Optimisation multi-objectif de missions de satellites d’observation de la Terre

Cette thèse considère le problème de sélection et d’ordonnancement des prises de vue d’un satellite agile d’observation de la Terre. La mission d’un satellite d’observation est d’obtenir des photographies de la surface de la Terre afin de satisfaire des requêtes d’utilisateurs. Les demandes, émanant de différents utilisateurs, doivent faire l’objet d’un traitement avant transmission d’un ordre vers le satellite, correspondant à une séquence d’acquisitions sélectionnées. Cette séquence doit optimiser deux objectifs sous contraintes d’exploitation. Le premier objectif est de maximiser le profit global des acquisitions sélectionnées. Le second est d’assurer l’équité du partage des ressources en minimisant la différence maximale de profit entre les utilisateurs. Deux métaheuristiques, composées d’un algorithme génétique à clé aléatoire biaisées (biased random key genetic algorithm - BRKGA) et d’une recherche locale multi-objectif basée sur des indicateurs (indicator based multi-objective local search - IBMOLS), sont proposées pour résoudre le problème. Pour BRKGA, trois méthodes de sélection, empruntées à NSGA-II, SMS-EMOA, et IBEA, sont proposées pour choisir un ensemble de chromosomes préférés comme ensemble élite. Trois stratégies de décodage, parmi lesquelles deux sont des décodages uniques et la dernière un décodage hybride, sont appliquées pour décoder les chromosomes afin d’obtenir des solutions. Pour IBMOLS, plusieurs méthodes pour générer la population initiale sont testées et une structure de voisinage est également proposée. Des expériences sont menées sur des cas réalistes, issus d’instances modifiées du challenge ROADEF 2003. On obtient ainsi les fronts de Pareto approximés de BRKGA et IBMOLS dont on calcule les hypervolumes. Les résultats de ces deux algorithmes sont comparésThis thesis considers the selection and scheduling problem of observations for agile Earth observing satellites. The mission of Earth observing satellites is to obtain photographs of the Earth surface to satisfy user requirements. Requests from several users have to be managed before transmitting an order, which is a sequence of selected acquisitions, to the satellite. The obtained sequence must optimize two objectives under operation constraints. The first objective is to maximize the total profit of the selected acquisitions. The second one is to ensure the fairness of resource sharing by minimizing the maximum profit difference between users. Two metaheuristic algorithms, consisting of a biased random key genetic algorithm (BRKGA) and an indicator-based multi-objective local search (IBMOLS), are proposed to solve the problem. For BRKGA, three selection methods, borrowed from NSGA-II, SMS-EMOA, and IBEA, are proposed to select a set of preferred chromosomes to be the elite set. Three decoding strategies, which are two single decoding and a hybrid decoding, are applied to decode chromosomes to become solutions. For IBMOLS, several methods for generating the initial population are tested and the neighborhood structure according to the problem is also proposed. Experiments are conducted on realistic instances based on ROADEF 2003 challenge instances. Hypervolumes of the approximate Pareto fronts are computed and the results from the two algorithms are compare