Academic literature on the topic 'Multi parameter optimisation'

Plusieurs machines actuellement utilisées, moteurs à combustion interne en automobile ou centrales thermiques dans l'énergie, rejettent de grandes quantités de chaleur. Généralement cette chaleur est dissipée dans l'atmosphère et son énergie perdue. Nous nous sommes donc intéressés aux moteurs à apport de chaleur externe dont l'énergie primaire est de l'énergie thermique, et plus particulièrement aux moteurs Stirling. L'une de ses principales caractéristiques est d'utiliser de la chaleur produite extérieurement comme source d'énergie. Ceci lui permet d'être multi-carburant et même d'utiliser de l'énergie thermique naturelle.L'étude menée comporte deux parties. Tout d'abord un modèle numérique zéro dimension, trois zones en temps fini a été développé. Il prend en compte les échanges thermiques aux parois et les pertes de charge, mais ne préjuge ni des dimensions moteur, ni des conditions de fonctionnement. Ceci lui permet de rester flexible pour s'adapter à l'architecture spécifique du moteur à simuler. Ensuite nous avons réalisé des mesures expérimentales sur deux moteurs de taille et puissance différentes (quelques watts et 1 kW). Ces résultats ont permis de valider le modèle. Au final nous avons obtenu un modèle numérique traduisant l'influence de paramètres dimensionnels et fonctionnels sur la puissance du moteur Stirling.Un outil d'aide à la conception de moteur Stirling a été développé en ajoutant au modèle un algorithme d'optimisation. Il permet une ébauche des caractéristiques d'un moteur Stirling. En fonction de l'application souhaitée et des contraintes s'y appliquant, il agit sur les caractéristiques choisies par l'utilisateur pour maximiser les performances.

Cette thèse traite de l'identification des paramètres du point de vue de l'optimisation et du contrôle de suivi distribué des systèmes multi-agents d'ordre fractionnaire (FOMASs) en tenant compte des retards, des perturbations externes, de la non-linéarité inhérente, des incertitudes des paramètres et de l'hétérogénéité dans le cadre d'une topologie de communication fixe non dirigée / dirigée. Plusieurs contrôleurs efficaces sont conçus pour réaliser avec succès le contrôle de suivi distribué des FOMASs dans différentes conditions. Plusieurs types d'algorithmes d'optimisation de l'intelligence artificielle et leurs versions modifiées sont appliquées pour identifier les paramètres inconnus des FOMASs avec une grande précision, une convergence rapide et une grande robustesse. Il est à noter que cette thèse fournit un lien prometteur entre la technique d'intelligence artificielle et le contrôle distribué<br>This thesis deals with the parameter identification from the viewpoint of optimization and distributed tracking control of fractional-order multi-agent systems (FOMASs) considering time delays, external disturbances, inherent nonlinearity, parameters uncertainties, and heterogeneity under fixed undirected/directed communication topology. Several efficient controllers are designed to achieve the distributed tracking control of FOMASs successfully under different conditions. Several kinds of artificial intelligence optimization algorithms andtheir modified versions are applied to identify the unknown parameters of the FOMASs with high accuracy, fast convergence and strong robustness. It should be noted that this thesis provides a promising link between the artificial intelligence technique and distributed control

Розроблено модель, алгоритм та програмна реалізація інформаційної технології машинного навчання для ефективної посадки безпілотного літального апарату. Розроблений алгоритм реалізовано на мові python.

Les cancers sont l'une des causes majeures de mortalité dans le monde. Les mécanismes en jeu dans la croissance tumorale sont qualitativement connus, mais on se sait pas à l'heure actuelle prédire précisément quel sera le développement d'une tumeur donnée, ni estimer de façon certaine le protocole thérapeutique optimal pour chaque patient. Il est entendu que la modélisation mathématique pourrait apporter des éléments de réponse à ces questions. Durant cette thèse on s'est alors intéressé à la construction de formalismes mathématiques pour décrire la croissance tumorale et l'action de traitement anti-cancéreux. En particulier, on s'est intéressé à la prise en compte des mécanismes aussi bien moléculaires que cellulaires et tissulaires, par la construction d'un modèle continu, multi-échelles, de croissance de tumeur solide et d'angiogenèse. A partir de ce modèle, nous a pu envisager de façon qualitative un protocole optimal de combinaison entre un anti-angiogénique et une chimiothérapie.Le modèle multi-échelles inclut une représentation mathématique des voies de signalisation du VEGF dont on détaille la construction.Dans une autre approche, on a considéré un modèle discret, cellule-centré, reproduisant le développement de sphéroïdes de cellules épithéliales mammaires telles qu'observées lorsque ces cellules sont cultivées in vitro. On a pu mettre en évidence les différents mécanismes cellulaires impliqués dans la morphogenèse de structures composées de cellules saines, et celles composées de cellules mutées.Ces contributions montrent l'intérêt du formalisme multi-échelles adopté pour intégrer les connaissances et données sous-jacentes à l'étude du traitement des tumeurs.

Une image hyperspectrale est un cube de données 3D dont chaque pixel fournit des informations spectrales locales sur un grand nombre de bandes contiguës sur une scène d'intérêt. Les images observées peuvent subir une dégradation due à l'instrument de mesure, avec pour conséquence l'apparition d'un flou sur les images qui se modélise par une opération de convolution. La déconvolution d'image hyperspectrale (HID) consiste à enlever le flou pour améliorer au mieux la résolution spatiale des images. Un critère de HID du type Tikhonov avec contrainte de non-négativité est proposé dans la thèse de Simon Henrot. Cette méthode considère les termes de régularisations spatiale et spectrale dont la force est contrôlée par deux paramètres de régularisation. La première partie de cette thèse propose le critère de courbure maximale MCC et le critère de distance minimum MDC pour estimer automatiquement ces paramètres de régularisation en formulant le problème de déconvolution comme un problème d'optimisation multi-objectif. La seconde partie de cette thèse propose l'algorithme de LMS avec un bloc lisant régularisé (SBR-LMS) pour la déconvolution en ligne des images hyperspectrales fournies par les systèmes de whiskbroom et pushbroom. L'algorithme proposé prend en compte la non-causalité du noyau de convolution et inclut des termes de régularisation non quadratiques tout en maintenant une complexité linéaire compatible avec le traitement en temps réel dans les applications industrielles. La troisième partie de cette thèse propose des méthodes de séparation-déconvolution conjointes basés sur le critère de Tikhonov en contextes hors-ligne ou en-ligne. L'ajout d'une contrainte de non-négativité permet d’améliorer leurs performances<br>A hyperspectral image is a 3D data cube in which every pixel provides local spectral information about a scene of interest across a large number of contiguous bands. The observed images may suffer from degradation due to the measuring device, resulting in a convolution or blurring of the images. Hyperspectral image deconvolution (HID) consists in removing the blurring to improve the spatial resolution of images at best. A Tikhonov-like HID criterion with non-negativity constraint is considered here. This method considers separable spatial and spectral regularization terms whose strength are controlled by two regularization parameters. First part of this thesis proposes the maximum curvature criterion MCC and the minimum distance criterion MDC to automatically estimate these regularization parameters by formulating the deconvolution problem as a multi-objective optimization problem. The second part of this thesis proposes the sliding block regularized (SBR-LMS) algorithm for the online deconvolution of hypserspectral images as provided by whiskbroom and pushbroom scanning systems. The proposed algorithm accounts for the convolution kernel non-causality and including non-quadratic regularization terms while maintaining a linear complexity compatible with real-time processing in industrial applications. The third part of this thesis proposes joint unmixing-deconvolution methods based on the Tikhonov criterion in both offline and online contexts. The non-negativity constraint is added to improve their performances

Lors des dernières décennies, la Séparation Aveugle de Sources (BSS) est devenue un outil de premier plan pour le traitement de données multi-valuées. L’objectif de ce doctorat est cependant d’étudier les cas grande échelle, pour lesquels la plupart des algorithmes classiques obtiennent des performances dégradées. Ce document s’articule en quatre parties, traitant chacune un aspect du problème: i) l’introduction d’algorithmes robustes de BSS parcimonieuse ne nécessitant qu’un seul lancement (malgré un choix d’hyper-paramètres délicat) et fortement étayés mathématiquement; ii) la proposition d’une méthode permettant de maintenir une haute qualité de séparation malgré un nombre de sources important: iii) la modification d’un algorithme classique de BSS parcimonieuse pour l’application sur des données de grandes tailles; et iv) une extension au problème de BSS parcimonieuse non-linéaire. Les méthodes proposées ont été amplement testées, tant sur données simulées que réalistes, pour démontrer leur qualité. Des interprétations détaillées des résultats sont proposées<br>During the last decades, Blind Source Separation (BSS) has become a key analysis tool to study multi-valued data. The objective of this thesis is however to focus on large-scale settings, for which most classical algorithms fail. More specifically, it is subdivided into four sub-problems taking their roots around the large-scale sparse BSS issue: i) introduce a mathematically sound robust sparse BSS algorithm which does not require any relaunch (despite a difficult hyper-parameter choice); ii) introduce a method being able to maintain high quality separations even when a large-number of sources needs to be estimated; iii) make a classical sparse BSS algorithm scalable to large-scale datasets; and iv) an extension to the non-linear sparse BSS problem. The methods we propose are extensively tested on both simulated and realistic experiments to demonstrate their quality. In-depth interpretations of the results are proposed

L’étude des systèmes complexes tels que des systèmes écologiques ou urbains, nécessite sou- vent l’usage de simulateurs qui permettent de comprendre les dynamiques observées ou d’avoir une vision prospective de l’évolution du système. Cependant, le crédit donné aux résultats d’une simulation dépend fortement de la confiance qui est accordée au simulateur, et donc de la qualité de sa validation. Cette confiance ne s’obtient qu’au travers d’une étude avancée du modèle, d’une analyse de sensibilité aux paramètres et d’une confrontation des résultats de simulation et des données de terrain. Pour cela, pléthore de simulations est nécessaire, ce qui est coûteux du point de vue des ressources mobilisés (temps de calcul, processeurs et mémoire) et est souvent impossible compte tenue de la taille de l’espace des paramètres à étudier. Il est donc important de réduire de manière significative et intelligente le domaine à explorer. L’une des particularités des simulateurs représentatifs de phénomènes réels est d’avoir un espace des paramètres dont la nature et la forme est fonction : (i) des objectifs scientifiques ; (ii) de la nature des paramètres manipulés ; et (iii) surtout du systèmes complexes étudiés. Ainsi, le choix d’une stratégie d’exploration est totalement dépendante du domaine de l’étude. Les algorithmes génériques de la littérature ne sont alors pas optimaux. Compte tenu de la singularité des simulateurs complexes, des nécessités et des difficultés rencontrées de l’exploration de leur espace de paramètres. Nous envisageons de guider le tâche d’exploration des systèmes complexes en proposant le protocole d’exploration stratifié coopérative GRADEA qui hybride trois algorithmes d’exploration de différents classements dans un même environnement : la recherche en criblage pour zones d’intérêt, la recherche globale et la recherche locale. Différents stratégies d’exploration vont en parallèle parcourir l’espace de recherche pour trouver l’optimum globale du problème d’optimisation et égale- ment pour désigner partiellement la cartographie de l’espace de solutions pour comprendre le comportement émergent du modèle. Les premiers résultats du protocole d’exploration stratifié avec un exemple d’algorithmes présélectionnés d’exploration sont appliquées au simulateur du domaine environnemental pour l’aide à la conception de la planification des politiques de vaccination de la maladie rougeole au Vietnam. Le couplage d’algorithmes d’exploration est intégré sur une architecture modulaire à base d’agents qui sont en interaction avec des noeuds de calcul où sont exécutés les simulations. Cet environnement facilite d’une part le rapprochement et l’interaction entre une selection d’algorithmes d’exploration, et d’autre part l’utilisation de ressources de calcul haute performance. L’enjeu résolu jusqu’à ce temps est de proposer, à la communauté, un environnement optimisé où l’utilisateur sera en mesure : (i) de combiner des algorithmes d’exploration adaptés à son cas d’étude ; (ii) et de tirer parti des ressources disponibles de calcul haute performance pour réaliser l’exploration<br>Study of complex systems such as environmental or urban systems, often requires the use of simulators for understanding the dynamics observed or getting a prospective vision of the evolution of system. However, the credit given to results of a simulation depends heavily on the trust placed in the simulator, and the quality of validation. This trust is achieved only through an advanced study on the model, a sensitivity analysis of parameters and a comparison of simulation results and collected data. For all of those, plethora of simulations is necessary, which is costly in term of computing resources (CPU time, memory and processors) and is often impossible because of the size of parameters space. It is therefore important to reduce significantly and intelligently the domain to explore. One of the special properties of representative simulators of real phenomena is that they own a parameters space, of which the nature and the form is based on: (i) the scientific objectives; (ii) the nature of manipulated parameters; and (iii) especially complex systems. Thus, the choice of an exploration strategy is totally dependent on the domain to explore. The generic algorithms in the literature are then not optimal. Because of the singularity of complex simulators, the necessities and the difficulties of exploring their parameters space, we plan to guide the exploration task of complex systems by providing GRADEA, a stratified cooperative exploration protocol, that hybrids three different algorithms of different categories in the same environment: the screening search for areas of interest, the global search and the local search. Various exploration algorithms will explore the search space by parallel manner to find the global optimum of optimization problem and also to partially describe the cartography of solutions space to understand the emergent behavior of the model. The first results of the stratified exploration protocol with an example of preselected search algorithms are applied to the environmental simulator for the design of vaccination policies of measles disease in Vietnam. The coupling of search algorithms is built on a modular and agent based architecture that interacts with a computing cluster where the simulations run. This environment facilitates both the interaction between a group of search algorithms, and also the use of high performance computing resources. The challenge is resolved to propose to community, an optimized environment where users will be able: (i) to combine search algorithms that adapted to case study; (ii) and take advantage of the available resources of high performance computing to accelerate the exploration

Two related bodies of work are presented, both of which aim to further the rapid development of next generation concentrating photovoltaic systems using high efficiency multi junction solar cells. They are complementary since the characterization of commercial devices and the systematic application of design principles for future designs must progress in parallel in order to accelerate iterative improvements. First addressed, is the field characterization of state of the art concentrating photovoltaic systems. Performance modeling and root cause analysis of deviations from the modeling results are critical for bringing reliable high value products to the market. Two complementary tools are presented that facilitate acceleration of the development cycle. The “Dynamic real-time I V Curve Measurement System…” provides a live picture of the current-voltage characteristics of a CPV module. This provides the user with an intuitive understanding of how module performance responds under perturbation. The “Shutter technique for noninvasive individual cell characterization in sealed concentrating photovoltaic modules,” allows the user to probe individual cell characteristics within a sealed module. This facilitates non-invasive characterization of modules that are in situ. Together, these tools were used to diagnose the wide spread failure of epoxy connections between the carrier and the emitter of bypass diodes installed in sealed commercial modules. Next, the optimization principals that are used to choose energy yield maximizing bandgap combinations for multi-junction solar cells are investigated. It is well understood that, due to differences in the solar resource in different geographical locations, this is fundamentally a local optimization problem. However, until now, a robust methodology for determining the influences of geography and atmospheric content on the ideal design point has not been developed. This analysis is presented and the influence of changing environment on the representative spectra that are used to optimize bandgap combinations is demonstrated. Calculations are confirmed with ground measurements in Ottawa, Canada and the global trends are refined for this particular location. Further, as cell designers begin to take advantage of more flexible manufacturing processes, it is critical to know if and how optimization criteria must change for solar cells with more junctions. This analysis is expanded to account for the differences between cells with up to 8 subcell bandgaps. A number of software tools were also developed for the Sunlab during this work. A multi-junction solar cell model calibration tool was developed to determine the parameters that describe each subcell. The tool fits a two diode model to temperature dependent measurements of each subcell and provides the fitting parameters so that the performance of multi-junction solar cells composed of those subcells can be modeled for real world conditions before they are put on-sun. A multi-junction bandgap optimization tool was developed to more quickly and robustly determine the ideal bandgap combinations for a set of input spectra. The optimization process outputs the current results during iteration so that they may be visualized. Finally, software tools that compute annual energy yield for input multi-junction cell parameters were developed. Both a brute force tool that computes energy harvested at each time step, and an accelerated tool that first bins time steps into discrete bins were developed. These tools will continue to be used by members of the Sunlab.