OPTIMISATION MULTI-OBJECTIF : ÉTUDES DE CAS
No Thumbnail Available
Date
2021-09-30
Authors
Aouadj Wafa
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Cette thèse porte sur l’étude d’un problème d’optimisation multi-objectif dans le domaine de la robotique en essaim. La problématique est de concevoir un ou plusieurs modèles comportementaux d’un ensemble d’agents-robots ayant comme tâche le regroupement d’objets, tout en satisfaisants deux objectifs : la maximisation de la qualité du tas formé et la minimisation de l’énergie consommée pour accomplir la tâche. La motivation pour étudier ce cas, en particulier, est de contribuer à ouvrir la voie à la conception d’un système de robots en essaim conscient de l’énergie qu’il consomme tout en fournissant une bonne qualité en termes de la tâche de formation de tas accordée. La contribution comporte trois volets principaux. Le premier concerne la re-modélisation du problème habituel de regroupement d’objets à un seul objectif pour traiter les deux objectifs contradictoires. Un algorithme d’optimisation multi-objectif a été utilisé afin de concevoir l’ensemble des comportements individuels d’agents-robots et analyser le comportement global de l’essaim. Contrairement à d’autres solutions proposées pour résoudre le problème de regroupement d’objets, l’énergie consommée est estimée pendant la phase de conception. En plus, une distinction en termes de la consommation énergétique est faite entre les modèles des comportements qui fournissent la même qualité de regroupement. Enfin, l’énergie consommée pour accomplir la tâche est moins variée d’une expérience à une autre. Dans le deuxième, on s’intéresse à l’analyse du modèle comportemental choisi dans différentes circonstances ; en utilisant ce modèle, la robustesse, la scalabilité et la flexibilité du système sont aussi examinées. La supériorité de l’approche proposée est prouvée en comparant deux modèles comportementaux bi-objectif à un autre mono-objectif. Tandis que, le troisième volet se focalise sur la proposition d’une variante de l’algorithme d’optimisation basé sur l’enseignement-apprentissage pour résoudre ce problème. L’algorithme a montré des performances prometteuses face à un problème multi-objectif discret à grande échelle