Optimisation de boîtes noires multifidélités avec contraintes hiérarchisées

On propose un algorithme d’optimisation de boîtes noires multifidélités qui s’intéresse au cas où une grande proportion du temps d’optimisation utilisé par les algorithmes de recherche directe est dépensé sur des points non réalisables. La méthode proposée doit être couplée avec un solveur existant, et elle permet à celui-ci de réduire le temps espéré des évaluations en estimant, à l’aide d’évaluations peu coûteuses, si un point est réalisable avant d’y investir plus de temps. Ces estimations sont obtenues avec une hiérarchisation des contraintes affectées par la multifidélité, qui est définie par une matrice de biadjacance. On propose une méthode de calcul de cette matrice. La recherche présentée s’inscrit dans le projet Alliance du Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG) auquel participent Polytechnique Montréal et Hydro-Québec. À l’IREQ, un projet de recherche de stratégie de maintenance optimale requiert l’optimisation d’une boîte noire particulièrement coûteuse en temps qui contient plusieurs contraintes rarement satisfaites. L’algorithme est développé avec l’intention d’être appliqué à ce problème lorsque le projet d’Hydro-Québec atteindra cette phase. Dans le cadre de ce projet, des tests numériques sont effectués avec la famille de boîtes noires solar. Le solveur Optimisation non linéaire par recherche directe sur treillis adaptatifs : Nonlinear Optimisation by Mesh Adaptive Direct search (NOMAD) couplé à l’algorithme de hiérarchisation des contraintes est comparé au solveur NOMAD avec ses paramètres par défaut. Ces tests révèlent que l’algorithme permet de trouver des solutions significativement meilleures lorsqu’un point de départ réalisable est connu avant l’optimisation. Sans cette condition, les résultats sont variables; ils dépendent grandement des propriétés de la boîte noire optimisée.