Littérature scientifique sur le sujet « Multiobject »

We develop a generic Graph Cut-based semiautomatic multiobject image segmentation method principally for use in routine medical applications ranging from tasks involving few objects in 2D images to fairly complex near whole-body 3D image segmentation. The flexible formulation of the method allows its straightforward adaption to a given application.\linebreak In particular, the graph-based vicinity prior model we propose, defined as shortest-path pairwise constraints on the object adjacency graph, can be easily reformulated to account for the spatial relationships between objects in a given problem instance. The segmentation algorithm can be tailored to the runtime requirements of the application and the online storage capacities of the computing platform by an efficient and controllable Voronoi tessellation clustering of the input image which achieves a good balance between cluster compactness and boundary adherence criteria. Qualitative and quantitative comprehensive evaluation and comparison with the standard Potts model confirm that the vicinity prior model brings significant improvements in the correct segmentation of distinct objects of identical intensity, the accurate placement of object boundaries and the robustness of segmentation with respect to clustering resolution. Comparative evaluation of the clustering method with competing ones confirms its benefits in terms of runtime and quality of produced partitions. Importantly, compared to voxel segmentation, the clustering step improves both overall runtime and memory footprint of the segmentation process up to an order of magnitude virtually without compromising the segmentation quality.

The diploma thesis is focused on create an optimization methodology for CFD issues or any other computationally demanding software. Optimization method is applied on simplified model of car, where improves its aerodynamic properties

Ce travail traite des methodes d'optimisation multiobjectif. Dans une premiere grande partie, nous avons effectue la synthese des methodes multiobjectifs en suivant une classification traditionnelle qui divise les methodes en trois classes importantes : - les methodes necessitant une ponderation "a priori" des objectifs. - les methodes necessitant une ponderation "progressive" des objectifs ou methodes interactives. - les methodes conduisant a une ponderation "a posteriori" des objectifs. Dans une seconde partie, nous essayons d'apporter une contribution theorique a l'amelioration d'une methode appartenant a la classe des methodes interactives en integrant un modele probabiliste de choix qualitatif qui autorise des specifications assez souples, le modele probit conditionnel<br>This work treat of multiple objective optimization methods. In a first large part, we accomplished the multiple objective methods synthesis by following a traditional classification which separate the methods in three major class : - the methods which require "a priori" ponderation of the objectives. - the methods which require "progressive" ponderation of the objectives or the interactive methods. - the methods which lead to "a posteriori" ponderation of the objectives. In a second part, we try to provide a theorical contribution to improve a method which belongs to the interactive methods class by integrating a qualitative choice probabilistic model which authorize sufficiently versatile specifications, the conditional probit model

Ce travail de recherche entre dans le cadre de la conception pluridisciplinaire de systèmes techniques. Son contexte est le processus support à l'optimisation en conception organique suivant l'approche d'Ingénierie Système. La problématique est l'affectation des variables et le choix de composants en tenant compte des possibilités de couplage entre les disciplines et des objectifs multiples à satisfaire. L'objectif poursuivi est un apport méthodologique et outillé pour l'aide à l'optimisation multiobjectif et multidisciplinaire. La contribution comporte deux volets principaux. D'une part, deux méthodes de recherche basées sur les méta-heuristiques permettent de déterminer rapidement un ensemble des solutions efficaces. D'autre part, l'application de méthodes de discrimination fournit aux concepteurs une aide à l'interprétation des ensembles de solutions efficaces dégagés dans la phase d'optimisation. Ces propositions sont illustrées par deux exemples de conception en robotique.

La conception d'avions au stade avant-projet consiste à déterminer les principales caractéristiques d'un avion répondant à un cahier des charges donné. Ces études peuvent être résumées par des problèmes d'optimisation globale sous contraintes avec typiquement un millier de paramètres et presque autant de contraintes. Les contraintes expriment la faisabilité physique ainsi que le cahier des charges à respecter, et les objectifs sont des performances de l'avion guidées par des études de marché. De plus, le conception d'avions est un problème d'optimisation multicritère du fait de la présence de fonctions objectifs antagonistes. L'objectif de cette étude est d'introduire de nouvelles méthodes mathématiques qui peuvent être utiles dans un outil de dimensionnement avant-projet pour résoudre le problème d'optimisation d'une configuration d'avion. Nous avons contribué à l'amélioration des méthodes d'optimisation qui sont couramment utilisées au département des Avant-Projets d'Airbus. En utilisant les algorithmes génétiques, nous avons rendu le processus d'optimisation monocritère plus robuste. Ensuite, nous avons introduit des méthodes d'optimisation multicritère car nous avions plusieurs critères conflictuels à considérer. Comme les temps de calcul sont devenus importants, nous avons décidé de substituer au modèle d'avion un modèle approché. Nous avons implémenté les fonctions à base radiale pour approcher les contraintes et les fonctions objectifs. Enfin, nous avons propagé les incertitudes du modèle pour estimer la robustesse des résultats de l'optimisation et nous avons proposé un aboutissement possible de l'intégration de ces techniques~: donner aux ingénieurs une perception opérationnelle de l'espace de définition<br>Aircraft sizing studies consist in determining the main characteristics of an aircraft starting from a set of requirements. These studies can be summarized as global constrained optimisation problems with typically one thousand parameters and almost as many constraints. The constraints express physical feasibility and the requirements to be satisfied, and the objectives are market driven performances of the aircraft. Moreover, aircraft sizing is typically a multicriteria optimisation problem because of some competing objectives. The aim of this thesis is to introduce new mathematical methods that can be useful in a future project sizing tool to treat the aircraft configuration optimisation problem. We contributed in improving the optimisation methods that are currently used in the Airbus Future Project Office. By using genetic algorithms, we made the mono-criterion optimisation process more robust. Then, we introduced multicriteria optimisation methods because we had several conflicting criteria to consider. As the calculation times became important, we decided to substitute the aircraft model by a surrogate model. We implemented radial basis functions to approximate the constraint and the objective functions. Finally, we propagated the model uncertainty to assess the robustness of the optimisation results and we proposed a possible outcome of the integration of these different techniques in order to yield the engineers a global and operational perception of the design space

Par conscience environnementale ou à cause des coûts de l'énergie, de plus en plus de personnes utilisent les transports en commun ou les transports doux. Cependant, un seul mode de transport ne peut pas couvrir tous les besoins. De ce fait, la combinaison de différents modes de transport est une solution très intéressante. Trouver le meilleur chemin multimodal pour une personne donnée est une tâche difficile. Chaque personne a des préférences différentes concernant la durée, le coût, la pollution, les changements, etc. De plus, le choix d'un même usager dépendent des circonstances. S'il pleut, il ne prendra pas le vélo et s'il a des bagages encombrants, il évitera les changements. L'optimisation multiobjectif permet de proposer plusieurs solutions dites équivalentes. Ainsi l'utilisateur choisira l'itinéraire qui lui convient en fonction de ses préférences à un moment donné. Le problème principal à résoudre est donc celui du plus court chemin multiobjectif de point à point dépendant du temps. L'enjeu est d'être capable d'avoir des résultats de l'ordre de la seconde pour une grande ville pour envisager une application réelle. Une attention particulière a été portée sur la simplicité et la généricité des approches proposées. Nous ne nous restreignons pas à un nombre prédéfini de modes de transport ou d'objectifs. Plusieurs algorithmes réputés pour leurs performances théoriques ou expérimentales ont été adaptés au cas multiobjectif ou à la dépendance du temps. Nous avons également proposé des heuristiques permettant de garder le temps de calcul de l'ordre de la seconde.

Par conscience environnementale ou à cause des coûts de l'énergie, de plus en plus de personnes utilisent les transports en commun ou les transports doux. Cependant, un seul mode de transport ne peut couvrir tous les besoins. De ce fait, la combinaison de différents modes de transport est une solution très intéressante. Trouver le meilleur chemin multimodal pour une personne donnée est une tâche difficile. Chaque personne a des préférences différentes concernant la durée, le coût, la pollution, les changements, etc. De plus, le choix d'un même usager dépend des circonstances. S'il pleut, il ne prendra pas le vélo et s'il a des bagages encombrants, il évitera les changements. L'optimisation multiobjectif permet de proposer plusieurs solutions dites équivalentes. Ainsi l'utilisateur choisira l'itinéraire qui lui convient en fonction de ses préférences à un moment donné. Le problème principal à résoudre est donc celui du plus court chemin multiobjectif de point à point dépendant du temps. L'enjeu est d'être capable d'avoir des résultats de l'ordre de la seconde pour une grande ville pour envisager une application réelle. Une attention particulière a été portée sur la simplicité et la généricité des approches proposées. Nous ne nous restreignons pas à un nombre prédéfini de modes de transport ou d'objectifs. Plusieurs algorithmes réputés pour leurs performances théoriques ou expérimentales ont été adaptés au cas multiobjectif ou à la dépendance du temps. Nous avons également proposé des heuristiques permettant de garder le temps de calcul de l'ordre de la seconde. Les algorithmes ont été appliqués avec succès sur les villes de San Francisco, Los Angeles et Rennes<br>With the growth of environmental awareness and high energy prices, more and more people use public transport, cycle or walk. However, just one mean of transport cannot cover all the transportation needs. Therefor, combining different means of transport is often an interesting solution. Finding the best multimodal route for a given person is a hard task. Every person has different opinions concerning the duration, the cost, pollution, number of changes etc. Even the same person might choose different paths depending on circumstances : if it's raining he will not cycle and if he has to carry heavy luggages, he will avoid changes. Multicriteria optimization allows to suggest multiple solutions that are said to be equivalent. The user will chose the route that fits the best according to his preferences at a given moment. The main problem to solve is the shortest multimodal time dependent path. The challenge is to have results in less than a second on a large city in order to have a real life application. A great care has been taken to remain simple an generic. We do not restrict the number of means of transport nor the considered objectives. We adapted algorithms known for their theoretical or experimental performances in order to take in account the time dependency or to be multiobjective. Well also suggest heuristics to keep computation time around one second. The algorithms have been tested with success on San Francisco, Los Angeles and Rennes