Le retour au premier plan de l'optimisation globale correspond à un besoin industriel. De nombreuses applications, que ce soit au niveau de la conception ou de l'exploitation se ramènent à la recherche d'optima n'entrant pas dans le cadre des hypothèses simplificatrices (convéxite et donc unicité, différentiabilité, existence de points stationnaires,...). C'est en partie le cas des exemples concrets étudiés : la conception de procédés chimiques et d'actionneurs électromécaniques. Les méthodes d'optimisation globale que nous avons étudiées, sont basées sur l'analyse d'intervalle, ce qui leur donne leur caractère déterministe. Elles permettent donc de trouver avec certitude l'optimum global ainsi que tous ses optimiseurs, quelle que soit la nature du problème : continu, mixte, avec ou sans contraintes, ... certes, de telles performances se payent en temps de calcul et en utilisation mémoire. Les algorithmes développés dans cette thèse ont pour but de réduire de facon considérable ces temps CPU et le flot de données stocké. Afin d'améliorer ces algorithmes de type branch and bound, de nouvelles méthodes d'encadrement de l'optimum global concernant les fonctions différentiables de plusieurs variables ont été proposées. Le procédé mis en oeuvre consiste à construire des hyperplans dont l'intersection fournit tout simplement une minoration de la fonction ; cette construction utilise les propriétés d'inclusion de l'analyse d'intervalle. L'intégration de ces méthodes au sein d'algorithmes de type branch and bound, permet d'améliorer de facon considérable leur convergence et de limiter l'effet de clusters. La découverte des optima globaux des deux problèmes semi-industriels traités ont démontré l'efficacité de tels algorithmes par rapport aux méthodes classiques (gain de 10% sur les optima). Dès lors, l'utilisation des nouvelles méthodes d'encadrement dans un tel cadre (problèmes mixtes avec contraintes) semble très prometteuse.

This book constitutes the refereed conference proceedings of the 18th International Conference on Principles and Practice of Constraint Programming (CP 2013), held in Uppsala, Sweden, in September 2013. The 61 revised papers presented together with 3 invited talks were carefully selected from 138 submissions. The scope of the conference is on all aspects of computing with constraints, including: theory, algorithms, environments, languages, models and systems, applications such as decision making, resource allocation, and agreement technologies.

This book constitutes the refereed proceedings of the 9th International Conference on High-Performance Computing and Networking, HPCN Europe 2001, held in Amsterdam, The Netherlands in June 2001. The 67 revised papers and 15 posters presented were carefully reviewed and selected from a total of almost 200 submissions. Among the areas covered are Web/grid applications of HPCN, end user applications, computational science, computer science, and Java in HPCN.

International journal devoted to pure and applied research on the use of scientific methods and information processing in business and industry. Articles may be in English or French.

L'optimisation est un des thèmes majeurs que le professeur Yves Cherruault développe dans son laboratoire (le MEDIMAT) depuis la fin des années 1970. Il a, en particulier, mis au point une technique d'optimisation globale, baptisée ALIENOR, qui permet de ramener la minimisation d'une fonction multivariables à celle d'une fonction d'une seule variable. Cette méthode originale est basée sur l'utilisation d'une transformation réductrice permettant de construire des courbes qui " a-densifient " l'espace Rn. Ces courbes " a-denses " ont un rapport avec les courbes qui " remplissent l'espace " (courbes de Péano, ... ) et avec les fractales. Les derniers développements associés à ces méthodes de type ALIENOR sont décrits. Des classes très générales de transformations réductrices sont proposées et l'on montre comment les méthodes d'optimisation peuvent servir à la résolution d'équations fonctionnelles de tous types. Deux applications fondamentales de l'optimisation sont également traitées, à savoir : - l'identification de modèles mathématiques, - le contrôle optimal de systèmes. Dans le cas de systèmes contrôlés, l'auteur montre comment l'utilisation de la méthode décompositionnelle d'Adomian (dont les grands principes sont rappelés) permet de se ramener à un problème d'optimisation classique. Notons enfin que les méthodes d'optimisation classiques sont aussi clairement et simplement détaillées dans cet ouvrage. Cet ouvrage sera un précieux outil pour les chercheurs et ingénieurs utilisant les méthodes d'optimisation ainsi que pour les étudiants scientifiques désireux de s'initier à ces techniques.