avec les performances sensorimotrices humaines. Une phase de conception structurelle mène à l'élaboration d'une architecture originale, couplant deux robots Delta en parallèle à l'effecteur, une poignée sur liaison hélicoïdale. Ce dispositif innovant, le Delthaptic, permet d'atteindre un large espace de travail sans singularité, tout en conservant les avantages des mécanismes parallèles. La structure et l'actionnement du Delthaptic sont ensuite optimisés pour offrir une grande transparence à l'opérateur. Un prototype de l'interface haptique a été fabriqué et ses performances dynamiques ont été identifiées expérimentalement. Le Delthaptic est intégré au sein de la plateforme collaborative multirobot du laboratoire sur différentes applications, validant ainsi son bon fonctionnement et ses aptitudes comme dispositif haptique. Il peut piloter des robots industriels et collaboratifs, ou interagir avec un environnement virtuel en temps réel.

International audience; Performance optimization has become a standard approach for the design and control of energy systems, including the building sector. Contrary to the usual sequential approach, a holistic building design is more efficient since the optimum of a system can be different from the one obtained by separating its components. It is thus necessary to optimize the design by considering the building as a whole, attentive to its dynamics (envelope, system and occupants), environment, and its lifetime, particularly in the perspective of the climate change. This brings significant difficulties related to calculation time because of the combinatorial explosion, related to the decision variables and parameters uncertainties, during the optimization. In this paper we present a methodology seen necessary to solve such multi-objective optimization problem by using surrogate models or parallel computing to obtain the overall optimum in a reasonable computing time. The goal is also evaluating the performance functions with different tool that must be interoperable. Two case studies are also presented.; L'optimisation des performances est devenue une démarche classique pour la conception et le contrôle des systèmes énergétiques, y compris le secteur du bâtiment. Contrairement à l'approche séquentielle habituelle, une conception de bâtiment intégré est plus efficace puisque l'optimum d'un système peut être différent de celui obtenu en séparant ses composants. Il est donc nécessaire d'optimiser le design en considérant le bâtiment dans son ensemble, attentif à sa dynamique (enveloppe, système et occupants), à son environnement, et à sa durée de vie, notamment dans la perspective du changement climatique. Ceci entraîne des difficultés importantes liées au temps de calcul du fait de l'explosion combinatoire, liée aux variables de décision et aux incertitudes des paramètres, lors de l'optimisation. Dans cet article, nous présentons une méthodologie nécessaire pour résoudre un tel problème d'optimisation multi-objectif en utilisant des modèles de substitution ou calcul parallèle pour obtenir l'optimum global dans un temps de calcul raisonnable. L'objectif est également d'évaluer les fonctions de performance avec différents outils qui doivent être interopérables. Deux études de cas sont également présentées. MOTS-CLÉS : Optimisation multicritère, interopérabilité, aide à la décision

International audience; This paper presents a new tool that enable multi-objective optimization on a building stock which common attribute is the building manager. It presents how multiobjective optimization can be connected with thermal simulation of building stock on Modelica in order to elaborate optimal strategies for energy retrofit of the building stock. This tool has been developped for further work on the study of the influence of construction phasing on the elaboration of optimal strategies and on the study of the impact on constraints of such an optimization.; RESUME. Cet article présente un nouvel outil pour réaliser de l'optimisation multi-objectif sur les parcs de bâtiments gérés par le même le gestionnaire. Il détaille comment interfacer de l'optimisation multi-objectif avec de la simulation thermique de parcs de bâtiment sous le langage Modelica dans l'optique de trouver les stratégies optimales de réhabilitation énergétique pour ce parc. Les perspectives de cet outil sont l'étude de l'influence du phasage des travaux sur l'élaboration des stratégies de réhabilitation et l'étude de l'influence des contraintes sur l'espace de décision. MOTS-CLÉS : optimisation multiobjectif, Modelica, parcs de bâtiment, réhabilitation ABSTRACT. This paper presents a new tool that enable multi-objective optimization on a building stock which common attribute is the building manager. It presents how multiobjective optimization can be connected with thermal simulation of building stock on Modelica in order to elaborate optimal strategies for energy retrofit of the building stock. This tool has been developped for further work on the study of the influence of construction phasing on the elaboration of optimal strategies and on the study of the impact on constraints of such an optimization.

International audience; This paper presents a new tool that enable multi-objective optimization on a building stock which common attribute is the building manager. It presents how multiobjective optimization can be connected with thermal simulation of building stock on Modelica in order to elaborate optimal strategies for energy retrofit of the building stock. This tool has been developped for further work on the study of the influence of construction phasing on the elaboration of optimal strategies and on the study of the impact on constraints of such an optimization.; RESUME. Cet article présente un nouvel outil pour réaliser de l'optimisation multi-objectif sur les parcs de bâtiments gérés par le même le gestionnaire. Il détaille comment interfacer de l'optimisation multi-objectif avec de la simulation thermique de parcs de bâtiment sous le langage Modelica dans l'optique de trouver les stratégies optimales de réhabilitation énergétique pour ce parc. Les perspectives de cet outil sont l'étude de l'influence du phasage des travaux sur l'élaboration des stratégies de réhabilitation et l'étude de l'influence des contraintes sur l'espace de décision. MOTS-CLÉS : optimisation multiobjectif, Modelica, parcs de bâtiment, réhabilitation ABSTRACT. This paper presents a new tool that enable multi-objective optimization on a building stock which common attribute is the building manager. It presents how multiobjective optimization can be connected with thermal simulation of building stock on Modelica in order to elaborate optimal strategies for energy retrofit of the building stock. This tool has been developped for further work on the study of the influence of construction phasing on the elaboration of optimal strategies and on the study of the impact on constraints of such an optimization.

Cette thèse est consacrée à l’étude de deux problèmes complémentaires, soit la fusion de segmentation d’images et l’interprétation sémantique d’images. En effet, dans un premier temps, nous proposons un ensemble d’outils algorithmiques permettant d’améliorer le résultat final de l’opération de la fusion. La segmentation d’images est une étape de prétraitement fréquente visant à simplifier la représentation d’une image par un ensemble de régions significatives et spatialement cohérentes (également connu sous le nom de « segments » ou « superpixels ») possédant des attributs similaires (tels que des parties cohérentes des objets ou de l’arrière-plan). À cette fin, nous proposons une nouvelle méthode de fusion de segmentation au sens du critère de l’Erreur de la Cohérence Globale (GCE), une métrique de perception intéressante qui considère la nature multi-échelle de toute segmentation de l’image en évaluant dans quelle mesure une carte de segmentation peut constituer un raffinement d’une autre segmentation. Dans un deuxième temps, nous présentons deux nouvelles approches pour la fusion des segmentations au sens de plusieurs critères en nous basant sur un concept très important de l’optimisation combinatoire, soit l’optimisation multi-objectif. En effet, cette méthode de résolution qui cherche à optimiser plusieurs objectifs concurremment a rencontré un vif succès dans divers domaines. Dans un troisième temps, afin de mieux comprendre automatiquement les différentes classes d’une image segmentée, nous proposons une approche nouvelle et robuste basée sur un modèle à base d’énergie qui permet d’inférer les classes les plus probables en utilisant un ensemble de segmentations proches (au sens d’un certain critère) issues d’une base d’apprentissage (avec des classes pré-interprétées) et une série de termes (d’énergie) de vraisemblance sémantique., This thesis is dedicated to study two complementary problems, namely the fusion of image segmentation and the semantic interpretation of images. Indeed, at first we propose a set of algorithmic tools to improve the final result of the operation of the fusion. Image segmentation is a common preprocessing step which aims to simplify the image representation into significant and spatially coherent regions (also known as segments or super-pixels) with similar attributes (such as coherent parts of objects or the background). To this end, we propose a new fusion method of segmentation in the sense of the Global consistency error (GCE) criterion. GCE is an interesting metric of perception that takes into account the multiscale nature of any segmentations of the image while measuring the extent to which one segmentation map can be viewed as a refinement of another segmentation. Secondly, we present two new approaches for merging multiple segmentations within the framework of multiple criteria based on a very important concept of combinatorial optimization ; the multi-objective optimization. Indeed, this method of resolution which aims to optimize several objectives concurrently has met with great success in many other fields. Thirdly, to better and automatically understand the various classes of a segmented image we propose an original and reliable approach based on an energy-based model which allows us to deduce the most likely classes by using a set of identically partitioned segmentations (in the sense of a certain criterion) extracted from a learning database (with pre-interpreted classes) and a set of semantic likelihood (energy) terms

Critical infrastructures (CIs) provide essential goods and service for modern society. Their safety and reliability are primary concerns. The complexity of CIs calls for approaches of system analysis capable of viewing the problem from multiple perspectives. The focus of the present thesis is on the integration of the control perspective into the safety and reliability analysis of CIs. The integration is first approached by investigating the control properties of a small network system, i.e., an electric power microgrid. A simulation-based scheme is developed for the analysis from different perspectives: supply service, controllability and topology. An optimization-based model predictive control framework is proposed to analyze the microgrid under various failure scenarios. Then, a multi-perspective framework is developed to analyze CIs with respect to supply service, controllability and topology. This framework enables identifying the role of the CI elements and quantifying the consequences of scenarios of multiple failures, with respect to the different perspectives considered. To demonstrate the analysis framework, a benchmark network representative of a real gas transmission network across several countries of the European Union (EU) is considered as case study. At last, a multi-objective optimization framework is proposed for complex CIs design: design of network topology and allocation of link capacities are performed in an optimal way to minimize the non-supplied demand and the structural complexity of the system, while at the same time to maximize the system controllability. Investigation on the multiple objectives considered is performed to retrieve useful insights for system design. The findings of this thesis demonstrate the importance of developing frameworks of analysis of CIs that allow considering different perspectives relevant for CIs design, operation and protection., Les infrastructures critiques (CIs) sont essentielles au fonctionnement de la société moderne. Leur sécurité et leur fiabilité sont les principales préoccupations. La complexité des CIs exige des approches d'analyse de système capables de voir le problème de plusieurs points de vue. La présente thèse porte sur l'intégration de la perspective de contrôle dans l'analyse de sécurité et de fiabilité des éléments de configuration. L'intégration est d'abord abordée par examiner les propriétés de contrôle d'un microgrid d'alimentation électrique. Un schéma basé sur la simulation est développé pour l'analyse sous différentes perspectives : le service d'approvisionnement, la contrôlabilité et la topologie. Un cadre basé sur la commande prédictive (MPC) est proposé pour analyser le microrgrid dans divers scenarios de défaillance. Ensuite, un cadre multi-perspectif est développé pour analyser les CIs considérant le service d'approvisionnement, la contrôlabilité et la topologie. Ce cadre permet d'identifier le rôle des éléments de CIs et de quantifier les conséquences de scénarios de défaillances, par rapport aux différents perspectives considérées. Afin de présenter le cadre d'analyse, un réseau de transport de gaz réel à travers plusieurs pays de l'Union européenne est considéré comme une étude de cas. En fin, un cadre d'optimisation a trois objectifs est proposé pour la conception de CI : la topologie du réseau et l'allocation des capacités de liaison sont optimisées minimisant la demande non fournie et la complexité structurelle du système, et en même temps maximisant la contrôlabilité du système. Une investigation approfondie sur les multiples objectifs considérés est effectuée pour tirer des informations utiles pour la conception du système. Les résultats de cette thèse démontrent l'importance de développer du cadre d'analyse des CIs considérant de plusieurs perspectives pertinentes pour la conception, l'opération et la protection des CIs.

Teleoperation represents a crucial aspect of collaborative robotics by securing the human operator on a distant work station. In this context, the design of a versatile haptic device is a major concern and should lead to an accurate and robust interface between human and machines.The thesis aims at developing a new haptic device with six active degrees of freedom suitable for various uses. This manuscript focuses on the creation of a novel mechanism, explains technical and design choices, and describes the experimental validation of the new haptic device, the Delthaptic.A systematic mechatronic design strategy structures the development of the Delthaptic. After a review on existing haptic devices, the design requirements are defined with respect to human sensorimotor performances. During the structural design stage, an original architecture is proposed which couples two Delta robots in-parallel to the end-effector, a handle on a screw joint. This new device ensures a large and singularity-free workspace while keeping the benefits of parallel mechanisms. The parameters of the structure and the actuation are set through a multi-objective optimization process to provide a high transparency. A prototype of the Delthaptic was built and implemented into the laboratory robotic platform to achieve different remote tasks. Experimental tests demonstrate the dynamic performances and the ability of the prototype to constitute a versatile haptic device. The Delthaptic can teleoperate industrial robots, collaborative robots, or interact with a virtual environment in real-time., La téléopération est une composante essentielle de la robotique collaborative, sécurisant l'opérateur sur un poste de contrôle à distance. Dans ce contexte, la conception d'un dispositif haptique polyvalent, interface Homme/machine fidèle et robuste, constitue un challenge majeur.La thèse vise à développer un nouveau dispositif haptique à six degrés de liberté actifs, adapté à différentes applications. La construction du nouveau mécanisme, les choix technologiques de conception et la validation expérimentale du dispositif font l'objet de ce manuscrit.Les travaux s'articulent autour d'une stratégie systématique de conception mécatronique. Après un état de l'art des dispositifs polyvalents existants, les exigences fonctionnelles sont définies en accord avec les performances sensorimotrices humaines. Une phase de conception structurelle mène à l'élaboration d'une architecture originale, couplant deux robots Delta en parallèle à l'effecteur, une poignée sur liaison hélicoïdale. Ce dispositif innovant, le Delthaptic, permet d'atteindre un large espace de travail sans singularité, tout en conservant les avantages des mécanismes parallèles. La structure et l'actionnement du Delthaptic sont ensuite optimisés pour offrir une grande transparence à l'opérateur. Un prototype de l'interface haptique a été fabriqué et ses performances dynamiques ont été identifiées expérimentalement. Le Delthaptic est intégré au sein de la plateforme collaborative multirobot du laboratoire sur différentes applications, validant ainsi son bon fonctionnement et ses aptitudes comme dispositif haptique. Il peut piloter des robots industriels et collaboratifs, ou interagir avec un environnement virtuel en temps réel.

The integration of the research of energy efficiency into urban development projects is essential in the current context of energy and environmental transition. In order to reduce the energy footprint of a district already starting from the design phase, a set of contributions was elaborated to support the planners in this process. The DIMOSIM simulation platform (DIstrict MOdeller and SIMulator) has been developed to dynamically model and simulate the energy flows of a district located within its urban environment. The design of the district is optimized using a multi-objective procedure combining energy, economic and environmental aspects to ensure the best overall performance. A cross-cutting, multi-level approach integrating the NSGA-II genetic algorithm was implemented in order to adapt the procedure to the specificities of the problem. The selection of the preferred solution is then facilitated by the use of a multicriteria analysis method which was developed to provide a detailed evaluation of the different concepts : the outranking method ATLAS (Assistance TooL for decision support to assessment And Sort). Finally, the complete procedure dedicated to the district energy system design was applied to eco-district projects in order to validate its correct operation and also to provide the necessary support to decision-makers.; L’intégration de la recherche d’efficacité énergétique aux projets d’aménagement urbain est essentielle au vu du contexte actuel de transition énergétique et environnementale. Dans le but de réduire l’empreinte énergétique d’un quartier dès la phase de conception, un ensemble de contributions a été réalisé afin d’accompagner les aménageurs dans cette démarche. La plateforme de simulation DIMOSIM (DIstrict MOdeller and SIMulator) a été développée pour modéliser et simuler dynamiquement les flux énergétiques d’un quartier implanté au sein de son environnement urbain. La conception est optimisée à l’aide d’une procédure multiobjectif combinant les aspects énergétiques, économiques et environnementaux pour garantir la meilleure performance globale. Cette approche transversale est multi-étagée et intègre l’algorithme génétique NSGA-II afin de s’adapter aux spécificités du problème. La sélection de la solution préférentielle est ensuite facilitée par l’utilisation d’une méthode d’analyse multicritère de surclassement qui a été conçue dans le but de fournir une évaluation détaillée des différents concepts : la méthode ATLAS (Assistance TooL for decision support to Assess and Sort). Enfin, la procédure complète d’accompagnement a été appliquée à des projets de conception d’écoquartier pour en valider le fonctionnement mais également pour fournir l’aide à la décision nécessaire aux décideurs.

The content of this thesis is divided into two parts. The first part of the thesis deals with the study of heuristic based approaches for the approximation Pareto fronts. We propose a new Double Archive Pareto local search algorithm for solving multi-objective combinatorial optimization problems. We embed our technique into a genetic framework where our algorithm restarts with the set of new solutions formed by recombination and mutation of solutions found in the previous run. This method improves upon the existing Pareto local search algorithm for bi-objective and tri-objective quadratic assignment problem.In the second part of the thesis, we focus on non-preemptive scheduling algorithms. Here, we study the online problem of minimizing maximum stretch on a single machine. We present both positive and negative theoretical results. Then, we provide an optimally competitive semi-online algorithm. Furthermore, we study the problem of minimizing stretch on a single machine in a recently proposed rejection model. We show that there exists an O(1)-approximation ratio for minimizing average stretch. We also show that there exists an O(1)-approximation ratio for minimizing average flow time on a single machine. Lastly, we study the weighted average flow time minimization problem in online settings. We present a mathematical programming based framework that unifies multiple resource augmentation. Using the concept of duality, we show that there exists an O(1)-competitive algorithm for solving the weighted average flow time problem on unrelated machines. Furthermore, we proposed that this idea can be extended to minimizing l_k norms of weighted flow problem on unrelated machines., Le contenu de cette thèse est divisé en deux parties. La première partie de cette thèse porte sur l'étude d'approches heuristiques pour approximer des fronts de Pareto. Nous proposons un nouvel algorithme de recherche locale pour résoudre des problèmes d'optimisation combinatoire. Cette technique est intégrée dans un modèle opérationnel générique où l'algorithme évolue vers de nouvelles solutions formées en combinant des solutions trouvées dans les étapes précédentes. Cette méthode améliore les algorithmes de recherche locale existants pour résoudre le problème d'assignation quadratique bi- et tri-objectifs.La seconde partie se focalise sur les algorithmes d'ordonnancement dans un contexte non-préemptif. Plus précisément, nous étudions le problème de la minimisation du stretch maximum sur une seule machine pour une exécution online. Nous présentons des résultats positifs et négatifs, puis nous donnons une solution optimale semi-online. Nous étudions ensuite le problème de minimisation du stretch sur une seule machinedans le modèle récent de la réjection. Nous montrons qu'il existe un rapport d'approximation en O(1) pour minimiser le stretch moyen. Nous montrons également qu'il existe un résultat identique pour la minimisation du flot moyen sur une machine. Enfin, nous étudions le problème de la minimisation du somme des flots pondérés dans un contexte online.

This manuscript presents some of my research activities I have conducted as assistant researcher ("maitre de conférences") at the university Nice Sophia Antipolis and at the university Littoral Côte d'Opale since 2006. The synthesis of the presented works is in the field of single- and multi-objective combinatorial optimization using stochastic algorithms (metaheuristics such as evolutionary algorithms, local search algorithms, etc.). In particular, my research work focuses on the model of fitness landscapes, originally designed in the field of complex systems theory, which allows to study the dynamics of optimization algorithms. The main motivation of this work is to understand the relationship between an optimization algorithm and the problem to solve in order to explain and to predict the algorithms performance, and to design new more efficient algorithms based on this understanding.This document is divided in two main parts. The first one is on the local optima network which is a new model of fitness landscapes for the single-objective optimization. New properties of optimization problems are shown, as well as the prediction capacities of performance based on the estimation of these features. The second one is on the multi-objective optimization. The properties of such fitness landscapes are defined, and precisely analyzed with respect to algorithms performance. New multi-objective optimization methods are also proposed. Finally, this document concludes with broad perspectives for the research domain of fitness landscapes and more generally in the field of stochastic optimization.; Ce mémoire présente quelques-unes de mes activités de recherche que j'ai conduites depuis 2006 en tant que maître de conférences à l'Université Nice Sophia Antipolis puis à l'Université du Littoral Côte d'Opale. La synthèse des travaux présentés s'inscrit dans le domaine de l'optimisation mono-objective et multiobjective de problèmes combinatoires par des algorithmes stochastiques du type métaheuristique (algorithmes évolutionnaires, recherches locales, etc.). En particulier, mes travaux portent sur le modèle des paysages de fitness, modèle issu des sciences de la complexité, qui permet étudier la dynamique des algorithmes d'optimisation. La principale motivation de ces travaux est de comprendre la relation entre un algorithme d'optimisation et le problème à résoudre afin d'en expliquer et d'en prédire les performances et de concevoir de nouveaux algorithmes plus efficaces à partir de cette compréhension. Ce manuscrit se compose en deux parties principales. L'une porte sur le réseau des optima locaux qui est un nouveau modèle pour les paysages de fitness en optimisation mono-objective. De nouvelles propriétés des problèmes d'optimisation sont montrées, ainsi que les capacités de prédiction de performance à partir de l'estimation de ces propriétés. L'autre partie porte sur l'optimisation multiobjective. Les propriétés des paysages de fitness sont définies et précisément analysées en rapport avec les performances des algorithmes. De nouvelles méthodes d'optimisation multiobjective sont également proposées. Enfin, ce mémoire se termine par des perspectives pour le domaine des paysages de fitness et plus généralement en optimisation stochastique.

This manuscript presents some of my research activities I have conducted as assistant researcher ("maitre de conférences") at the university Nice Sophia Antipolis and at the university Littoral Côte d'Opale since 2006. The synthesis of the presented works is in the field of single- and multi-objective combinatorial optimization using stochastic algorithms (metaheuristics such as evolutionary algorithms, local search algorithms, etc.). In particular, my research work focuses on the model of fitness landscapes, originally designed in the field of complex systems theory, which allows to study the dynamics of optimization algorithms. The main motivation of this work is to understand the relationship between an optimization algorithm and the problem to solve in order to explain and to predict the algorithms performance, and to design new more efficient algorithms based on this understanding.This document is divided in two main parts. The first one is on the local optima network which is a new model of fitness landscapes for the single-objective optimization. New properties of optimization problems are shown, as well as the prediction capacities of performance based on the estimation of these features. The second one is on the multi-objective optimization. The properties of such fitness landscapes are defined, and precisely analyzed with respect to algorithms performance. New multi-objective optimization methods are also proposed. Finally, this document concludes with broad perspectives for the research domain of fitness landscapes and more generally in the field of stochastic optimization.; Ce mémoire présente quelques-unes de mes activités de recherche que j'ai conduites depuis 2006 en tant que maître de conférences à l'Université Nice Sophia Antipolis puis à l'Université du Littoral Côte d'Opale. La synthèse des travaux présentés s'inscrit dans le domaine de l'optimisation mono-objective et multiobjective de problèmes combinatoires par des algorithmes stochastiques du type métaheuristique (algorithmes évolutionnaires, recherches locales, etc.). En particulier, mes travaux portent sur le modèle des paysages de fitness, modèle issu des sciences de la complexité, qui permet étudier la dynamique des algorithmes d'optimisation. La principale motivation de ces travaux est de comprendre la relation entre un algorithme d'optimisation et le problème à résoudre afin d'en expliquer et d'en prédire les performances et de concevoir de nouveaux algorithmes plus efficaces à partir de cette compréhension. Ce manuscrit se compose en deux parties principales. L'une porte sur le réseau des optima locaux qui est un nouveau modèle pour les paysages de fitness en optimisation mono-objective. De nouvelles propriétés des problèmes d'optimisation sont montrées, ainsi que les capacités de prédiction de performance à partir de l'estimation de ces propriétés. L'autre partie porte sur l'optimisation multiobjective. Les propriétés des paysages de fitness sont définies et précisément analysées en rapport avec les performances des algorithmes. De nouvelles méthodes d'optimisation multiobjective sont également proposées. Enfin, ce mémoire se termine par des perspectives pour le domaine des paysages de fitness et plus généralement en optimisation stochastique.

In order to cool aero-engine combustion chambers as efficiently as possible, there is today a special interest given to transpiration cooling technology. The cooling air flows through a porous liner in which a large amount of heat can be exchanged by convection. The air injection could then take benefit of the pore distribution to form a more homogeneous protective boundary layer.Partially sintered metallic materials are potential candidates to form these porous liners. The present work focuses on internal heat transfers. It aims to develop a methodology capable of highlighting the most adapted partially sintered architectures to this kind of application.During transpiration cooling, flows and heat transfers are governed by some effective material properties which depends on the porous architecture: the effective solid phase thermal conductivity, the volumetric heat transfer coefficient and the permeability properties. Thanks to experimental works and numerical studies on samples digitized by X-ray tomography, simple relationships are first developed between the effective material properties of partially sintered materials and their architectural parameters. The porosity, the specific surface area and the powder type are selected to predict the effective properties.These relationships are finally integrated into a heat transfer model predicting the thermal performance of a design at working engine conditions. A multi-objective optimization and an analysis of the optimal designs highlight some architectures as being potentially interesting for transpiration cooling. Materials with a low porosity and made of large irregular powders seem to ensure the best trade-off among the different criteria taken into consideration., Dans l’optique de refroidir les parois des chambres de combustion aéronautiques le plus efficacement possible, un intérêt particulier est aujourd’hui porté à la technologie de refroidissement par transpiration. L’air de refroidissement s’écoule au travers d’une paroi poreuse dans laquelle une grande quantité de chaleur est échangée par convection. L’éjection de l’air profite ensuite de la distribution des pores pour former une couche limite protectrice relativement homogène.Les matériaux métalliques obtenus à partir de poudres partiellement frittées sont de bons candidats pour former ces parois poreuses. Ce travail se focalise sur les échanges internes et consiste à développer une méthodologie permettant de dégager les architectures partiellement frittées les plus adaptées à ce type d’application.L’écoulement et les échanges de chaleur lors du refroidissement par transpiration sont régis par quelques propriétés effectives des matériaux qui sont fonction de l’architecture : la conductivité thermique effective, le coefficient de transfert convectif volumique et les propriétés de perméabilité. A l’aide de travaux expérimentaux ou d’études numériques sur des échantillons numérisés par tomographie aux rayons X, des relations simples entre les propriétés effectives des matériaux partiellement frittés et leurs paramètres architecturaux sont tout d’abord développées. La porosité, la surface spécifique et le type de poudre utilisé sont retenus pour prédire les paramètres effectifs.Ces relations sont finalement intégrées dans un modèle de transfert de chaleur prédisant la performance d’une solution dans les conditions de fonctionnement du moteur. Une optimisation "multi-objectifs" et une analyse des designs optimaux permettent alors de mettre en valeur quelques architectures montrant un fort potentiel pour des applications de refroidissement par transpiration. Des matériaux peu poreux formés à partir de larges poudres irrégulières semblent assurer le meilleur compromis entre tous les critères pris en compte.

The resolution of multi-objective problems under uncertainties in the presence of costly numerical simulations requires the development of parsimonious optimization and uncertainty propagation techniques. Because the aimed application is a transient thermal engineering one, we have also developed spatio-temporal surrogate models.First of all, we study a multi-objective optimization algorithm capable of returning a complete Pareto front by only using few calls to the objective functions. The proposed algorithm is based on Gaussian processes and on the EGO method. In order to return a uniformly discretized Pareto front, the maximization of the multi-objective expected improvement is processed thanks to the NSGA-II genetic algorithm, applied on the Kriging prediction of the objectives. In particular, this allows to improve the input space exploration ability of the method.The optimization problem under uncertainties is then studied by considering the worst case and a probabilistic robustness measure. The worst case strategy considers the maximum of the value attained by the objective function, no matter the value taken by the uncertainties. Less conservative solutions can be found with a probabilistic criterion. Among these, the superquantile also gives an information on the weight of the distribution tail by integrating every events on which the output value is between the quantile and the worst case.Those risk measures require an important number of calls to the uncertain objective function. This number can be reduced thanks to a coupling with the multi-objective algorithm which enables to reuse previously computed evaluations. Few methods give the possibility to approach the superquantile of the output distribution of costly functions. To this end, we have developed a superquantile estimator based on the importance sampling method and Kriging surrogate models. It enables to approach superquantiles with few error and using a limited number of samples. The application of those two risk measures on the industrial test case has highlighted that a Pareto optimal solution for the worst case may not be Pareto optimal for the superquantile.It has also led to innovative and competitive solutions. In the last part, we build spatio-temporal surrogate models. They are necessary when the execution time of the uncertain objective function is too large. In order to answer to the framework imposed by the transient thermal industrial application, the surrogate model has to be able to predict dynamic, long-term in time and non linear phenomena with few learning trajectories. Recurrent neural network are used and a construction facilitatingthe learning is implemented. It is based on cross validation and on a weights computation performed by multi-level optimization. Sensitivity analysis techniques are also applied to lower the input dimension of the neural network., La résolution d’un problème d’optimisation multi-objectif sous incertitudes en présence de simulations numériques coûteuses nécessite le développement de techniques parcimonieuses en optimisation et en propagation d’incertitudes. L’application visée ici porte sur des phénomènes de thermique transitoire. Dans ce cadre, nous développons également des modèles de substitution spatio-temporels.Dans un premier temps, nous étudions un algorithme multi-objectif capable de restituer une discrétisation régulière du front de Pareto complet tout en nécessitant peu d’appels aux fonctions objectif. L’algorithme proposé est basé sur les processus Gaussiens et la méthode EGO. Pour que les solutions soient bien réparties sur le front de Pareto, la maximisation de l’amélioration espérée multi-objectif est effectuée en utilisant l’algorithme génétique NSGA-II, appliqué à la prédiction par Krigeage des objectifs. Ceci permet en particulier d’améliorer la capacité d’exploration de l’espace des entrées.Le problème d’optimisation sous incertitudes est ensuite étudié en considérant des mesures de robustesse pire cas et probabilistes. L’optimisation pire cas considère la valeur maximum atteinte par la fonction objectif quelle que soit la valeur prise par les aléas. Des solutions moins conservatives peuvent être obtenues avec un critère probabiliste. Parmi ceux-ci, le superquantile, en intégrant tous les évènements pour lesquels la valeur de la sortie se trouve entre le quantile et le pire cas, fournit aussi une information sur le poids de la queue de distribution. Ces mesures de risque nécessitent un grand nombre d’appels à la fonction objectif incertaine. Ce nombre peut être réduit à l’aide d’un couplage avec l’algorithme multi-objectif, ce qui permet la réutilisation des évaluations déjà réalisées.Peu de méthodes permettent de calculer le superquantile de la distribution de la sortie de fonctions coûteuses. Nous développons un estimateur du superquantile basé sur une méthode d’échantillonnage préférentiel et le Krigeage. Il permet d’approcher les superquantiles avec une faible erreur et une taille d’échantillon limitée. L’application de ces deux mesures de risque au cas industriel a mis en évidence qu’une solution Pareto-optimale pour le pire cas ne l’est pas forcément pour le superquantile et a conduit à des solutions innovantes et performantes.Dans une dernière partie, nous construisons des modèles de substitution spatiotemporels, nécessaires dans le cas où le temps d’exécution de la fonction objectif incertaine est trop grand. Afin de répondre au cadre imposé par l’applicatif industriel de thermique transitoire, le modèle de substitution doit être capable de prédire des phénomènes dynamiques non-linéaires sur des temps longs et avec peu de trajectoires d’apprentissage. Les réseaux de neurones récurrents sont utilisés et une méthodologie de construction facilitant l’apprentissage est mise en place. Elle est basée sur la validation croisée et un calcul des poids du réseau réalisé par une optimisation multi-niveaux. Des techniques d’analyse de sensibilité sont également appliquées pour diminuer la dimension d’entrée du réseau.

L'objectif de cette thèse est la résolution d’un problème d’optimisation multi-objectif sous incertitudes en présence de simulations numériques coûteuses. Une validation est menée sur un cas test de thermique transitoire. Dans un premier temps, nous développons un algorithme d'optimisation multi-objectif basé sur le krigeage nécessitant peu d’appels aux fonctions objectif. L'approche est adaptée au calcul distribué et favorise la restitution d'une approximation régulière du front de Pareto complet. Le problème d’optimisation sous incertitudes est ensuite étudié en considérant des mesures de robustesse pires cas et probabilistes. Le superquantile intègre tous les évènements pour lesquels la valeur de la sortie se trouve entre le quantile et le pire cas mais cette mesure de risque nécessite un grand nombre d’appels à la fonction objectif incertaine pour atteindre une précision suffisante. Peu de méthodes permettent de calculer le superquantile de la distribution de la sortie de fonctions coûteuses. Nous développons donc un estimateur du superquantile basé sur une méthode d'échantillonnage préférentiel et le krigeage. Il permet d’approcher les superquantiles avec une faible erreur et une taille d’échantillon limitée. De plus, un couplage avec l’algorithme multi-objectif permet la réutilisation des évaluations. Dans une dernière partie, nous construisons des modèles de substitution spatio-temporels capables de prédire des phénomènes dynamiques non linéaires sur des temps longs et avec peu de trajectoires d’apprentissage. Les réseaux de neurones récurrents sont utilisés et une méthodologie de construction facilitant l’apprentissage est mise en place. This work aims at solving multi-objective optimization problems in the presence of uncertainties and costly numerical simulations. A validation is carried out on a transient thermal test case. First of all, we develop a multi-objective optimization algorithm based on kriging and requiring few calls to the objective functions. This approach is adapted to the distribution of the computations and favors the restitution of a regular approximation of the complete Pareto front. The optimization problem under uncertainties is then studied by considering the worst-case and probabilistic robustness measures. The superquantile integrates every event on which the output value is between the quantile and the worst case. However, it requires an important number of calls to the uncertain objective function to be accurately evaluated. Few methods give the possibility to approach the superquantile of the output distribution of costly functions. To this end, we have developed an estimator based on importance sampling and kriging. It enables to approach superquantiles with little error and using a limited number of samples. Moreover, the setting up of a coupling with the multi-objective algorithm allows to reuse some of those evaluations. In the last part, we build spatio-temporal surrogate models capable of predicting non-linear, dynamic and long-term in time phenomena by using few learning trajectories. The construction is based on recurrent neural networks and a construction facilitating the learning is proposed.

This research focuses on the systematic synthesis and optimization of digital RST structure based controllers thanks to global metaheuristics approaches. The classic and hard problems of closed-loop poles placement and sensitivity functions shaping of RST control are well formulated as constrained multi-objective problems to be solved with proposed metaheuristics algorithms NSGA-II, MODE, MOPSO and especially epsilon-MOPSO. Two formulations of the metaheuristics-tuned RST problem have been proposed. The first one, which is given in the time domain, deals with the minimization of several performance criteria like the Integral Square Error (ISE) and the Maximum Overshoot (MO) indices. These optimal criteria, related primarily to the step response of the controlled plant, are optimized under non-analytical constraints defined by temporal templates on the closed-loop dynamics. In the second approach, a formulation in the frequency domain is retained. The proposed strategy aims to optimize a desired output sensitivity function satisfying H∞ robustness constraints. The use of a suitable fixed part of the optimized output sensitivity function will provide partial pole placement of the closed-loop dynamics of the digital RST controller. The opposite of such desired sensitivity function will define the associated H∞ weighting filter. The Multi-Objective Particle Swarm Optimization (MOPSO) technique is particularly retained for the resolution of all formulated multi-objective RST control problems. An adaptive grid based MOPSO algorithm is firstly proposed and then improved based on the epsilon-dominance concepts. Such proposed epsilon-MOPSO algorithm, with a good diversity of the provided Pareto solutions and fast convergence time, showed a remarkable superiority compared to the standard MOPSO, NSGA-II and MODE algorithms. Performance metrics, such as generational distance, error rate and spacing, are presented for the statistical analysis of the achieved multi-optimization results. An application to the variable speed RST control of an electrical DC drive is performed, also for the RST position control of a flexible transmission plant with varying loads. Demonstrative simulations and comparisons are carried out in order to show the validity and the effectiveness of the proposed metaheuristics-based tuned RST control approach, which is formulated in the multi-objective optimization framework, Ces travaux de recherche portent sur la synthèse systématique et l’optimisation de correcteurs numériques à structure polynomiale RST par approches métaheuristiques. Les problèmes classiques de placement de pôles et de calibrage des fonctions de sensibilité de la boucle fermée RST sont formulés sous forme de problèmes d’optimisation multi-objectif sous contraintes pour lequel des algorithmes métaheuristiques de type NSGA-II, MODE, MOPSO et epsilon-MOPSO sont proposés et adaptés. Deux formulations du problème de synthèse RST ont été proposées. La première approche, formulée dans le domaine temporel, consiste à minimiser des indices de performance, de type ISE et MO, issus de la théorie de la commande optimale et liés essentiellement à la réponse indicielle du système corrigé. Ces critères sont optimisés sous des contraintes non analytiques définis par des gabarits temporels sur la dynamique de la boucle fermée. Dans la deuxième approche de synthèse RST, une formulation dans le domaine fréquentiel est retenue. La stratégie proposée consiste à définir et calculer une fonction de sensibilité de sortie désirée en satisfaisant des contraintes de robustesse de H∞. L’utilisation de parties fixes dans la fonction de sensibilité de sortie désirée assurera un placement partiel des pôles de la boucle fermée RST. L’inverse d’une telle fonction de sensibilité désirée définira le filtre de pondération H∞ associé. Un intérêt particulier est porté à l’approche d’optimisation par essaim particulière PSO pour la résolution des problèmes multi-objectif de commande reformulés. Un algorithme MOPSO à grille adaptative est proposé et puis perfectionné à base des concepts de l’epsilon-dominance. L’algorithme epsilon-MOPSO obtenu a montré, par comparaison avec les algorithmes MOPSO, NSGA-II et MODE, des performances supérieures en termes de diversité des solutions de Pareto et de rapidité en temps de convergence. Des métriques de type distance générationnelle, taux d’erreurs et espacement sont toutefois considérées pour l’analyse statistique des résultats de mise en œuvre obtenus. Une application à la commande en vitesse variable d’un moteur électrique DC est effectuée, également pour la commande en position d’un système de transmission flexible à charges variables. La mise en œuvre par simulations numériques sur les procédés considérés est également présentée dans le but de montrer la validité et l’efficacité de l’approche de commande optimale RST proposée

Carpooling is presented as an alternative transport solution that comes treat environmental image, economic and societal personal car. The dynamic carpooling problem is to develop real-time optimized touring vehicles to better respond to the instantaneous transport demands.Our work belongs within this context, where optimization and real time are the key words. Given the exponential complexity of the dynamic ridematching problem, we opt for the approximate methods to solve it. We present our first contribution by proposing a metaheuristic based on the multi-criteria tabu search. The proposed algorithm employs an explicit memory system and several searching strategies developed to avoid the entrapment by local solutions. Afterward, we introduce our second contribution which is in the form of an evolutionary approach supported by a dynamic coding and based on controlled genetic operators. However, the exponential complexity of the problem leads us to consider that a simple metaheuristics is not sufficient to solve effectively the problem of dynamic ridematching. It is with this in mind that we are unveiling our third solving methodology by developing an original evolutionary approach in which chromosomes are defined as autonomous and intelligent agents. Thanks to an accurate protocol negotiation, the Chromosomes Agents can control the genetic operators and guide search for finding optimal solutions within a reasonable period of time. With the prospect of a better combination between carpooling and other modes of transport, we design a system called DyCOS, integrating our approaches and applications dedicated to solving the problem of dynamic ridesharing.; Le covoiturage se présente comme une solution de transport alternative qui vient soigner l’image environnementale, économique et sociétale de la voiture personnelle. Le problème du covoiturage dynamique consiste à élaborer en temps réel des tournées de véhicules optimisés, afin de répondre au mieux aux demandes instantanées de transport.C’est dans ce cadre que s’inscrivent nos travaux où l’optimisation et le temps réel sont les maître-mots. Étant donné la complexité exponentielle du problème, nous optons pour des méthodes approximatives pour le résoudre. Nous présentons notre première contribution en proposant une métaheuristique basée sur la recherche tabou. L'algorithme utilise un système de mémoire explicite et plusieurs stratégies de recherches développées pour éviter le piégeage par des optimums locaux. Ensuite, nous introduisons notre deuxième contribution qui se présente sous la forme d’une approche évolutionnaire supportée par un codage dynamique et basée sur des opérateurs génétiques contrôlés. La complexité exponentielle du problème nous amène à dévoiler notre troisième méthodologie, en proposant une approche évolutionnaire originale dans laquelle les chromosomes sont définis comme des agents autonomes et intelligents. Grâce à un protocole de négociation puissant, les Agents Chromosomes gèrent les opérateurs génétiques et orientent la recherche afin de trouver des solutions optimales dans un temps de calcul réduit. Dans la perspective d’une meilleure combinaison entre le covoiturage et les autres modes de transport, nous concevons un système baptisé DyCOS, intégrant nos approches et applications dédiées à la résolution du problème du covoiturage dynamique.

This research focuses on the systematic synthesis and optimization of digital RST structure based controllers thanks to global metaheuristics approaches. The classic and hard problems of closed-loop poles placement and sensitivity functions shaping of RST control are well formulated as constrained multi-objective problems to be solved with proposed metaheuristics algorithms NSGA-II, MODE, MOPSO and especially epsilon-MOPSO. Two formulations of the metaheuristics-tuned RST problem have been proposed. The first one, which is given in the time domain, deals with the minimization of several performance criteria like the Integral Square Error (ISE) and the Maximum Overshoot (MO) indices. These optimal criteria, related primarily to the step response of the controlled plant, are optimized under non-analytical constraints defined by temporal templates on the closed-loop dynamics. In the second approach, a formulation in the frequency domain is retained. The proposed strategy aims to optimize a desired output sensitivity function satisfying H∞ robustness constraints. The use of a suitable fixed part of the optimized output sensitivity function will provide partial pole placement of the closed-loop dynamics of the digital RST controller. The opposite of such desired sensitivity function will define the associated H∞ weighting filter. The Multi-Objective Particle Swarm Optimization (MOPSO) technique is particularly retained for the resolution of all formulated multi-objective RST control problems. An adaptive grid based MOPSO algorithm is firstly proposed and then improved based on the epsilon-dominance concepts. Such proposed epsilon-MOPSO algorithm, with a good diversity of the provided Pareto solutions and fast convergence time, showed a remarkable superiority compared to the standard MOPSO, NSGA-II and MODE algorithms. Performance metrics, such as generational distance, error rate and spacing, are presented for the statistical analysis of the achieved multi-optimization results. An application to the variable speed RST control of an electrical DC drive is performed, also for the RST position control of a flexible transmission plant with varying loads. Demonstrative simulations and comparisons are carried out in order to show the validity and the effectiveness of the proposed metaheuristics-based tuned RST control approach, which is formulated in the multi-objective optimization framework, Ces travaux de recherche portent sur la synthèse systématique et l’optimisation de correcteurs numériques à structure polynomiale RST par approches métaheuristiques. Les problèmes classiques de placement de pôles et de calibrage des fonctions de sensibilité de la boucle fermée RST sont formulés sous forme de problèmes d’optimisation multi-objectif sous contraintes pour lequel des algorithmes métaheuristiques de type NSGA-II, MODE, MOPSO et epsilon-MOPSO sont proposés et adaptés. Deux formulations du problème de synthèse RST ont été proposées. La première approche, formulée dans le domaine temporel, consiste à minimiser des indices de performance, de type ISE et MO, issus de la théorie de la commande optimale et liés essentiellement à la réponse indicielle du système corrigé. Ces critères sont optimisés sous des contraintes non analytiques définis par des gabarits temporels sur la dynamique de la boucle fermée. Dans la deuxième approche de synthèse RST, une formulation dans le domaine fréquentiel est retenue. La stratégie proposée consiste à définir et calculer une fonction de sensibilité de sortie désirée en satisfaisant des contraintes de robustesse de H∞. L’utilisation de parties fixes dans la fonction de sensibilité de sortie désirée assurera un placement partiel des pôles de la boucle fermée RST. L’inverse d’une telle fonction de sensibilité désirée définira le filtre de pondération H∞ associé. Un intérêt particulier est porté à l’approche d’optimisation par essaim particulière PSO pour la résolution des problèmes multi-objectif de commande reformulés. Un algorithme MOPSO à grille adaptative est proposé et puis perfectionné à base des concepts de l’epsilon-dominance. L’algorithme epsilon-MOPSO obtenu a montré, par comparaison avec les algorithmes MOPSO, NSGA-II et MODE, des performances supérieures en termes de diversité des solutions de Pareto et de rapidité en temps de convergence. Des métriques de type distance générationnelle, taux d’erreurs et espacement sont toutefois considérées pour l’analyse statistique des résultats de mise en œuvre obtenus. Une application à la commande en vitesse variable d’un moteur électrique DC est effectuée, également pour la commande en position d’un système de transmission flexible à charges variables. La mise en œuvre par simulations numériques sur les procédés considérés est également présentée dans le but de montrer la validité et l’efficacité de l’approche de commande optimale RST proposée

This manuscript presents some of my research activities I have conducted as assistant researcher ("maitre de conférences") at the university Nice Sophia Antipolis and at the university Littoral Côte d'Opale since 2006. The synthesis of the presented works is in the field of single- and multi-objective combinatorial optimization using stochastic algorithms (metaheuristics such as evolutionary algorithms, local search algorithms, etc.). In particular, my research work focuses on the model of fitness landscapes, originally designed in the field of complex systems theory, which allows to study the dynamics of optimization algorithms. The main motivation of this work is to understand the relationship between an optimization algorithm and the problem to solve in order to explain and to predict the algorithms performance, and to design new more efficient algorithms based on this understanding.This document is divided in two main parts. The first one is on the local optima network which is a new model of fitness landscapes for the single-objective optimization. New properties of optimization problems are shown, as well as the prediction capacities of performance based on the estimation of these features. The second one is on the multi-objective optimization. The properties of such fitness landscapes are defined, and precisely analyzed with respect to algorithms performance. New multi-objective optimization methods are also proposed. Finally, this document concludes with broad perspectives for the research domain of fitness landscapes and more generally in the field of stochastic optimization., Ce mémoire présente quelques-unes de mes activités de recherche que j'ai conduites depuis 2006 en tant que maître de conférences à l'Université Nice Sophia Antipolis puis à l'Université du Littoral Côte d'Opale. La synthèse des travaux présentés s'inscrit dans le domaine de l'optimisation mono-objective et multiobjective de problèmes combinatoires par des algorithmes stochastiques du type métaheuristique (algorithmes évolutionnaires, recherches locales, etc.). En particulier, mes travaux portent sur le modèle des paysages de fitness, modèle issu des sciences de la complexité, qui permet étudier la dynamique des algorithmes d'optimisation. La principale motivation de ces travaux est de comprendre la relation entre un algorithme d'optimisation et le problème à résoudre afin d'en expliquer et d'en prédire les performances et de concevoir de nouveaux algorithmes plus efficaces à partir de cette compréhension. Ce manuscrit se compose en deux parties principales. L'une porte sur le réseau des optima locaux qui est un nouveau modèle pour les paysages de fitness en optimisation mono-objective. De nouvelles propriétés des problèmes d'optimisation sont montrées, ainsi que les capacités de prédiction de performance à partir de l'estimation de ces propriétés. L'autre partie porte sur l'optimisation multiobjective. Les propriétés des paysages de fitness sont définies et précisément analysées en rapport avec les performances des algorithmes. De nouvelles méthodes d'optimisation multiobjective sont également proposées. Enfin, ce mémoire se termine par des perspectives pour le domaine des paysages de fitness et plus généralement en optimisation stochastique.

Cogeneration systems (CS) are largely defined by the simultaneous or coincident production of combined heat and power. The idea of cogeneration is of particular importance since it is a tool for reducing greenhouse gases emissions. As electrical systems have been developed according to the fuel and energy use, the CS have been developed to profit from the possible potential of the fuel energy to produce electricity and heat. Decentralization of power generation is considered an important fact. The maximum use of electricity from renewable sources or cogeneration systems, has leaded to the decentralization of power generation.This thesis is applied to the Lebanese electrical system. It is used to assess the optimum cogeneration power to be installed by the public sector or the private sector, as well as highlighting the economic and environmental impacts due to the integration of the CS and renewables into the grid. In this thesis, we focused on the integration of cogeneration systems into a grid. We worked on two major themes and have applied them to the case of the Lebanese electrical grid. The first main theme is the innovation of a new decision making strategy to find the cogeneration power respecting the economy and the environment. The second main theme is the optimization and the control of the electrical grid due to the integration of renewable energy (RE) and CS. The two themes cited are then applied to the case of the Lebanese electrical grid to show the benefits of the integration of RE and CS into this grid.; Les systèmes de cogénération (SC) sont largement définis par la production simultanée ou coïncidente de la production combinée de chaleur et d'électricité. L’idée de la cogénération revêt une importance particulière puisqu’elle est un outil de réduction des émissions à effet de serre. Comme les systèmes électriques ont été développés selon les carburants et leur utilisation énergétique, de même, les SC ont été développés afin d'utiliser l'énergie possible du carburant pour produire de l’électricité et de la chaleur. La décentralisation de la production électrique est désormais un événement existant. La favorisation maximale de l’électricité d’origine renouvelable ou des systèmes de cogénération, a abouti à cette décentralisation formant une partie de la production électrique. Cette thèse est appliquée au cas du système électrique libanais. Elle sert à évaluer la puissance optimale de cogénération qui doit être installée par le secteur public ou le secteur privé, ainsi que la mise en évidence des impacts économiques et environnementaux dus à l’intégration des SC et des énergies renouvelables dans le réseau. Dans ce travail de thèse, nous nous sommes intéressés à l’intégration des systèmes de cogénération dans un réseau électrique. Nous avons travaillé sur deux thèmes principaux et les avons appliqués au cas du réseau électrique libanais. Le premier thème principal est l’innovation d’une stratégie de prise de décision qui sert à trouver une puissance de cogénération respectant l’économie et l’environnement. Le second thème principal est l’optimisation et le contrôle du réseau électrique en fonction des énergies renouvelables (ER) et des SC intégrés. Les deux thèmes cités sont ensuite appliqués au cas du réseau électrique libanais pour montrer les avantages de l’intégration des SC et des ER dans ce réseau.

The societal and environmental context in France and Europe during the last few years has been largely favorable to the electrification of transportation means, mainly vehicles, in order to reduce CO2 emissions. The authorities are working hard to make the electrified vehicles more affordable, by providing substantial premiums during the purchase of “clean” vehicles. For their part, the automakers are looking to reduce the cost of electric and hybrid electric vehicles by offering technical solutions that can reduce the manufacturing cost of the car components, mainly batteries, thermal and electric motors, while ensuring high performances. The main objective of this thesis is to study and realize an electric machine, which satisfies very restrictive specifications in terms of axial size and torque density in order to be used as a traction motor for a hybrid electric vehicle. In addition, this machine must be innovative, with a high reliability, low cost and automated manufacturing process. Thus, a state of art about the various electric machines has been achieved. Depending on the requirements of our application, an axial flux machine with buried permanent magnets and concentrated winding has been selected. Initially, a simplified analytical model has been developed and coupled to an optimization tool. The obtained geometrical and electrical parameters have been adjusted using a numerical model based on the 3D finite element. Various modifications have been applied to the initial machine due to the modification of the geometrical and performance specifications. Electromagnetic performances such as torque and power have been analyzed for various operating points. Losses in the permanent magnets have been calculated using a hybrid numerical 3D model based on the finite difference and finite element, which allows to reduce the computation time compared to transient 3D finite element. In order to validate the different results, a prototype of the machine has been realized. This machine has also been modeled using a quasi-3D magnetic equivalent circuits. This semi-analytical model is generic regarding the geometrical and electrical parameters, with an adaptive discretization. Furthermore, the saturation and the slotting effects have been taken into account. The magnetic flux density, the flux linkage and the electromagnetic torque have been calculated with this model, ensuring high accuracy and reduced time computation compared to 3D finite element.; Le contexte sociétal et environnemental en France et en Europe durant ces dernières années est largement favorable à l’électrification des moyens de transports, principalement les véhicules, afin de réduire les émissions de CO2. Les pouvoirs publics déploient d’importants efforts afin de rendre les véhicules électrifiés plus accessibles aux citoyens, en octroyant des primes conséquentes lors de l’achat de véhicules « propres ». De leur côté, les constructeurs automobiles cherchent à diminuer le coût des véhicules électriques et hybrides en proposant des solutions techniques pouvant réduire le coût de fabrication des organes, principalement les batteries, les moteurs thermiques et électriques, tout en assurant des performances élevés. L’objectif principal de cette thèse est d’étudier et de réaliser une machine électrique répondant à un cahier des charges très contraignant en termes d’encombrement axial et de densité de couple pour une application comme moteur de traction d’un véhicule hybride. De plus, cette machine doit être innovante, robuste et dont le procédé de fabrication est automatisable et à faible coût. Ainsi, un état de l’art élargi sur les différentes machines électriques a été effectué. En fonction des exigences liées à notre application, une machine à flux axial à aimants permanents enterrés à bobinage concentrique a été choisie.Initialement, un modèle analytique simplifié a été établi et couplé à un outil d’optimisation. Les paramètres géométriques et électriques obtenus ont été alors réajustés en utilisant un modèle numérique basé sur les éléments finis 3D. Différentes modifications ont été apportées à cette machine initiale en raison de l’évolution du cahier des charges des performances et des contraintes géométriques. Les grandeurs électromagnétiques telles que le couple et la puissance ont été analysées pour différents points de fonctionnement. Les pertes dans les aimants permanents ont été calculées en développant un modèle numérique hybride basé sur les différences finies 3D, réduisant ainsi le temps de calcul comparativement aux éléments finis 3D. Afin de valider les différents résultats obtenus, un prototype de la machine a été réalisé. Cette machine a également été modélisée en utilisant les Circuits Equivalents Magnétiques quasi-3D. Ce modèle semi-analytique est générique par rapport aux dimensions géométriques et électriques, avec une discrétisation adaptative. De plus, les effets de denture et de saturation sont pris en compte. Les inductions magnétiques, les flux magnétiques et le couple électromagnétique ont pu être obtenus avec ce modèle, en assurant une bonne précision et un temps de calcul réduit comparativement aux éléments finis 3D.

Design in Civil Engineering is usually performed in a semi-probabilistic way using characteristic values which are associated with partial safety factors. However, this approach doesn’t guarantee the structure robustness with regard to uncertainties that could affect its performance during construction and operation. In this thesis, we propose a decision aid methodology for robust design of steel frame on spread foundations. Soil-structure interaction is taken into consideration in the design process implying that the design choices on foundations influence the design choices on steel frame (and vice versa). The proposed design approach uses multi-objective optimization and decision aid methods in order to obtain the best solution with respect to the decision-maker’s preferences on each criterion. Furthermore, sensitivity analyzes are performed in order to identify and quantify the most influencing uncertainty sources on variability of the structure performances. These uncertainties are modeled as random variables and propagated in the design process using latin hypercube sampling. A part of this dissertation is devoted to the effects of uncertainties involved in soil properties on the structure responses and on the design global approach., La conception des ouvrages en Génie Civil se fait habituellement de manière semi-probabiliste en employant des valeurs caractéristiques auxquelles sont associées des facteurs partiels de sécurité. Toutefois, de telles approches ne permettent pas de garantir la robustesse de l’ouvrage conçu vis-à-vis des sources d’incertitudes susceptibles d’affecter ses performances au cours de sa réalisation et de son fonctionnement. Nous proposons dans ce mémoire une méthodologie d’aide à la décision pour la conception robuste des ouvrages qui est appliquée à une structure métallique reposant sur des fondations superficielles. La conception de cet ouvrage est conduite en intégrant le phénomène d’interaction sol-structure qui implique que les choix de conception faits sur la fondation influencent ceux faits sur la structure supportée (et réciproquement). La démarche de conception proposée fait appel à des outils d’optimisation multi-objectif et d’aide à la décision afin d’obtenir une solution qui offre le meilleur compromis entre l’ensemble des préférences énoncées par le décideur sur chaque critère de conception. Des analyses de sensibilité sont menées parallèlement dans le but d’identifier et de quantifier les sources d’incertitude les plus influentes sur la variabilité des performances de l’ouvrage. Ces sources d’incertitude représentées sous une forme probabiliste sont intégrées dans la procédure de conception et propagées à l’aide d’une méthode d’échantillonnage par hypercube latin. Une partie du mémoire est consacrée à l’analyse des effets de l’incertitude relative à la modélisation des paramètres géotechniques sur la réponse de l’ouvrage et sur la démarche plus globale d’optimisation.