Optimisation multiobjectifL'optimisation multiobjectif (appelée aussi Programmation multi-objective ou optimisation multi-critère) est une branche de l'optimisation mathématique traitant spécifiquement des problèmes d'optimisation ayant plusieurs fonctions objectifs. Elle se distingue de l'optimisation multidisciplinaire par le fait que les objectifs à optimiser portent ici sur un seul problème. Les problèmes multiobjectifs ont un intérêt grandissant dans l'industrie où les responsables sont contraints de tenter d'optimiser des objectifs contradictoires.
Parc éolienthumb|Parc éolien de Neuenkirchen (Allemagne). thumb|Parc éolien de Tauern (Autriche). Une centrale éolienne, parc éolien, ou ferme éolienne, est un site regroupant plusieurs éoliennes produisant de l'électricité. Il se trouve dans un lieu où le vent est fort et/ou régulier. vignette|centre|Parc de Guazhou (Chine).|upright=3 La ferme éolienne de Gansu, province du Gansu, en Chine, est le plus important parc du monde avec de puissance en novembre 2010.
ÉolienneUne éolienne est un dispositif qui transforme l'énergie cinétique du vent en énergie mécanique, dite énergie éolienne, laquelle est ensuite le plus souvent transformée en énergie électrique. Les éoliennes produisant de l'électricité sont appelées « aérogénérateurs », tandis que les éoliennes qui pompent directement de l'eau sont parfois dénommées « éoliennes de pompage » ou « pompes à vent ». Une forme ancienne d'éolienne est le moulin à vent.
Wind-turbine aerodynamicsThe primary application of wind turbines is to generate energy using the wind. Hence, the aerodynamics is a very important aspect of wind turbines. Like most machines, wind turbines come in many different types, all of them based on different energy extraction concepts. Though the details of the aerodynamics depend very much on the topology, some fundamental concepts apply to all turbines. Every topology has a maximum power for a given flow, and some topologies are better than others.
Algorithme génétiqueLes algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable. Les algorithmes génétiques utilisent la notion de sélection naturelle et l'appliquent à une population de solutions potentielles au problème donné.
Crossover (genetic algorithm)In genetic algorithms and evolutionary computation, crossover, also called recombination, is a genetic operator used to combine the genetic information of two parents to generate new offspring. It is one way to stochastically generate new solutions from an existing population, and is analogous to the crossover that happens during sexual reproduction in biology. Solutions can also be generated by cloning an existing solution, which is analogous to asexual reproduction. Newly generated solutions may be mutated before being added to the population.
Énergie éolienneL’énergie éolienne est l'énergie du vent, dont la force motrice (énergie cinétique) est utilisée dans le déplacement de voiliers et autres véhicules ou transformée au moyen d'un dispositif aérogénérateur, comme une éolienne ou un moulin à vent, en une énergie diversement utilisable. L'énergie éolienne est une énergie renouvelable. L'énergie éolienne est une source d'énergie intermittente qui n'est pas produite à la demande, mais selon les conditions météorologiques ; elle nécessite donc des installations de production ou de stockage en remplacement pendant ses périodes d'indisponibilité.
Optimization problemIn mathematics, computer science and economics, an optimization problem is the problem of finding the best solution from all feasible solutions. Optimization problems can be divided into two categories, depending on whether the variables are continuous or discrete: An optimization problem with discrete variables is known as a discrete optimization, in which an object such as an integer, permutation or graph must be found from a countable set.
Chromosome (genetic algorithm)In genetic algorithms (GA), or more general, evolutionary algorithms (EA), a chromosome (also sometimes called a genotype) is a set of parameters which define a proposed solution of the problem that the evolutionary algorithm is trying to solve. The set of all solutions, also called individuals according to the biological model, is known as the population. The genome of an individual consists of one, more rarely of several, chromosomes and corresponds to the genetic representation of the task to be solved.
Optimisation (mathématiques)L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.
Optimisation par essaims particulairesL'optimisation par essaims particulaires (OEP ou PSO en anglais) est une métaheuristique d'optimisation, inventée par Russel Eberhart (ingénieur en électricité) et James Kennedy (socio-psychologue) en 1995. Cet algorithme s'inspire à l'origine du monde du vivant. Il s'appuie notamment sur un modèle développé par Craig Reynolds à la fin des années 1980, permettant de simuler le déplacement d'un groupe d'oiseaux. Une autre source d'inspiration, revendiquée par les auteurs, James Kennedy et Russel Eberhart, est la socio-psychologie.
Optimisation convexevignette|320x320px|Optimisation convexe dans un espace en deux dimensions dans un espace contraint L'optimisation convexe est une sous-discipline de l'optimisation mathématique, dans laquelle le critère à minimiser est convexe et l'ensemble admissible est convexe. Ces problèmes sont plus simples à analyser et à résoudre que les problèmes d'optimisation non convexes, bien qu'ils puissent être NP-difficile (c'est le cas de l'optimisation copositive). La théorie permettant d'analyser ces problèmes ne requiert pas la différentiabilité des fonctions.
Optimisation combinatoireL’optimisation combinatoire, (sous-ensemble à nombre de solutions finies de l'optimisation discrète), est une branche de l'optimisation en mathématiques appliquées et en informatique, également liée à la recherche opérationnelle, l'algorithmique et la théorie de la complexité. Dans sa forme la plus générale, un problème d'optimisation combinatoire (sous-ensemble à nombre de solutions finies de l'optimisation discrète) consiste à trouver dans un ensemble discret un parmi les meilleurs sous-ensembles (ou solutions) réalisables, la notion de meilleure solution étant définie par une fonction objectif.
Algorithme mémétiqueLes algorithmes mémétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode de résolution pour résoudre le problème de manière exacte en un temps raisonnable. Les algorithmes mémétiques sont nés d'une hybridation entre les algorithmes génétiques et les algorithmes de recherche locale. Ils utilisent le même processus de résolution que les algorithmes génétiques mais utilisent un opérateur de recherche locale après celui de mutation.
Algorithme de colonies de fourmisLes algorithmes de colonies de fourmis (, ou ACO) sont des algorithmes inspirés du comportement des fourmis, ou d'autres espèces formant un superorganisme, et qui constituent une famille de métaheuristiques d’optimisation. Initialement proposé par Marco Dorigo dans les années 1990, pour la recherche de chemins optimaux dans un graphe, le premier algorithme s’inspire du comportement des fourmis recherchant un chemin entre leur colonie et une source de nourriture.
Dualité (optimisation)En théorie de l'optimisation, la dualité ou principe de dualité désigne le principe selon lequel les problèmes d'optimisation peuvent être vus de deux perspectives, le problème primal ou le problème dual, et la solution du problème dual donne une borne inférieure à la solution du problème (de minimisation) primal. Cependant, en général les valeurs optimales des problèmes primal et dual ne sont pas forcément égales : cette différence est appelée saut de dualité. Pour les problèmes en optimisation convexe, ce saut est nul sous contraintes.
Limite de BetzLa limite de Betz est une loi physique qui indique que la puissance théorique maximale développée par un capteur éolien est égale à 16/27 (environ 60 %) de la puissance incidente du vent qui traverse l'éolienne. Ce résultat fut découvert par l'allemand Albert Betz en 1919 et fut publié dans son livre Wind Energie en 1926. Cette loi s'applique à tous types d'éoliennes à pales, que l'on désigne par le nom générique de capteur éolien.
Constrained optimizationIn mathematical optimization, constrained optimization (in some contexts called constraint optimization) is the process of optimizing an objective function with respect to some variables in the presence of constraints on those variables. The objective function is either a cost function or energy function, which is to be minimized, or a reward function or utility function, which is to be maximized.
Énergie marémotricethumb|Usine marémotrice de la Rance. L'énergie marémotrice est issue des mouvements de l'eau créés par les marées et causés par l'effet conjugué des forces de gravitation de la Lune et du Soleil. Elle est utilisée sous forme d'énergie potentielle ou sous forme d'énergie cinétique . L'exploitation de l'énergie marémotrice est ancienne. Les premiers moulins à marée dateraient de l'Antiquité sur la rivière Fleet dans la Londres romaine. Ils apparaissent à travers l'Europe au Moyen Âge comme ceux sur l'Adour, construits au .
Petit éolienLe petit éolien, ou éolien individuel ou encore éolien domestique, désigne toutes les éoliennes d'une puissance nominale inférieure ou égale à (en Europe), à 36 kilowatts (en France), ou (aux États-Unis), raccordées au réseau électrique ou bien autonomes en site isolé. Il vise à répondre à de petits besoins électriques et alimenter des appareils électriques (pompes, éclairage, chauffage...) de manière durable, principalement en milieu rural ou sur des véhicules (voiliers, péniches, caravanes...
