Algorithme intelligent d'optimisation d'un design structurel de grande envergure

L'implémentation d'un système automatisé d'aide à la décision en design et d'optimisation structurelle peut donner un avantage significatif à toute industrie oeuvrant dans le domaine du design de pièces mécaniques. En effet, en fournissant des idées de solutions au designer ou en améliorant les solutions existantes pendant qu'il n'est pas au travail, ce système lui permet de réduire le temps de conception, ou encore d'explorer davantage de possibilités de design dans un même délai de réalisation. Cette thèse présente une approche originale permettant l'automatisation d'un processus de design basée sur le raisonnement par cas (RPC), mieux connu sous l'appellation « Case-Based Reasoning » ou CBR. Cette approche a été développée avec l'optique de nécessiter le moins de ressources possible pour l'entretien et le fonctionnement du système. Elle nécessite toutefois une quantité appréciable de ressources lors de l'implémentation, et convient par conséquent davantage aux problèmes de design de grande envergure pour lesquels on envisage à moyen terme de répondre à plusieurs ensembles de spécifications différentes. Dans un premier temps, le processus de RPC utilise une banque de données contenant toutes les solutions antérieures connues aux problèmes de design similaires. Ensuite, une sélection de solutions de la banque de données est choisie en comparant les spécifications actuelles du problème avec celles des solutions antérieures. Un réseau de neurones substitut est alors utilisé pour produire une solution en adaptant les solutions antérieures aux spécifications actuelles. Les solutions émergeant du RPC servent ensuite à générer chacune un îlot de solutions initiales pour un algorithme génétique oeuvrant lors de la phase de raffinement du processus.