Thèse en cours

Algorithmes multifidélité pour l'optimisation multidisciplinaire
FR  |  
EN
Auteur / Autrice : Yann David
Direction : Aude Rondepierre
Type : Projet de thèse
Discipline(s) : Mathématiques et Applications
Date : Inscription en doctorat le 01/06/2021
Etablissement(s) : Université de Toulouse (2023-....)
Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications
Partenaire(s) de recherche : Laboratoire : IMT : Institut de Mathématiques de Toulouse
Equipe de recherche : IMT- Equipe Statistique et Optimisation
établissement délivrant conjointement le doctorat : Toulouse, INSA

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Se reposer exclusivement sur les modèles de plus haute précisions pour l'optimisation numérique est très couteux en ressources de calculs. En particulier, l'optimisation multidisciplinaire (MDO), de part la multiplicité des modèles utilisés, alourdis d'autant plus ce coût de calcul. Les méthodes multi fidélités permettent de réduire ce temps de calculs en introduisant des modèles de plus basse précision mais aux temps de calculs réduits. Cependant, l'application des méthodes d'optimisation multi fidélités sur des problèmes de MDO n'est pas directe : - Avec l'augmentation de la multiplicité des disciplines, le nombre de possibilités de création de modèles de plus basse fidélités croît exponentiellement. L'exploration des moyens d'introduction de la multi fidélité dans un processus MDO est l'un des axes majeurs de la recherche. - Pour des modèles multi disciplinaire, la convergence et l'efficacité de tel méthodes n'a pas encore été prouvée et sera donc au cœur de la recherche.