Optimisation de processus de constructions : vers une approche basée sur l'ontogénie artificielle

Building processes optimization : toward an artificial ontogeny based approach

• Auteur / Autrice : Alexandre Devert
• Direction : Marc Schoenauer, Nicolas Bredèche
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2009
• Etablissement(s) : Paris 11
• Partenaire(s) de recherche : Autre partenaire : Université de Paris-Sud. Faculté des sciences d'Orsay (Essonne)

Mots clés

Mots clés contrôlés

Algorithmes optimaux

Mots clés libres

Algorithmes évolutionnaires

Représentation

Résumé

Cette thèse est une étude sur les représentations d'objets physiques adéquates pour des algorithmes évolutionnaires. Les algorithmes évolutionnaires sont des algorithmes d'optimisation stochastiques, ne faisant que très peu d'hypothèses sur l'espace de recherche. Ainsi, on peut espérer résoudre avec de tels algorithmes des problèmes de designs d'objets, dans des domaines où on ne peut guère faire mieux que des tâtonnements successifs. Toutefois, les algorithmes évolutionnaires souffrent d'un problème de passage à l'échelle, seuls des problèmes de petite taille sont abordables. Dans cette thèse, est introduit une représentation très compacte d'objets physiques : on optimise des transformations itérées d'objets plutôt que des objets en soi. L'approche est étudiée sur un problème jouet, ce qui a permis de révéler des points essentiels à la mise en oeuvre de l'approche. Un problème plus pratique, l'optimisation de structure métalliques, a permis de vérifier expérimentalement que la nouvelle représentation remplis ces promesses de passage à l'échelle. La thèse conclut sur des pistes possibles pour améliorer l'efficacité computationnelle de l'approche introduite.

This thesis is a study on the representations of physical objects suitable for evolutionary algorithms. Evolutionary algorithms are stochastic optimization algorithms, that do very little assumptions about the search space. Thus, one can hope to solve with such algorithms objects design problems, in areas where you could hardly do better than successive trials and errors. However, evolutionary algorithms suffer from a scalability problem, only small problems can be tackled. Ln this thesis, we introduce a very compact representation of physical objects, the optimization of iterated transformations of objects rather than objects themselves. The approach is studied on a toy problem, which has revealed key points in the implementation of the approach. A more practical problem, the optimization of metallic structure, confirmed experimentally that the new representation was scalable as expected. The thesis concludes with possible ways of improving the computational efficiency of the introduced approach.