GBNM : un algorithme d'optimisation par recherche directe. Application à la conception de monopalmes de nage

In this work a fixed cost essentially local optimization method, which becomes global if the number of evaluations increases is developed. " Globalization " is achieved by probabilistic restarts based on past searches. An improved Nelder-Mead method is the local optimizer. Improvements concern the variables which are bounded, the nonlinear inequality constraints which are taken into account by adaptive penalization, and the failures by simplex degeneration which are detected and handled through restart. The resulting method is called " Globalized and Bounded Nelder-Mead (GBNM) ". Numerical experiments on multimodal test functions and composite laminated design problems illustrate the performance of the method as compared to an evolutionary optimizer. More complex applications are dealt with GBNM: the flexural stiffness optimization and the identification of the ply drop positions of swimming monofins.Dans ce travail, une méthode d'optimisation à coût fini, essentiellement locale,mais qui devient globale lorsque le nombre d'analyses croît est développée. La ± globalisation α vient de ré-initialisations probabilisées de recherches locales prenant en compte les points de départ et de convergence passés. L'optimiseur local est une version améliorée de la méthode de Nelder-Mead, où les variables sont bornées, où les contraintes d'inégalité sont prises en compte par pénalisation adaptative, et où les dégénérescences du simplexe sont traitées par ré-initialisation. Cette méthode, appelée ± Globalized and Bounded Nelder-Mead α (GBNM), est testée sur des fonctions multimodales et des problèmes de conception de stratifiés composites. Puis, des applications plus complexes sont traitées avec GBNM : l'optimisation de la raideur de flexion et l'identification des positions des sauts de plis de monopalmes de nage