Axe Optimisation

L’axe optimisation s’intéresse aux nombreuses classes de méthodes d’optimisation utiles à la résolution des problème d’ingénierie de l’ONERA. Il peut s’agir de techniques d’optimisation locale de l’appareil classique: gradient, gradient adjoint et différentiation automatique;  des techniques du second-ordre de type Newton et quasi-Newton. L’axe s’intéresse également à des techniques d’optimisation d’ordre zéro pour les problèmes « boîte noire »  avec des approches locales (région de confiance) ou globales par surface de réponse, bayésienne ou des méthodes évolutionnaires. Des formulations de type « surrogate »,  optimisation multi-objectif, multi-niveau, multidisciplinaire,  robuste (en présence d’incertitudes) ou  topologique sont des thématiques à part entière de l’axe optimisation.

L’axe est naturellement en interaction avec les axes incertitude et blanc.

Les méthodes mentionnées précédemment interviennent dans de très nombreux domaines d’expertise de l’ONERA : commande en boucle fermée ; conception de systèmes  ; optimisation de formes ; identification de modèles ; ingénierie des matériaux …

Responsables de l’axe : P. Apkarian (DTIS), J. Peter (DAA)

                                                                                                                                   -----------------------------------------------

                                                                                                                                            Les séminaires de l'axe optimisation

Richard Dwight (TU Delft) Reconstruction of turbulent flows at high Reynolds number using data assimilation techniques    (10 septembre 2021)

Jean-Antoine Désidéri (INRIA) Adaptation by Nash Games in gradient-based multi-objective/multi-disciplinary optimization  (7 mai 2021)

Jean-Pierre Raymond (UPS/IMT) Stabilisation d'écoulements et de systèmes couplés. (30 avril 2021) 

Nicolas Couellan (ENAC) Robustness issues and regularization strategies in neural networks  (16 avril 2021)

Pietro Congedo (INRIA) Surrogate-Assisted Bounding-Box Approach Applied to Constrained Multi-Objective Optimisation Under Uncertainty (29 novembre 2019)

Dominik Noll (IMT) Optimisation non-différentiable pour la commande (7 juin 2019) 

Pierre Vuillemin (ONERA) GENETIC une toolbox MATLAB pour l’optimisation (22 mars 2019)