Optimisation multiobjectif Algorithmes Coll. Algorithmes

L'optimisation multiobjectif et ses applications

Les ingénieurs se heurtent quotidiennement, quel que soit leur secteur d'activité, à des problèmes d'optimisation. Il peut s'agir de minimiser un coût de production, d'optimiser le parcours d'un véhicule, d'améliorer les performances d'un circuit électronique, d'affiner un modèle de calcul, de fournir une aide à la décision à des managers, etc. On parle d'optimisation multiobjectif dans les cas complexes où l'on doit optimiser simultanément plusieurs objectifs contradictoires, ce qui amène à choisir une solution de compromis parmi une multitude de solutions possibles.

Un ouvrage de référence illustré d'études de cas

Destiné à tous les ingénieurs confrontés à des problèmes d'optimisation, ainsi qu'aux spécialistes en recherche opérationnelle et en aide à la décision, cet ouvrage présente dans une première partie les principes de l'optimisation multiobjectif en décrivant toutes les méthodes permettant de résoudre ce type de problème. La deuxième partie explique comment évaluer les performances de ces méthodes et choisir la méthode la mieux adaptée à un problème donné. La dernière partie propose trois études de cas réels : optimisation de la simulation numérique d'un processus industriel (CEA), dimensionnement d'un réseau de télécommunication (France Télécom R&D), outil d'aide à la décision pour le traitement d'appels d'offres (EADS).

A qui s'adresse le livre ?

• Aux élèves ingénieurs et étudiants en mathématiques appliquées, algorithmique, sciences de l'ingénieur (électronique, automatique, mécanique), économie (recherche opérationnelle), etc.
• Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes complexes d'optimisation ou d'aide à la décision.

• Méthodes d'optimisation multiobjectif
  • Principes de l'optimisation multiobjectif
  • Méthodes scalaires
  • Méthodes interactives
  • Méthodes floues
  • Méthodes exploitant une métaheuristique
  • Méthodes d'aide à la décision
• Évaluation des méthodes et critères de choix
  • Mesure des performances
  • Fonctions de test
  • Classification des méthodes et critères de choix
• Études de cas
  • Étude de cas n° 1 : qualification d'un modèle numérique pour l'optimisation d'un processus industriel (CEA)
  • Étude de cas n° 2 : dimensionnement d'un réseau télécoms (France Télécom R&D)
  • Étude de cas n° 3 : aide à la décision pour le traitement d'appels d'offres (EADS Launch Vehicules)

Patrick Siarry est ingénieur de Supélec et professeur à l'université Paris XII Val-de-Marne, où il dirige des travaux de recherche sur les méthodes heuristiques récentes pour l' « optimisation difficile ».

Diplômé de l'ENS de Cachan, Yann Collette prépare une thèse de doctorat sur l'optimisation multiobjectif dans le cadre d'un projet de recherche et développement chez EDF.