Amélioration et application d’une approche d’optimisation inspirée de la nature aux problèmes d’ingénierie

Abstract

Les métaheuristiques sont des algorithmes génériques,souvent inspirés de la nature,conçues pour résoudre des problèmes d’optimisation complexes.Parmi les métaheuristiques les plus récentes, nous retenons celles basées sur la théorie de groupe telle que l’algorithme Salp Swarm (SSA) et l’algorithme d’optimisation Grasshopper (GOA).Dans ce travail,nous considérons à la fois les problèmes d’optimisation mono et multi-objectif à variables continues avec et sans contraintes. Cependant,comme toutes les métaheuristiques,SSA et GOA possèdent des inconvénients tels que la convergence prématurée et le manque de diversité qui peuvent conduire les algorithmes à stagner dans un optimum local. L’objectif de cette thèse est de proposer des mécanismes incorporables à SSA et GOA,pour remédier les inconvénients et d’améliorer les performances et l’efficacité des deux algorithmes. Dans la première partie de cette thèse,nous présentons des généralités sur la théorie des métaheuristiques. Cette partie se concentre sur l’amélioration des deux algorithmes SSA et GOA. Le premier algorithme modifié(ISSA)introduise la technique de Lévy flight et la fonction spirale logarithmique.Un mécanisme de croisement arithmétique est intégré pour obtenir un deuxième nouvel algorithme d’optimisation Grasshopper(IGOA).Les nouvelles versions proposées(ISSA et IGOA)sont testées sur une variété de problèmes d’ingénierie.Les résultats des algorithmes proposés sont plus précis,notamment pour des problèmes multimodaux,qui sont parmi les problèmes les plus difficiles pour de nombreux algorithmes d’optimisation.Dans la deuxième partie de cette thèse, nous proposons une deuxième variante de GOA basé uniquement sur la méthode de Lévy flight (LGOA).Nous évaluons les capacités de l’algorithme LGOA à résoudre des problèmes d’optimisation multi- objectifs du monde réel tels que la minimisation des indices de performance et l’optimisation de la forme d’un objet.Dans un deuxième temps,nous nous focalisons sur l’estimation des paramètres inconnus des modèles photovoltaïques en appliquant une variante de SSA(LSSA)que nous avons développée.Toutes les variantes proposées ont obtenu des résultats compétitifs ou meilleurs que ceux des algorithmes bien établis dans la littérature.