Les techniques d’optimisation ont pour objectif de réduire la quantité des matériaux utilisés lors des opérations de conception structurelles sans pour autant altérer les exigences imposées par les processus de fabrication, menant ainsi à une réduction de coûts. En plus du coût réduit ainsi que l’impact positif de durabilité résultant de l’optimisation de conception structurelle (Structural Design Optimization, SDO), elle sert aussi d’outil prometteur pour les ingénieurs à développer des conceptions innovantes dans diverses applications structurelles réelles.
Les études antérieures dans le domaine SDO ont été d’un apport considérable dans l’approfondissement de nos connaissances dans ce champ d’intérêt spécifique. Cependant, cette thématique de recherche fait encore l’objet de débats dans ces différents aspects, non seulement sur la façon de réaliser les caractéristiques physiques requises d’une structure, mais aussi, et surtout, sur la possibilité d’atteindre un tel objectif efficacement, et avec un temps de calcul le moins couteux possible. De ce point de vue, certains axes de recherche, potentiellement prometteurs, qui ont été repris de la littérature, ainsi que de nouvelles contributions, ont été traités dans le cadre de la présente thèse.
La revue de littérature portant sur l’optimisation des problèmes de conception structurelle révéle que les algorithmes d’optimisation globale ou ce qui est communément appelé Métaheuristiques (MHs) sont considérés comme étant les meilleures techniques disponibles en mesure de résoudre de tels problèmes complexes d’optimisation. Toutefois, le principal défi de l’ingénieur est de trouver l’algorithme MH qui répond au mieux au problème de conception structurelle qu’il doit solutionner. Malheureusement, les travaux rapportés dans la littérature révèlent le manque d’un modèle d’évaluation systématique qui pourrait aider les ingénieurs à surmonter cette insuffisance. Les mesures les plus communément utilisées actuellement pour la performance des MHs sont les opérateurs statistiques des solutions obtenues tels que : min, max, moyenne et écart type. Cependant, de tels opérateurs ne sont pas assez suffisant pour refléter la performance actuelle des algorithmes MH lorsque ces mesures sont utilisées séparément. Ainsi, un critère d’évaluation adéquat a été développé dans le cadre de ce travail afin d’inclure plus de paramètres efficaces comme la fiabilité pratique, le prix (le coût de calcul), le prix normalisé, le taux de performance, la qualité de la solution et l’analyse Fitness-landscape. De plus, deux différents taux de convergence ont été imposés pour examiner les algorithmes MH pour les taux lent et rapide, ainsi que la reproductibilité des résultats d’expériences numériques considérés lors de procédure d’évaluation des MHs. Récemment, le critère proposé a été utilisé afin de comparer cinq différentes variantes d’optimisation par colonies de fourmis (Ant Colony , ACO). Les démarches proposées ont montré une évaluation comparative efficiente de la performance de l’optimisation par colonies de fourmis.
Plusieurs études ont été menées afin d’améliorer la performance de recherche des techniques MHs, et les résultats ont été prometteurs dans cette direction. Malheureusement, la littérature portant sur l’optimisation de conception structurelle a montré une tendance forte à développer de nouveaux “metaphor” MHs au lieu de procéder à une amélioration de la performance des algorithmes MHs déjà existants, et qui ont une remarquable réputation dans la résolution des problèmes d’optimisation Non-Polynôme (NP) qui sont connus par leur complexité. Cependant, la présente thèse examine d’éventuelles améliorations des caractéristiques de recherche des deux approches MHs sélectionnés moyennant une intégration d’une recherche locale de mouvements à la structure principale de l’algorithme MH afin d’améliorer l’effort d’intensification. Le premier algorithme MH sélectionné est Cuckoo Search (CS), qui est fortement utilisé pour résoudre une variété de problèmes d’optimisation tels que la minimisation pondérée des structures en treillis, Travelling Salesman Problem (TSP),…etc. L’algorithme de recherche Cuckoo (CS) est conçu pour résoudre des problèmes d'optimisation continue sans contrainte comme la plupart des techniques Méta Heuristiques. Par conséquent, le CS original a été adapté et modifié, dans le cadre de cette thèse, pour résoudre des problèmes discrets d'optimisation de conception structurelles, et il est nommé Algorithme de recherche Cuckoo CS adapté (Adapted CS Algorithm, ADCSA). L’effort d’intensification de l’algorithme CS adapté est amélioré à travers quatre différentes recherches locales de mouvements de permutation, d’échange, bit flip et insertion. L’algorithme CS adapté a été appliqué pour résoudre deux problèmes d’optimisation structurelles différents, et les résultats obtenus ont montré que cet algorithme présente de remarquables performances pour l’optimisation de ce type de problèmes. L’autre algorithme MH qui a l’objet d’une amélioration est la variante d’optimisation par colonies de fourmis du cadre Hyper Cube (Hyper Cube Framework, HCFACO), qui a été sélectionnée en se basant sur les résultats de l’étude comparative de cinq différentes variantes mentionnées précédemment. L’augmentation de l’effort d’intensification du ‘HCFACO’ a été réalisée en intégrant deux recherches locales de mouvement d’insertion et de bit flip. La performance de la version améliorée du ‘HCFACO’ appelée ‘EHCFACO’ a été examinée moyennant la résolution de problèmes de référence d’optimisation de conception structurelle, et les résultats ont montré une performance significative de ce dernier comparativement à la version originale du ‘HCFACO’, ainsi qu’aux cinq autres variantes de l’optimisation par colonies de fourmis.
Concernant les différents cadres d’optimisation de conception structurelle, la revue de littérature a révélé que les deux approches déterministe et probabiliste sont communément utilisées. Néanmoins, le manque d’études portant sur les incertitudes de conception en utilisant l’anti optimisation est compréhensible en raison du cout élevé associé à l’analyse de la fonction objective. Cette approche se distingue par deux niveaux, un niveau haut consacré à la phase d’optimisation, et un niveau bas qui a pour objectif l’anti-optimisation de la solution optimale obtenue. Durant ces processus d’optimisation et d’anti-optimisation, un nombre important d’appels de la fonction objective est effectué, ce qui peut présenter un défi majeur pour les problèmes d’optimisation structurelles présentant des fonctions objectives couteuses en termes d’effort de calcul. Cependant, un cadre d’incertitude à cout réel a été développé dans la présente étude. Le cout exorbitant associé à l’évaluation de la fonction objective a été contourné en remplaçant la fonction boite-noir (logiciel d’analyse par éléments finis) par un réseau de neurones artificiel (ANN). La procédure proposée a été appliquée pour optimiser un nouveau cas d’étude d’une plaque composite laminé perforée soumise à des incertitudes sur les conditions de charge et la localisation du centre de découpe. Les résultats obtenus ont montré que l’utilisation de la technique des réseaux de neurones artificiels présente une solution fiable à cout réel pour les problèmes d’optimisation de conception structurelle ayant des fonctions objectives avec un cout de calcul considérable.
En plus des axes de recherche spécifiques mentionnés ci-dessus, d’autres pistes sont apparues durant le déroulement des travaux de cette thèse, tels que l’effet de sélection de la population initiale, la représentation de la solution et la génération adaptative d’une nouvelle solution sur la performance des algorithmes Méta- Heuristiques (MHs). Deux nouveaux exemples d’optimisation de conception structurelle ont aussi été développés pour le cas d’une grue avec une poutre en forme en I et une plaque composite laminée perforée. En général, cette thèse a permis d’améliorer notre compréhension de la façon d’aborder la complexité des problèmes d’optimisation de conception structurelle.
| Date | 10 févr. 2021 |
|---|
| langue originale | Anglais américain |
|---|
| Établissement diplômant | - École de technologie supérieure
|
|---|
| Superviseur | Van Ngan Lê (Directeur(-trice)) & Thien-My Dao (Codirecteur(-trice)) |
|---|