Ces dernières années, la conception basée sur l’optimisation s’est imposée comme une approche puissante pour développer des structures mécaniques efficaces et innovantes. Cependant, son utilisation pratique en mécanique des structures reste difficile, principalement en raison du cout élevé des simulations et du manque d’informations sur les gradients dans de nombreuses applications réelles. Par conséquent, ce domaine s’appuie souvent sur des algorithmes d’optimisation de type boite noire.
Cette thèse examine la capacité des algorithmes de pointe à relever certains des défis majeurs de la mécanique des structures, en mettant particulièrement l’accent sur les scénarios caractérisés par une forte dimensionnalité et des budgets d’évaluation limités. Les algorithmes évolutionnaires tels que la stratégie d’évolution par adaptation de la matrice de covariance (CMA-ES) et l’optimisation bayésienne (BO) sont largement utilisés dans ce contexte, mais présentent d’importantes limites face à ces défis. De plus, en raison des imprécisions de modélisation, il peut être souhaitable de ne pas produire une solution unique, mais un ensemble diversifié de solutions candidates. Dans ce travail, nous proposons des améliorations à la CMA-ES afin d’accroitre sa capacité à générer des solutions variées, renforçant ainsi son applicabilité à des problèmes d’optimisation mécanique complexes.
Les principales contributions sont les suivantes. Premièrement, nous effectuons une comparaison empirique entre les algorithmes BO et CMA-ES sur la suite de tests Black-box Optimization Benchmarking (BBOB) sous contraintes budgétaires, afin de clarifier leur potentiel et leurs limites. Deuxièmement, nous concevons et évaluons une stratégie d’optimisation sur mesure, CMA-ES-Diversity Search (CMA-ES-DS), pour répondre plus efficacement à la recherche de lots de solutions diversifiées. Troisièmement, nous contribuons au développement d’une nouvelle suite de tests de performance, MechBench, qui comprend des tâches réalistes d’optimisation en mécanique des structures, et fournissons une analyse approfondie montrant comment elle complète la suite BBOB. L’objectif est de renforcer le lien entre l’optimisation et la mécanique des structures en proposant des outils pratiques et des informations favorisant une adoption plus large des stratégies modernes dans l’ingénierie.