Literatura académica sobre el tema "Optimisation de boîte noire"
Crea una cita precisa en los estilos APA, MLA, Chicago, Harvard y otros
Consulte las listas temáticas de artículos, libros, tesis, actas de conferencias y otras fuentes académicas sobre el tema "Optimisation de boîte noire".
Junto a cada fuente en la lista de referencias hay un botón "Agregar a la bibliografía". Pulsa este botón, y generaremos automáticamente la referencia bibliográfica para la obra elegida en el estilo de cita que necesites: APA, MLA, Harvard, Vancouver, Chicago, etc.
También puede descargar el texto completo de la publicación académica en formato pdf y leer en línea su resumen siempre que esté disponible en los metadatos.
Artículos de revistas sobre el tema "Optimisation de boîte noire"
1
Vachon, Georges-André. "La boîte noire". Études françaises 31, n.º 2 (1995): 177. http://dx.doi.org/10.7202/035991ar.
Texto completo
2
Relieu, Marc. "Ouvrir la boîte noire". Réseaux 112-113, n.º 2 (2002): 20. http://dx.doi.org/10.3917/res.112.0020.
Texto completo
3
Guerrien, Bernard. "L'entreprise, une boîte noire". Alternatives Économiques 237, n.º 6 (1 de junio de 2005): 76. http://dx.doi.org/10.3917/ae.237.0076.
Texto completo
4
Autès, Michel. "Ouvrir la boîte noire". Recherches et Prévisions 38, n.º 1 (1994): 63–68. http://dx.doi.org/10.3406/caf.1994.1663.
Texto completo
5
Richaudeau, François. "Éclaircies dans une boîte noire". Communication et langages 90, n.º 1 (1991): 121. http://dx.doi.org/10.3406/colan.1991.2345.
Texto completo
6
Cameron, Bobby Thomas Robert. "Discursive Black and Translucent Box Frames of Policy Work: How do Practitioners and Scholars Compare?" Canadian Political Science Review 15, n.º 1 (1 de abril de 2022): 44–56. http://dx.doi.org/10.24124/c677/20211829.
Texto completoResumen
AbstractPolicy work in government is often framed as existing in a “black box”. It is assumed that public administrators, as “insiders”, have more knowledge of policy development processes than those outside of government. Are black box narratives of policy work constructed by practitioners? Or is the idea of a “translucent” box more appropriate to understand policy work within the bureaucracy? Based on interviews with sub-national civil servants in one provincial government in Canada, this article finds that black box narratives are used by practitioners to understand policy work. I interpret these results to argue that a theory-practice gap does not necessarily exist when it comes to constructions of policy work: practitioners in the field, like scholars, employ black box narratives to frame policy work in the bureaucracy. Yet, academics may still find that translucent box theory provides a more nuanced way of understanding government’s internal policy processes.RésuméLe travail politique au sein du gouvernement est souvent présenté comme existant dans une « boîte noire». On suppose que les administrateurs publics, en tant qu’ « initiés », ont une meilleure connaissance des processus d'élaboration des politiques que ceux qui ne font pas partie du gouvernement. Les récits en boîte noire du travail politique sont-ils construits par les praticiens ? Ou l'idée d'une boîte « translucide » est-elle plus appropriée pour comprendre le travail politique au sein de la bureaucratie ? Sur la base d'entretiens avec des fonctionnaires infranationaux d'un gouvernement provincial au Canada, cet article constate que les récits de la boîte noire sont utilisés par les praticiens pour comprendre le travail politique. J'interprète ces résultats pour soutenir qu'un fossé théorie-pratique n'existe pas nécessairement lorsqu'il s'agit de constructions de travail politique : les praticiens sur le terrain, comme les universitaires, utilisent des récits de boîte noire pour encadrer le travail politique dans la bureaucratie. Pourtant, les universitaires peuvent toujours trouver que la théorie de la boîte translucide offre une manière plus nuancée de comprendre les processus politiques internes du gouvernement.Key Words: Black Box Theory, Qualitative Semi-Structured Interviews, Social Constructivist Coding, Prince Edward Island Civil Servants, Policy CapacityMots-clés : Théorie de la boîte noire, entretiens qualitatifs semi-structurés, codage constructiviste social, fonctionnaires de l’Île-du-Prince-Édouard, capacité des politiques
7
Michel, Dominique-Anne. "Dans la boîte noire de l'entrepreneuriat". L'Expansion Management Review N° 155, n.º 4 (2014): 3. http://dx.doi.org/10.3917/emr.155.0003.
Texto completo
8
Smadja, David. "La boîte noire de la controverse". Raisons politiques 47, n.º 3 (2012): 5. http://dx.doi.org/10.3917/rai.047.0005.
Texto completo
9
Mondémé, Chloé. "La boîte noire de l’intentionnalité animale". Zilsel N°7, n.º 2 (2020): 199. http://dx.doi.org/10.3917/zil.007.0199.
Texto completo
10
Lecomte-Finiger, Raymonde. "L'otolithe: la ≪ boîte noire ≫ des Téléostéens". L’Année Biologique 38, n.º 2 (abril de 1999): 107–22. http://dx.doi.org/10.1016/s0003-5017(99)80029-4.
Texto completoTesis sobre el tema "Optimisation de boîte noire"
1
Ros, Raymond. "Optimisation Continue Boîte Noire : Comparaison et Conception d'Algorithmes". Phd thesis, Université Paris Sud - Paris XI, 2009. http://tel.archives-ouvertes.fr/tel-00595922.
Texto completoResumen
En optimisation continue, un problème donné consiste à trouver l'optimum d'une fonction objectif f définie dans R^n à valeur dans R. Dans ce contexte, le scénario boîte noire fait l'hypothèse que seule l'évaluation de f nous fournit de l'information. Dans une première partie, nous étudions l'algorithme CMA-ES, stratégie d'évolution avec adaptation de la matrice de covariance ; une approche reconnue pour résoudre les problèmes d'optimisation boîte noire. Nous démontrons les limites de cet algorithme en terme de complexités spatiale et temporelle pour faire face à des problèmes à grande dimensionalité. Pour dépasser ces limites, nous proposons des variantes de CMA-ES qui ne mettent à jour que les éléments diagonaux par bloc de la matrice de covariance, qui exploitent donc la séparabilité. Nous montrons que ces variantes peuvent avoir de meilleures performances que CMA-ES sur des fonctions non-séparables à condition que le problème considéré ait une dimension assez grande. Dans une seconde partie, nous définissons et exploitons un cadre expérimental pour la comparaison systématique de résultats en optimisation boîte noire, où les pratiquants du domaine peuvent ainsi tester et comparer des algorithmes sur des fonctions artificielles. Nos résultats montrent la dépendance des performances des algorithmes en fonction du budget alloué à l'optimisation. Des méthodes classiques telles que NEWUOA ou BFGS sont ainsi appropriées à des petits budgets. L'approche CMA-ES avec redémarrage et contrôle de la taille de population obtient de bons résultats pour des budgets plus larges. Le logiciel COCO pour COmparing Continuous Optimisers, utilisé pour faire ces comparaisons systématiques est décrit techniquement dans une troisième partie. COCO sert d'implémentation de notre cadre expérimental et permet en plus de fournir des résultats tels que ceux que nous exploitons dans ce document.
2
Irfan, Muhammad Naeem. "Analyse et optimisation d'algorithmes pour l'inférence de modèles de composants logiciels". Phd thesis, Université de Grenoble, 2012. http://tel.archives-ouvertes.fr/tel-00767894.
Texto completoResumen
Les Components-Off-The-Shelf (COTS) sont utilisés pour le développement rapide et efficace de logiciels tout en limitant le coût. Il est important de tester le fonctionnement des composants dans le nouvel environnement. Pour les logiciels tiers,le code source des composants, les spécifications et les modèles complets ne sont pas disponibles. Dans la littérature de tels systèmes sont appelés composants "boîte noire". Nous pouvons vérifier leur fonctionnement avec des tests en boîte noire tels que le test de non-régression, le test aléatoire ou le test à partir de modèles. Pour ce dernier, un modèle qui représente le comportement attendu du système sous test(SUT) est nécessaire. Ce modèle contient un ensemble d'entrées, le comportement du SUT après stimulation par ces entrées et l'état dans lequel le système se trouve.Pour les systèmes en boîte noire, les modèles peuvent être extraits à partir des traces d'exécutions, des caractéristiques disponibles ou encore des connaissances des experts. Ces modèles permettent ensuite d'orienter le test de ces systèmes.Les techniques d'inférence de modèles permettent d'extraire une information structurelle et comportementale d'une application et de la présenter sous forme d'un modèle formel. Le modèle abstrait appris est donc cohérent avec le comportement du logiciel. Cependant, les modèles appris sont rarement complets et il est difficile de calculer le nombre de tests nécessaires pour apprendre de façon complète et précise un modèle.Cette thèse propose une analyse et des améliorations de la version Mealy de l'algorithme d'inférence L* [Angluin 87]. Elle vise à réduire le nombre de tests nécessaires pour apprendre des modèles. La version Mealy de L* nécessite d'utiliser deux types de test. Le premier type consiste à construire les modèles à partir des sorties du système, tandis que le second est utilisé pour tester l'exactitude des modèles obtenus. L'algorithme utilise ce que l'on appelle une table d'observation pour enregistrer les réponses du système.Le traitement d'un contre-exemple peut exiger d'envoyer un nombre conséquent de requêtes au système. Cette thèse aborde ce problème et propose une technique qui traite les contre-exemples de façon efficace. Nous observons aussi que l'apprentissage d'un modèle ne nécessite pas de devoir remplir complètement ces tables. Nous proposons donc un algorithme d'apprentissage qui évite de demander ces requêtes superflues.Dans certains cas, pour apprendre un modèle, la recherche de contre-exemples peut coûter cher. Nous proposons une méthode qui apprend des modèles sans demander et traiter des contre-exemples. Cela peut ajouter de nombreuses colonnes à la table d'observation mais au final, nous n'avons pas besoin d'envoyer toutes les requêtes. Cette technique ne demande que les requêtes nécessaires.Ces contributions réduisent le nombre de tests nécessaires pour apprendre des modèles de logiciels, améliorant ainsi la complexité dans le pire cas. Nous présentons les extensions que nous avons apportées à l'outil RALT pour mettre en oeuvre ces algorithmes. Elles sont ensuite validées avec des exemples tels que les tampons, les distributeurs automatiques, les protocoles d'exclusion mutuelle et les planificateurs.
3
Varelas, Konstantinos. "Randomized Derivative Free Optimization via CMA-ES and Sparse Techniques : Applications to Radars". Thesis, Institut polytechnique de Paris, 2021. http://www.theses.fr/2021IPPAX012.
Texto completoResumen
Dans cette thèse, nous étudions des aspects des méthodes aléatoires adaptatives pour l’optimisation continue sans gradients. Les algorithmes que nous étudions sont basés sur l’algorithme Covariance Matrix Adaptation Evolution Strategy (CMA-ES) et se concentrent sur des problèmes d’optimisation en grande dimension.Nous commençons par une description de CMA-ES et sa relation avec le cadre de Information Geometric Optimization (IGO), suivie d’une étude comparative de variantes de CMA-ES à grande échelle. Nous proposons en outre de nouvelles méthodes qui intègrent des outils d’estimation en grande dimension au sein de CMA-ES, afin d’obtenir des algorithmes plus efficaces pour des problèmes partiellement séparables.De plus, nous décrivons la méthodologie pour l’évaluation de la performance des algorithmes adopté par la plateforme Comparing Continuous Optimizers (COCO), et finalisons la suite de tests bbob-largescale, une nouvelle suite d’analyse comparative avec des problèmes de grandes dimensions et avec un faible coût de calcul.Enfin, nous présentons la formulation, la méthodologie et les résultats obtenus pour deux applications liées aux problèmes de Radar, le problème d’optimisation du code de phase et le problème de synthèse des faisceauxIn this thesis, we investigate aspects of adaptive randomized methods for black-box continuous optimization. The algorithms that we study are based on the Covariance Matrix Adaptation Evolution Strategy (CMA-ES) algorithm and focus on large scale optimization problems.We start with a description of CMA-ES and its relation to the Information Geometric Optimization (IGO) framework, succeeded by a comparative study of large scale variants of CMA-ES. We furthermore propose novel methods which integrate tools of high dimensional analysis within CMA-ES, to obtain more efficient algorithms for large scale partially separable problems.Additionally, we describe the methodology for algorithm performance evaluation adopted by the Comparing Continuous Optimizers (COCO) platform, and finalize the bbob-largescale test suite, a novel benchmarking suite with problems of increased dimensions and with a low computational cost.Finally, we present the formulation, methodology and obtained results for two applications related to Radar problems, the Phase Code optimization problem and the Phased-Array Pattern design problem
4
Nguyen, Xuan-Nam. "Une approche « boite noire » pour résoudre le problème de placement des règles dans un réseau OpenFlow". Thesis, Nice, 2016. http://www.theses.fr/2016NICE4012/document.
Texto completoResumen
Le grand nombre d’appareils connectés combiné au volume croissant de trafic ont poussé les réseaux dans leurs derniers retranchements. Pour résoudre ce problème, l’approche “Software-Defined Networking” (SDN) qui découple le plan de contrôle du plan de données a été proposée. OpenFlow est un nouveau protocole qui réalise le concept SDN. Pour traiter ces flux, OpenFlow utilise des listes de règles sur les commutateurs. Ces règles sont utilisées pour déterminer les actions dans le réseau. Ceci permet de simplifier la mise en place de services réseaux complexes mais soulève la question de savoir quelles règles définir et où les placer dans le réseau afin d’en respecter ses contraintes. Dans cette thèse, nous nous concentrons sur le problème de placement de règles dans OpenFlow (ORPP) et proposons une abstraction de type boite noire afin de masquer la gestion du réseau. Tout d'abord, nous formalisons le problème de placement de règles et faisons une étude des solutions existantes. Les solutions existantes sont cependant inefficaces car elles reposent majoritairement sur le concept du plus court chemin. Nous proposons de relaxer le problème en autorisant l’utilisation de chemins arbitraires et proposons deux algorithmes complémentaires : OFFICER et aOFFICER. L'idée générale d’OFFICER et aOFFICER est d’utiliser les chemins les plus efficaces pour le trafic de haute importance et autoriser le trafic de plus basse importance à suivre des détours. Ces deux propositions sont évaluées en utilisant des traces de trafic. Finalement, nous appliquons le principe de la boite noire pour améliorer les performances d'un service de diffusion de contenus dans les réseaux cellulairesThe massive number of connected devices combined with an increasing traffic push network operators to their limit by limiting their profitability. To tackle this problem, Software-Defined Networking (SDN), which decouples network control logic from forwarding devices, has been proposed. An important part of the SDN concepts is implemented by the OpenFlow protocol that abstracts network communications as flows and processes them using a prioritized list of rules on the network forwarding elements. While the abstraction offered by OpenFlow allows to implement many applications, it raises the new problem of how to define the rules and where to place them in the network while respecting all requirements, which we refer as the OpenFlow Rules Placement Problem (ORPP). In this thesis, we focus on the ORPP and hide the complexity of network management by proposing a black box abstraction. First, we formalize that problem, classify and discuss existing solutions. We discover that most of the solutions enforce the routing policy when placing rules, which is not memory efficient in some cases. Second, by trading routing for better resource efficiency, we propose OFFICER and aOFFICER, two frameworks that select OpenFlow rules satisfying policies and network constraints, while minimizing overheads. The main idea of OFFICER an aOFFICER is to give high priority for large flows to be installed on efficient paths, and let other flows follow default paths. These proposals are evaluated and compared to existing solutions in realistic scenarios. Finally, we study a use case of the black box abstraction, in which we improve the performance of content delivery services in cellular networks
5
Berthier, Vincent. "Studies on Stochastic Optimisation and applications to the Real-World". Thesis, Université Paris-Saclay (ComUE), 2017. http://www.theses.fr/2017SACLS336/document.
Texto completoResumen
Un grand nombre d'études ont été faites dans le domaine de l'Optimisation Stochastique en général et les Algorithmes Génétiques en particulier. L'essentiel des nouveaux développements ou des améliorations faites sont alors testés sur des jeux de tests très connus tels que BBOB, CEC, etc. conçus de telle manière que soient présents les principaux défis que les optimiseurs doivent relever : non séparabilité, multimodalité, des vallées où le gradient est quasi-nul, et ainsi de suite. La plupart des études ainsi faites se déroulent via une application directe sur le jeu de test, optimisant un nombre donné de variables pour atteindre un critère précis. La première contribution de ce travail consiste à étudier l'impact de la remise en cause de ce fonctionnement par deux moyens : le premier repose sur l'introduction d'un grand nombre de variables qui n'ont pas d'impact sur la valeur de la fonction optimisée ; le second quant à lui relève de l'étude des conséquences du mauvais conditionnement d'une fonction en grande dimension sur les performances des algorithmes d'optimisation stochastique. Une deuxième contribution se situe dans l'étude de l'impact de la modification des mutations de l'algorithme CMA-ES,où, au lieu d'utiliser des mutations purement aléatoires, nous allons utiliser des mutations quasi-aléatoires. Ce travail introduit également la ``Sieves Method'', bien connue des statisticiens. Avec cette méthode, nous commençons par optimiser un faible nombre de variables, nombre qui est ensuite graduellement incrémenté au fil de l'optimisation.Bien que les jeux de tests existants sont bien sûr très utiles, ils ne peuvent constituer que la première étape : dans la plupart des cas, les jeux de tests sont constitués d'un ensemble de fonctions purement mathématiques, des plus simples comme la sphère, aux plus complexes. Le but de la conception d'un nouvel optimiseur, ou l'amélioration d'un optimiseur existant, doit pourtant in fine être de répondre à des problèmes du monde réel. Ce peut-être par exemple la conception d'un moteur plus efficace, d'identifier les bons paramètres d'un modèle physique ou encore d'organiser des données en groupes.Les optimiseurs stochastiques sont bien évidemment utilisés sur de tels problèmes, mais dans la plupart des cas, un optimiseur est choisi arbitrairement puis appliqué au problème considéré. Nous savons comment les optimiseurs se comparent les uns par rapport aux autres sur des fonctions artificielles, mais peu de travaux portent sur leur efficacité sur des problèmes réels. L'un des principaux aspects de des travaux présentés ici consiste à étudier le comportement des optimiseurs les plus utilisés dans la littérature sur des problèmes inspirés du monde réel, voire des problèmes qui en viennent directement. Sur ces problèmes, les effets des mutations quasi-aléatoires de CMA-ES et de la``Sieves Method'' sont en outre étudiésA lot of research is being done on Stochastic Optimisation in general and Genetic Algorithms in particular. Most of the new developments are then tested on well know testbeds like BBOB, CEC, etc. conceived to exhibit as many pitfalls as possible such as non-separability, multi-modality, valleys with an almost null gradient and so on. Most studies done on such testbeds are pretty straightforward, optimising a given number of variables for there cognized criterion on the testbed. The first contribution made here is to study the impact of some changes in those assumptions, namely the effect of supernumerary variables that don't change anything to a function evaluation on the one hand, and the effect of a change of the studied criterion on the other hand. A second contribution is in the modification of the mutation design for the algorithm CMA-ES, where we will use Quasi-Random mutations instead of purely random ones. This will almost always result in a very clear improvement ofthe observed results. This research also introduces the Sieves Method well known in statistics, to stochastic optimisers: by first optimising a small subset of the variables and gradually increasing the number of variables during the optimization process, we observe on some problems a very clear improvement. While artificial testbeds are of course really useful, they can only be the first step: in almost every case, the testbeds are a collection of purely mathematical functions, from the simplest one like the sphere, to some really complex functions. The goal of the design of new optimisers or the improvement of an existing one is however, in fine, to answer some real world question. It can be the design of a more efficient engine, finding the correct parameters of a physical model or even to organize data in clusters. Stochastic optimisers are used on those problems, in research or industry, but in most instances, an optimiser ischosen almost arbitrarily. We know how optimisers compare on artificial functions, but almost nothing is known abouttheir performances on real world problems. One of the main aspect of the research exposed here will be to compare someof the most used optimisers in the literature on problems inspired or directly coming from the real-world. On those problems, we will additionally test the efficiency of quasi-random mutations in CMA-ES and the Sieves-Method
6
Jankovic, Anja. "Towards Online Landscape-Aware Algorithm Selection in Numerical Black-Box Optimization". Electronic Thesis or Diss., Sorbonne université, 2021. http://www.theses.fr/2021SORUS302.
Texto completoResumen
Les algorithmes d'optimisation de boîte noire (BBOA) sont conçus pour des scénarios où les formulations exactes de problèmes sont inexistantes, inaccessibles, ou trop complexes pour la résolution analytique. Les BBOA sont le seul moyen de trouver une bonne solution à un tel problème. En raison de leur applicabilité générale, les BBOA présentent des comportements différents lors de l'optimisation de différents types de problèmes. Cela donne un problème de méta-optimisation consistant à choisir l'algorithme le mieux adapté à un problème particulier, appelé problème de sélection d'algorithmes (AS). La vision d'automatiser cette sélection a vite gagné du terrain dans la communauté. Un moyen important de le faire est l'AS tenant compte du paysage, où le choix de l'algorithme est basé sur la prédiction de ses performances via des représentations numériques d'instances de problèmes appelées caractéristiques. Un défi clé auquel l'AS tenant compte du paysage est confrontée est le coût de calcul de l'extraction des caractéristiques, une étape qui précède l'optimisation. Dans cette thèse, nous proposons une approche d'AS tenant compte du paysage basée sur la trajectoire de recherche qui intègre cette étape d'extraction dans celle d'optimisation. Nous montrons que les caractéristiques calculées à l'aide de la trajectoire conduisent à des prédictions robustes et fiables des performances des algorithmes, et à de puissants modèles d'AS construits dessus. Nous présentons aussi plusieurs analyses préparatoires, y compris une perspective de combinaison de 2 stratégies de régression complémentaires qui surpasse des modèles classiques de régression simple et amplifie la qualité du sélecteurBlack-box optimization algorithms (BBOAs) are conceived for settings in which exact problem formulations are non-existent, inaccessible, or too complex for an analytical solution. BBOAs are essentially the only means of finding a good solution to such problems. Due to their general applicability, BBOAs can exhibit different behaviors when optimizing different types of problems. This yields a meta-optimization problem of choosing the best suited algorithm for a particular problem, called the algorithm selection (AS) problem. By reason of inherent human bias and limited expert knowledge, the vision of automating the selection process has quickly gained traction in the community. One prominent way of doing so is via so-called landscape-aware AS, where the choice of the algorithm is based on predicting its performance by means of numerical problem instance representations called features. A key challenge that landscape-aware AS faces is the computational overhead of extracting the features, a step typically designed to precede the actual optimization. In this thesis, we propose a novel trajectory-based landscape-aware AS approach which incorporates the feature extraction step within the optimization process. We show that the features computed using the search trajectory samples lead to robust and reliable predictions of algorithm performance, and to powerful algorithm selection models built atop. We also present several preparatory analyses, including a novel perspective of combining two complementary regression strategies that outperforms any of the classical, single regression models, to amplify the quality of the final selector
7
Samaké, Oumar. "Analyse thermo-économique d'un système de dessalement par thermocompression de vapeur et conception de l'éjecteur". Thèse, Université de Sherbrooke, 2016. http://hdl.handle.net/11143/8782.
Texto completoResumen
L’objectif de cette thèse est de présenter les travaux d’une analyse thermo-économique d’un système de dessalement par distillation dans l’optique de revaloriser les pertes thermiques industrielles. Les rejets en question sont ceux d’un moteur Diesel utilisé dans une centrale de production d’électricité.
Premièrement, une étude préliminaire est faite en utilisant un modèle boite noire. L’optimisation des fonctions objectives de ce modèle a permis de déterminer les paramètres de conception.
Ensuite un nouveau modèle d’éjecteur distinct des deux modèles classiques utilisés en thermodynamique (à pression et à section constante) est développé. Les performances des procédés de détente et de compression dans cet éjecteur sont calculées en appliquant un rendement polytropique comme dans les turbomachines. La méthode développée a permis de déterminer toutes les dimensions de l’éjecteur ainsi que la position de l’onde de choc.
Enfin une analyse détaillée du système de dessalement est faite pour déterminer le nombre d’effets ou cellules et les conditions qui permettent de satisfaire les conditions optimales obtenues lors de l’analyse préliminaire. L’analyse thermodynamique se base sur un tout nouveau modèle mathématique qui permet de simuler à la fois les deux configurations les plus utilisées en dessalement. De plus, une analyse thermo-économique basée sur l’exergo-économie a permis de calculer le coût de production et les investissements nécessaires.
8
Torossian, Léonard. "Méthodes d'apprentissage statistique pour la régression et l'optimisation globale de mesures de risque". Thesis, Toulouse 3, 2019. http://www.theses.fr/2019TOU30192.
Texto completoResumen
Cette thèse s'inscrit dans le contexte général de l'estimation et de l'optimisation de fonctions de type boîte noire dont la sortie est une variable aléatoire. Motivé par la nécessité de quantifier l'occurrence d'événements extrêmes dans des disciplines comme la médecine, l'agriculture ou la finance, dans cette thèse des indicateurs sur certaines propriétés de la distribution en sortie, comme la variance ou la taille des queues de dis- tribution, sont étudiés. De nombreux indicateurs, aussi connus sous le nom de mesure de risque, ont été proposés dans la littérature ces dernières années. Dans cette thèse nous concentrons notre intérêt sur les quantiles, CVaR et expectiles. Dans un premier temps, nous comparons les approches K-plus proches voisins, forêts aléatoires, régression dans les RKHS, régression par réseaux de neurones et régression par processus gaussiens pour l'estimation d'un quantile conditionnel d'une fonction boite noire. Puis, nous proposons l'utilisation d'un modèle de régression basé sur le couplage de deux processus gaussiens estimés par une méthode variationnelle. Nous montrons que ce modèle, ini- tialement développé pour la régression quantile, est facilement adaptable à la régression d'autres mesures de risque. Nous l'illustrons avec l'expectile. Dans un second temps, nous analysons le problème relatif à l'optimisation d'une mesure de risque. Nous proposons une approche générique inspirée de la littérature X-armed bandits, permettantde fournir un algorithme d'optimisation, ainsi qu'une borne supérieure sur le regret, adaptable au choix de la mesure de risque. L'applicabilité de cette approche est illustrée par l'optimisation d'un quantile ou d'une CVaR. Enfin, nous proposons des algorithmes d'optimisation utilisant des processus gaussiens associés aux stratégies UCB et Thompson sampling, notre objectif étant l'optimisation d'un quantile ou d'un expectileThis thesis presents methods for estimation and optimization of stochastic black box functions. Motivated by the necessity to take risk-averse decisions in medecine, agriculture or finance, in this study we focus our interest on indicators able to quantify some characteristics of the output distribution such as the variance or the size of the tails. These indicators also known as measure of risk have received a lot of attention during the last decades. Based on the existing literature on risk measures, we chose to focus this work on quantiles, CVaR and expectiles. First, we will compare the following approaches to perform quantile regression on stochastic black box functions: the K-nearest neighbors, the random forests, the RKHS regression, the neural network regression and the Gaussian process regression. Then a new regression model is proposed in this study that is based on chained Gaussian processes inferred by variational techniques. Though our approach has been initially designed to do quantile regression, we showed that it can be easily applied to expectile regression. Then, this study will focus on optimisation of risk measures. We propose a generic approach inspired from the X-armed bandit which enables the creation of an optimiser and an upper bound on the simple regret that can be adapted to any risk measure. The importance and relevance of this approach is illustrated by the optimization of quantiles and CVaR. Finally, some optimisation algorithms for the conditional quantile and expectile are developed based on Gaussian processes combined with UCB and Thompson sampling strategies
9
Bittar, Thomas. "Stochastic optimization of maintenance scheduling : blackbox methods, decomposition approaches - Theoretical and numerical aspects". Thesis, Marne-la-vallée, ENPC, 2021. http://www.theses.fr/2021ENPC2004.
Texto completoResumen
Le but de cette thèse est de développer des algorithmes pour la planification optimale de la maintenance. On s'intéresse à des systèmes de grande taille constitués de plusieurs composants liés par un stock commun de pièces de rechange. Les tests numériques sont effectués sur des systèmes de composants d'une même centrale hydroélectrique. La première partie est consacrée à l'étude des méthodes de type boîte noire qui sont souvent utilisées pour la planification de la maintenance. On s'intéresse à un algorithme basé sur le krigeage, Efficient Global Optimization (EGO), et à une méthode de recherche directe, Mesh Adaptive Direct Search (MADS). On présente le fonctionnement des algorithmes aussi bien d'un point de vue théorique que pratique et on propose quelques améliorations pour l'implémentation d'EGO. On compare MADS et EGO sur un banc d'essai académique et sur des cas industriels de petite taille, montrant la supériorité de MADS mais aussi les limites des méthodes boîte noire lorsque l'on veut s'attaquer à des problèmes de grande taille. Dans une deuxième partie, on veut prendre en compte la structure du système, constitué de plusieurs composants liés par un stock commun, afin de pouvoir résoudre des problèmes d'optimisation de maintenance en grande dimension. Dans ce but, on développe un modèle de la dynamique du système étudié et on formule explicitement un problème de contrôle optimal stochastique. On met en place un schéma de décomposition par prédiction, basé sur le Principe du Problème Auxiliaire (PPA), qui permet de ramener la résolution du problème en grande dimension à la résolution itérative d'une suite de sous-problèmes de plus petite taille. La décomposition est d'abord appliquée sur des cas tests académiques où elle se révèle très performante. Dans le cas industriel, il est nécessaire de procéder à une "relaxation" du système pour appliquer la méthode de décomposition. Lors des tests numériques, on résout une approximation de Monte-Carlo du problème. La décomposition permet d'obtenir des gains substantiels par rapport à l'algorithme de référence. Pour résoudre l'approximation de Monte-Carlo du problème de maintenance, on a utilisé une version déterministe du PPA. Dans la troisième partie, on étudie le PPA dans le cadre de l'approximation stochastique dans un espace de Banach. On prouve la mesurabilité des itérés de l'algorithme, on étend aux espaces de Banach des résultats de convergence existant dans les espaces de Hilbert et on donne des vitesses de convergenceThe aim of the thesis is to develop algorithms for optimal maintenance scheduling. We focus on the specific case of large systems that consist of several components linked by a common stock of spare parts. The numerical experiments are carried out on systems of components from a single hydroelectric power plant.The first part is devoted to blackbox methods which are commonly used in maintenance scheduling. We focus on a kriging-based algorithm, Efficient Global Optimization (EGO), and on a direct search method, Mesh Adaptive Direct Search (MADS). We present a theoretical and practical review of the algorithms as well as some improvements for the implementation of EGO. MADS and EGO are compared on an academic benchmark and on small industrial maintenance problems, showing the superiority of MADS but also the limitation of the blackbox approach when tackling large-scale problems.In a second part, we want to take into account the fact that the system is composed of several components linked by a common stock in order to address large-scale maintenance optimization problems. For that purpose, we develop a model of the dynamics of the studied system and formulate an explicit stochastic optimal control problem. We set up a scheme of decomposition by prediction, based on the Auxiliary Problem Principle (APP), that turns the resolution of the large-scale problem into the iterative resolution of a sequence of subproblems of smaller size. The decomposition is first applied on synthetic test cases where it proves to be very efficient. For the industrial case, a "relaxation" of the system is needed and developed to apply the decomposition methodology. In the numerical experiments, we solve a Sample Average Approximation (SAA) of the problem and show that the decomposition leads to substantial gains over the reference algorithm.As we use a SAA method, we have considered the APP in a deterministic setting. In the third part, we study the APP in the stochastic approximation framework in a Banach space. We prove the measurability of the iterates of the algorithm, extend convergence results from Hilbert spaces to Banach spaces and give efficiency estimates
10
Loshchilov, Ilya. "Surrogate-Assisted Evolutionary Algorithms". Phd thesis, Université Paris Sud - Paris XI, 2013. http://tel.archives-ouvertes.fr/tel-00823882.
Texto completoResumen
Les Algorithmes Évolutionnaires (AEs) ont été très étudiés en raison de leur capacité à résoudre des problèmes d'optimisation complexes en utilisant des opérateurs de variation adaptés à des problèmes spécifiques. Une recherche dirigée par une population de solutions offre une bonne robustesse par rapport à un bruit modéré et la multi-modalité de la fonction optimisée, contrairement à d'autres méthodes d'optimisation classiques telles que les méthodes de quasi-Newton. La principale limitation de AEs, le grand nombre d'évaluations de la fonction objectif, pénalise toutefois l'usage des AEs pour l'optimisation de fonctions chères en temps calcul. La présente thèse se concentre sur un algorithme évolutionnaire, Covariance Matrix Adaptation Evolution Strategy (CMA-ES), connu comme un algorithme puissant pour l'optimisation continue boîte noire. Nous présentons l'état de l'art des algorithmes, dérivés de CMA-ES, pour résoudre les problèmes d'optimisation mono- et multi-objectifs dans le scénario boîte noire. Une première contribution, visant l'optimisation de fonctions coûteuses, concerne l'approximation scalaire de la fonction objectif. Le meta-modèle appris respecte l'ordre des solutions (induit par la valeur de la fonction objectif pour ces solutions) ; il est ainsi invariant par transformation monotone de la fonction objectif. L'algorithme ainsi défini, saACM-ES, intègre étroitement l'optimisation réalisée par CMA-ES et l'apprentissage statistique de meta-modèles adaptatifs ; en particulier les meta-modèles reposent sur la matrice de covariance adaptée par CMA-ES. saACM-ES préserve ainsi les deux propriété clé d'invariance de CMA-ES~: invariance i) par rapport aux transformations monotones de la fonction objectif; et ii) par rapport aux transformations orthogonales de l'espace de recherche. L'approche est étendue au cadre de l'optimisation multi-objectifs, en proposant deux types de meta-modèles (scalaires). La première repose sur la caractérisation du front de Pareto courant (utilisant une variante mixte de One Class Support Vector Machone (SVM) pour les points dominés et de Regression SVM pour les points non-dominés). La seconde repose sur l'apprentissage d'ordre des solutions (rang de Pareto) des solutions. Ces deux approches sont intégrées à CMA-ES pour l'optimisation multi-objectif (MO-CMA-ES) et nous discutons quelques aspects de l'exploitation de meta-modèles dans le contexte de l'optimisation multi-objectif. Une seconde contribution concerne la conception d'algorithmes nouveaux pour l'optimi\-sation mono-objectif, multi-objectifs et multi-modale, développés pour comprendre, explorer et élargir les frontières du domaine des algorithmes évolutionnaires et CMA-ES en particulier. Spécifiquement, l'adaptation du système de coordonnées proposée par CMA-ES est couplée à une méthode adaptative de descente coordonnée par coordonnée. Une stratégie adaptative de redémarrage de CMA-ES est proposée pour l'optimisation multi-modale. Enfin, des stratégies de sélection adaptées aux cas de l'optimisation multi-objectifs et remédiant aux difficultés rencontrées par MO-CMA-ES sont proposées.
Libros sobre el tema "Optimisation de boîte noire"
1
Sautreau, Serge. Boîte noire. [Montréal]: nbj, 1986.
Buscar texto completo
2
Martelly, Stéphane. La boîte noire: Suivi de Départs. Montpellier, Québec: Écrits des hautes-terres, 2004.
Buscar texto completo
3
1911-, Lussier Philippe, ed. La boîte noire retrouvée: Biographie de Jean-Philibert Lussier. Sainte-Foy [Québec]: Éditions A. Sigier, 1985.
Buscar texto completo
4
La philosophie dans la boîte noire: Cinq pièces faciles sur Wittgenstein. Paris: Kimé, 2000.
Buscar texto completo
5
MSSYEH, Taha. Boîte Noire. Independently Published, 2019.
Buscar texto completo
6
Robert, Denis. La Boîte noire. Les Arènes, 2002.
Buscar texto completo
7
Ferrandez, Jacques y Tonino Benacquista. La Boîte noire. Gallimard - Futuropolis, 2000.
Buscar texto completo
8
Benozigl. La Boîte noire. Seuil, 1999.
Buscar texto completo
9
Luc-Lecomte, Quentin y Tony Wart. Quaero: La Boîte Noire. Independently Published, 2019.
Buscar texto completo
10
Zaoui, Amin. La boîte noire de l'islam. TAFAT EDITIONS, 2018.
Buscar texto completoCapítulos de libros sobre el tema "Optimisation de boîte noire"
1
"L’INVENTEUR DE LA « BOÎTE NOIRE »". En Pierre Jeanniot, 163–70. Presses de l'Université du Québec, 2011. http://dx.doi.org/10.2307/j.ctv18phfr8.21.
Texto completo
2
Pratt, Andy y Gavin Parker. "Science, technologie, innovation : ouvrir la boîte noire". En Recherche et développement régional, 185–94. Éditions de la Sorbonne, 1997. http://dx.doi.org/10.4000/books.psorbonne.37131.
Texto completo
3
Aïdan, Geraldine y Primavera De Filippi. "LE IUS ARTIFICIALE ENTRE INTÉRIORITÉ ET BOÎTE NOIRE:". En Les intelligences artificielles au prisme de la justice sociale. Considering Artificial Intelligence Through the Lens of Social Justice, 229–50. Presses de l'Université Laval, 2023. http://dx.doi.org/10.2307/jj.9165171.12.
Texto completo
4
Daumas, Jean-Claude. "1. Dans la « boîte noire » des districts industriels". En Les territoires de l’industrie en Europe (1750-2000), 9–34. Presses universitaires de Franche-Comté, 2007. http://dx.doi.org/10.4000/books.pufc.27344.
Texto completo
5
Favereau, Judith. "Du paternalisme libertarien au paternalisme démocratique : une boîte noire vide ?" En Le hasard de la preuve, 217–47. ENS Éditions, 2021. http://dx.doi.org/10.4000/books.enseditions.39342.
Texto completo
6
"9: Gourous et boîte noire : 50 ans de dérive médiatique". En Un regard passionné sur les lipides et les matières grasses, 241–58. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-2075-7-012.
Texto completo
7
"9: Gourous et boîte noire : 50 ans de dérive médiatique". En Un regard passionné sur les lipides et les matières grasses, 241–58. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-2075-7.c012.
Texto completo
8
Neveu, Catherine. "Chapitre 4. Conception du pouvoir d’agir et rapports sociaux : dans la « boîte noire » d’une « Boîte à prêts »". En Le pouvoir d’agir dans les centres sociaux, 97–118. Presses universitaires du Septentrion, 2023. http://dx.doi.org/10.4000/books.septentrion.141452.
Texto completo
9
Benhamou, Salima. "Que sait‐on du travail ?" En Que sait‐on du travail ?, 176–91. Presses de Sciences Po, 2023. http://dx.doi.org/10.3917/scpo.colle.2023.01.0176.
Texto completoResumen
L’organisation du travail est souvent ignorée dans les débats et les politiques publiques visant à améliorer la qualité du travail et des emplois, soit parce que ses modalités de mise en œuvre sont difficiles à identifier, soit parce qu’elle est considérée comme la « boîte noire » de l’entreprise. Pourtant, elle a un impact déterminant sur la qualité du travail et des emplois (conditions de travail, développement des compétences, qualité du management, statut de l’emploi, etc.). Parmi la pluralité des formes d’organisation du travail (taylorienne, simple, lean management et apprenante), certaines sont plus favorables que d’autres aux salariés. C’est notamment le cas de l’apprenante.
10
Grandazzi, Albane y Juliette Senn. "L’expérience de la thèse en management". En L’expérience de la thèse en management, 322–35. EMS Editions, 2023. http://dx.doi.org/10.3917/ems.gaill.2023.01.0322.
Texto completoResumen
Si la période du doctorat est largement documentée, l’après-thèse l’est beaucoup moins, et en particulier les mois – ou années – entre la soutenance de thèse et l’obtention d’un premier poste d’enseignant-chercheur. Ce chapitre vise donc à explorer la boîte noire de l’après-thèse en sciences de gestion, en partant de l’expérience des deux autrices. Ni plaidoyer, ni réquisitoire, ce chapitre veut avant tout donner à voir les possibilités offertes par le postdoctorat, mais aussi les risques parfois peu visibles pour les doctorants s’engageant dans cette voie. Ce chapitre offre également des conseils pratiques dans la recherche d’un postdoctorat en sciences de gestion, ainsi que certains points de vigilance.