Conception par simulation pour la conduite de culture

par Olivier Crespo

Thèse de doctorat en Systèmes industriels

Sous la direction de Frédérick Garcia et de Jacques-Eric Bergez.

Soutenue en 2008

à Toulouse 3 .


  • Résumé

    L'optimisation à base de simulation est une approche performante pour la résolution de problèmes d'optimisation continus et stochastiques. Nous proposons des algorithmes d'optimisation par simulation basés sur la décomposition hiérarchique de l'espace de recherche en espaces de plus petite taille. Les problématiques consistent à évaluer les sous espaces, sélectionner les sous espaces optimaux et les diviser à nouveau. Nous discutons l'efficacité d'alternatives algorithmiques connues et d'autres nouvelles, dans le but de trouver la ou l'ensemble des régions optimales. Ces alternatives sont développées dans les contextes d'optimisation de l'espérance, d'optimisation du quantile et d'optimisation multiobjectif. Tout au long de la thèse, nous avons évalué cette famille d'algorithmes sur des problèmes de conception de stratégies de conduite de culture en agriculture et plus particulièrement sur un problème de gestion de l'irrigation du maïs. Nous avons proposé les espaces de décision obtenus par l'application de nos méthodes, et leur traduction en termes de stratégies d'irrigation. Les algorithmes d'optimisation du quantile et d'optimisation multiobjectif ont abouti à la proposition de stratégies nouvelles en termes de prise en compte de l'incertain et de prise en compte simultanée d'objectifs. Il sera intéressant de poursuivre ces pistes de recherche, en particulier pour l'application à d'autres problèmes multicritères soumis à l'incertain.

  • Titre traduit

    Simulation-based optimization applied to crop management


  • Résumé

    Simulation-based optimization is an efficient approach to resolve stochastic problems with continuous input variables. We introduced three algorithms based on hierarchical decomposition procedure. They aim at partitioning the decision space into smaller ones, and continuing the research into the potentially optimal ones. The main issues are to evaluate regions of continuous decision variables, divide one region into smaller ones, and select one region among all as the one that the algorithm will investigate further. We discuss the efficiency of existing and new methods in order to define the set of small regions optimizing the expected value of performance measures simulated. The best combination is set, and we extend the algorithm to the quantile optimization and multiobjective optimization. We tested all these algorithms on a crop management design problem which deals mainly with corn irrigation in the south west of France. We proposed optimal decision spaces reached with the three algorithms, and translated these spaces into irrigation management policies. Quantile optimization and multiobjective optimization provided new irrigation policies in regard to a different uncertainty point of view, and the consideration of simultaneous multiple objectives. Yet, it will be interesting to lead the research further, especially in the resolution of optimization problems facing both uncertainty and multiple objectives.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (176 p.)
  • Annexes : Bibliogr. p. 169-176

Où se trouve cette thèse ?

  • Bibliothèque : Université Paul Sabatier. Bibliothèque universitaire de sciences.
  • Disponible pour le PEB
  • Cote : 2008 TOU3 0035
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.