Méthodes stochastiques d'optimisation appliquées à la mise au point moteur.

Résumé Cette thèse traite de méthodes stochastiques d'optimisation appliquées à la mise au point moteur, afin que celui-ci consomme le moins de carburant possible et respecte les normes de pollution en vigueur. Cette thèse propose ainsi deux modofocations de la méthodologie existante chez Renault et une nouvelle approche en rupture du processus actuellement utilisé. La première modification consiste à reformuler le problème d'optimisation à l'aide de modèles issus de la logique floue et la seconde utilise un nouvel algorithme d'optimisation stochastique "Multistosch", pour lequel sont démontrés différents résultats de convergence. La nouvelle approche est fondée sur un outil de planification d'essais dynamiques (trajectoires dans un plan), utilisant la quantification fonctionnelle et, en particulier, celle sous contraintes. Dans ce cadre, une nouvelle forme de distorsion sous contrainte est présentée, que nous rechercherons à minimiser par des algorithmes d'optimisation stochastiques.