Algorithmes évolutionnaires multiobjectifs

Abstract

Dans ce travail, un nouvel algorithme évolutionnaire multiobjectif est proposé et appliqué à un problème de commande d’un réseau électrique multimachine. L’algorithme proposé, nommé ε-GMOEA, est basé sur une combinaison de certaines techniques utilisées par trois autres approches évolutionnaires multiobjectifs très connues, à savoir ε-MOEA, NSGA-II et SPEA2. Dans le but d’évaluer les performances de ε-GMOEA, celui-ci est comparé avec les autres méthodes sur une série de problèmes de test, en utilisant quelques métriques de performance. L’algorithme est ensuite utilisé pour la synthèse d’une commande décentralisée d’un réseau électrique à trois machines. La commande a été développée sur la base d’une association de la technique du backstepping et la commande par logique floue. Ce travail est organisé de la façon suivante. Le chapitre qui suit présente d’une façon générale les algorithmes évolutionnaires et met l’accent sur les algorithmes génétiques, un cas particulier de ces algorithmes, très connus et utilisés dans la communauté scientifique. Le troisième chapitre traite les problèmes d’optimisation multiobjectifs et offre une description détaillée du fonctionnement de quelques célèbres méthodes évolutionnaires multiobjectifs. Le quatrième chapitre présente notre approche d’optimisation multiobjectif. L’évaluation des performances de cette approche est faite conjointement avec les trois autres méthodes présentées au Chapitre 3, en utilisant une série de problèmes de test et en se basant sur certains critères de performance. Le cinquième chapitre décrit l’application de l’algorithme proposé sur un problème de commande d’un réseau électrique multimachine. Pour finir, nous exposons les conclusions finales de notre travail et les perspectives futures.