Uncertainties in Optimization

Marie-Liesse Cauwet 1, 2
2 TAO - Machine Learning and Optimisation
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
Résumé : Ces recherches sont motivées par la nécessité de développer de nouvelles méthodes d'optimisation des systèmes électriques. Dans ce domaine, les méthodes usuelles de contrôle et d'investissement sont à présent limitées de par les problèmes comportant une grande part d'aléa, qui interviennent lors de l'introduction massive d'énergies renouvelables. Après la présentation des différentes facettes de l'optimisation d'un système électrique, nous discuterons le problème d'optimisation continue bruitée de type boîte noire puis des cas bruités comprenant des caractéristiques supplémentaires.Concernant la contribution à l'optimisation continue bruitée de type boîte noire, nous nous intéresserons aux bornes inférieures et supérieures du taux de convergence de différentes familles d'algorithmes. Nous étudierons la convergence d'algorithmes basés sur les comparaisons, en particuliers les Stratégies d'Evolution, face à différents niveaux de bruit (faible, modéré et fort). Nous étendrons également les résultats de convergence des algorithmes basés sur les évaluations lors d'un bruit faible. Finalement, nous proposerons une méthode de sélection pour choisir le meilleur algorithme, parmi un éventail d'algorithme d'optimisation bruitée, sur un problème donné.Pour ce qui est de la contribution aux cas bruités avec des contraintes supplémentaires, les cas délicats, nous introduirons des concepts issus de l'apprentissage par renforcement, de la théorie de la décision et des statistiques. L'objectif est de proposer des méthodes d'optimisation plus proches de la réalité (en termes de modélisation) et plus robuste. Nous rechercherons également des critères de fiabilité des systèmes électriques moins conservatifs.
Type de document :
Thèse
Optimization and Control [math.OC]. Université Paris-Saclay, 2016. English. 〈NNT : 2016SACLS308〉
Liste complète des métadonnées

Littérature citée [207 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/tel-01422274
Contributeur : Marie-Liesse Cauwet <>
Soumis le : samedi 24 décembre 2016 - 15:22:44
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : mardi 21 mars 2017 - 09:15:38

Fichier

Identifiants

  • HAL Id : tel-01422274, version 1

Citation

Marie-Liesse Cauwet. Uncertainties in Optimization. Optimization and Control [math.OC]. Université Paris-Saclay, 2016. English. 〈NNT : 2016SACLS308〉. 〈tel-01422274〉

Partager

Métriques

Consultations de la notice

439

Téléchargements de fichiers

421