Optimisation multi-objectifs à base de métamodèle pour les procédés de mise en forme

Dans le domaine de mise en forme, la réduction des coûts et l'amélioration des produits sont des défis permanents à relever. Pour ce faire, le procédé de mise en forme doit être optimisé. Optimiser le procédé revient alors à résoudre un problème d'optimisation. Généralement ce problème est un problème d'optimisation multi-objectifs très coûteux en terme de temps de calcul, où on cherche à minimiser plusieurs fonctions coût en présence d'un certain nombre de contraintes. Pour résoudre ce type de problème, on a développé un algorithme robuste, efficace et fiable. Cet algorithme, consiste à coupler un algorithme évolutionnaire avec un métamodèle, c'est-à-dire des approximations des résultats des simulations coûteuses. Dans ce mémoire, on a commencé par la présentation du problème d'optimisation multiobjectifs, des algorithmes d'optimisation (algorithmes évolutionnaires) et des métamodèles les plus utilisés (Chapitre I), où on a choisi l'algorithme génétique élitiste de tri non dominé (NSGA-II) qui sera couplé avec le métamodèle basé sur la méthode de différence finies sans maillage. Ce métamodèle, qui est développé au cours de cette thèse, constitue le continue de Chapitre II. Dans le Chapitre III, on étudie différentes manières de couplage de notre métamodèle avec NSGA-II. Ces couplages, C-Constant, C-Actualisé C-Évolutif-H1 et C-Évolutif-MC, diffèrent par le choix des points maîtres au cours des itérations, le type d'erreur utilisée et l'évolution du métamodèle. Ils sont validés sur plusieurs problèmes tests d'optimisation tels que des problèmes mono-objectif, multi-objectifs, sans contraintes et sous contraintes. Le meilleur couplage, C-Évolutif-MC, est utilisé pour la résolution des problèmes de mise en forme mono et multi-objectifs (Chapitre IV). Les résultats obtenus montrent l'efficacité de notre méthode.PARIS-MINES ParisTech (751062310) / SudocSudocFranceF