Thèse soutenue

Métaheuristiques pour l'optimisation topologique : application à la conception de dispositifs électromagnétiques
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Jonathan Denies
Direction : Hamid Ben AhmedBruno DehezFrançois Glineur
Type : Thèse de doctorat
Discipline(s) : Électronique Électrotechnique Automatique
Date : Soutenance le 10/09/2013
Etablissement(s) : Cachan, Ecole normale supérieure en cotutelle avec École polytechnique (Louvain, Belgique)
Ecole(s) doctorale(s) : École doctorale Sciences pratiques (1998-2015 ; Cachan, Val-de-Marne)
Jury : Président / Présidente : Francis Labrique
Examinateurs / Examinatrices : Bernard Multon, Yves Perriard
Rapporteurs / Rapporteuses : Christophe Espanet, Patrick Siarry

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

L'optimisation topologique est une méthode de conception qui permet de définir de manière autonome la topologie, les formes et les dimensions d'un dispositif en vue de répondre de manière optimale à des critères de design. Initialement réservée au dimensionnement de pièces mécaniques, elle s'oriente aujourd’hui vers la conception de dispositifs plus complexes comme ceux rencontrés dans le domaine de l'électromécanique. C'est dans ce cadre que se situe notre travail. Un outil d'optimisation topologique étant formé de l'association d'un algorithme d'optimisation et d'un formalisme de distribution de matière, nous avons dans une première étape comparé différents couplages d'algorithmes métaheuristiques et de formalismes de distribution de matière en vue de choisir le couple qui semble le mieux adapté au problème traité. Cette comparaison nous a conduits à choisir comme outil d'optimisation l'association d'un algorithme génétique et d'une distribution de matière par cellules de Voronoï. Nous avons ensuite examiné comment améliorer les capacités d'exploration et d'exploitation de cet outil. Nous avons, à cet effet, étudié les aspects liés à la gestion de la taille de la population et à l'adaptation des mécanismes de reproduction au caractère graphique du problème. A l'issue de cette deuxième étape, nous avons finalisé un outil d'optimisation que nous avons testé sur des cas d'étude dont la complexité se rapproche de celle rencontrée au niveau industriel. Nous avons ainsi montré le potentiel de notre outil d'optimisation au niveau de la conception dans le cadre de l'électromécanique.