• Langue : Anglais, Français
• Discipline : Informatique
• Identifiant : 2009LIL10168
• Type de thèse : Doctorat
• Date de soutenance : 10/04/2009

Résumé en langue originale

La majorité de problèmes réels d'optimisation (ex. gérer grandes infrastructures, planifier les ressources pour les communautés, villes ou entreprises, etc.) sont combinatoire par la nature et impliquent l'utilisation de plusieurs objectifs, souvent contradictoire ou différent par le type. Comme déterminé par la nature contradictoire des objectifs, une solution "idéale" n'existe pas, sur une base générale, le but étant fixée d’atteindre un ensemble des meilleures solutions de compromis. Les résultats de cette thèse font partie de l'effort d'améliorer les capacités de méthodes d'optimisation combinatoire multi-objectif (MOCO), pour des instances de grand taille. La thèse propose l'utilisation de l'analyse de paysage en tant qu'outil de guidage pour des méthodes d'optimisation, mais également en tant que moyen de mesurer la difficulté des problèmes en s'appuyant sur l'analyse topologique. L'étude est principalement basée sur les études d'analyse de paysage qui fournissent des informations au sujet de la distribution des solutions faisables dans l'espace objectif. Les approches d'analyse de paysage proposées traitent un aspect quelque peu nouvel des problèmes MOCO, c'est-à-dire les études topologiques réalisées au-dessus de l'ensemble de solutions faisables ou pour les ensembles spécifiques d'intérêts comme l'ensemble de Pareto (l'ensemble des meilleures solutions de compromis) ou l'ensemble de e-Pareto. En outre, les études de structuralité sont intégrées dans des techniques interactives afin d'aider le processus de recherche et fournir des garanties de performance même pour des recherches stochastiques dans le cas combinatoire à objectifs multiples.

Résumé traduit

The majority of real-life optimization problems (e.g. managing large infrastructures, the planning of resources for communities, cities or enterprises, etc.) are combinatorial by nature and imply the use of several objectives, often conflicting or different by type. As determined by the conflicting nature of the objectives, there exists no single "ideal" best compromise solution, on a general basis, the goal being set on attaining a set of best compromise solutions. The results of this thesis are part of the effort of improving Multi-Objective Combinatorial Optimization (MOCO) methods capabilities, for large instances.The thesis proposes the use of landscape analysis as guiding tool for optimization methods, but also as mean of quantifying the difficulty of problems based on topological analysis. The present study is mainly based on landscape analysis studies that provide information about the distribution of feasible solutions in the objective space. The proposed landscape analysis approaches tackle a somewhat new aspect of MOCO problems, i.e. the topological studies performed over the set of feasible solutions or for specific sets of interests as the Pareto set (the set of best compromise solutions) or the e-Pareto set. These techniques are seen as a priori techniques, providing useful information for the design of approximation methods. Furthermore, the structurality studies are integrated in online interactive techniques in order to help the search process and to provide performance guarantees even for stochastic searches in the multi-objective combinatorial case.