Titre : Métamodèles et Optimisation Coûteuse Avec des variables mixtes catégorielles
Début de thèse : 01/11/2021
Fin de thèse : 2024
Résumé : La conception de systèmes industriels complexes donne souvent lieu à un arbitrage entre les
performances techniques espérées du système (ex. : puissance d’un système de production d’énergie,
efficacité d’un réseau de distribution) et le coût économique associé (ex. : coûts de l’investissement
initial, coûts de maintenance, etc.), tout en s’astreignant au respect des contraintes du système (ex :
compatibilité entre composants mis en œuvre, plages de fonctionnement, etc.). Ce problème se formalise
naturellement par un problème d’optimisation sous contrainte G, mettant en œuvre des variables de
décision X et une fonction objectif F.
x❑ ϵarg min F ( x )(1)
xtqG( x )<0
Lorsque la fonction objectif F est coûteuse à calculer (par ex. lorsqu’elle est la résultante d’un code de
calcul complexe) et qu’on ne dispose pas de son expression analytique, recourir aux méthodes classiques
d’optimisation mixte (typiquement les méthodes évolutives ou les méthodes de séparation- évaluation)
peut s’avérer prohibitif ou inadapté.
De plus, il est courant en pratique que les variables d’optimisation (ou plus largement de décision),
regroupées sous la notation X, soient de nature mixte, continue pour les unes et discrète, voire
catégorielle, pour les autres. Par exemple, la conception d’un réseau de neurones implique d’ajuster des
poids continus, de choisir un nombre de neurones par couches cachées, sans parler des choix catégoriels
de la forme des fonctions d’activation ou de l’architecture générale du réseau… parce que l’optimisation
mixte correspond à une formulation très générale de ce type de problèmes, on peut en trouver des
exemples dans des disciplines en apparence aussi diverses que l’ingénierie, les sciences physiques ou
l’apprentissage statistique.
Un tel mélange de variables continues et catégorielles pose de réelles difficultés aux techniques
d’optimisation à base de méta-modèles, que ce soit dans la construction de ce dernier, ou dans le choix
d’une stratégie d’optimisation efficace, les deux problèmes étant intimement liés. En outre, une difficulté
d’ordre plus pratique réside dans le fait que les problèmes d’optimisation mixtes sont en général traités
par des familles distinctes d’approches qui correspondent à des communautés scientifiques également
distinctes. C’est pourquoi l’un des objectifs fondateurs de cette thèse est d’aboutir à une formulation
suffisamment générique du problème d’optimisation mixte, pour pouvoir unifier les approches existantes
en combinant leurs forces
Mots clés :
Date de soutenance prévue : 20/11/2024
Encadrement :
- Directeur de thèse : Rodolphe Le Riche, Directeur de recherche, CNRS, Mines Saint-Étienne, Limos
Partenaires ou/et Financeurs :
Télécharger la thèse :
Objectifs de développement durable concernés :
Publications
- Dans cette thèse, nous traitons des fonctions définies sur des ensembles de vecteurs. Des exemples de telles fonctions sont les simulateurs de production d'électricité basés sur des éoliennes et les critères de planification de plans d'expériences. Nous abordons l'optimisation de ces fonctions lorsqu'elles sont de type boîte noire et leur métamodélisation lorsqu'elles sont supposées être […]
- This presentation explores innovative methods for the optimization and metamodeling of complex functions defined over sets of vectors (or "clouds of points"), with various applications such as wind-farm layout or experimental design optimization. Unlike more common functions defined over vectors, functions defined over sets vectors have the specificity of being invariant with respect to the […]
- This paper introduces an evolutionary algorithm for objective functions defined over clouds of points of varying sizes. Such design variables are modeled as uniform discrete measures with finite support and the crossover and mutation operators of the algorithm are defined using the Wasserstein barycenter. We prove that the Wasserstein-based crossover has a contracting property in […]
- Nous consid´erons l’optimisation de fonctions d´efinies sur des ensembles de vecteurs (ou nuages de points). Classiquement, ces fonctions ´etant coˆuteuses, elles sont partiellement remplac´ees par des m´etamod`eles. La variable de d´ecision porte sur un ensemble de vecteurs et a des tailles variables dans un ensemble fini des entiers naturels. Un noyau semi-d´efinipositif sur les nuages […]
- We consider the optimization of functions where the variables are clouds of points (equivalently bags of vectors). The clouds can have different sizes and the objective functions are invariant under arbitrary permutation of the points within the cloud. Furthermore, no information related to the convexity and/or smoothness of the functions is available. Such functions are […]
- […]
- We consider the problem of optimizing black-box functions having sets of points as inputs (also referred to as clouds of points). Functions defined over sets are of common practical use and can be encountered when modeling turbine positions in wind farms, designs of experiments and designs of sensors or actuators networks, among others. In this […]
- We consider the problem of learning time-consuming functions defined over unordered sets of vectors. Such functions arise frequently, in particular in the context of networks of devices whose number is not fixed and that interact with each other. A working example is the modeling of a wind farm. Unordered sets of vectors are a mix […]
- We consider the task of estimating functions from a restricted number of observations where the inputs are in the form of varying-size sets of vectors. A classical method in this expensive functions context is to approximate the true expensive function with a Gaussian process that relies on semi-definite positive kernels. Varying-size sets of vectors have […]
- […]
Actualité
- Le projet ANR SAMOURAI (Simulation Analytics and Meta-model-based solutions for Optimization, Uncertainty and Reliability AnalysIs) a officiellement pris fin en décembre 2024 avec la tenue de son workshop final à l’Institut Henri Poincaré, à Paris. Cette rencontre a marqué une … Lire la Suite →
- Nous avons le plaisir de féliciter chaleureusement Babacar Sow, qui vient de soutenir avec succès sa thèse intitulée : Optimisation et métamodélisation de fonctions définies sur des nuages de points. Sous la direction de Rodolphe Le Riche (Directeur de recherche, … Lire la Suite →
- La « 5th International Conference on Uncertainty Quantification in Computational Science and Engineering » se tiendra du 12 au 14 juin 2023, à Athène. Une équipe de chercheurs, dont Babacar Sow, et Rodolphe Le Riche du Département Génie mathématique et industriel de … Lire la Suite →