Méta-modèles : comment prédire et optimiser le comportement des systèmes dont la simulation est très coûteuse

Objectifs

- Acquérir une vision globale de la démarche à mettre en œuvre pour prédire et optimiser le comportement d'un système en exploitant des simulations trop couteuses pour qu'elles puissent être multipliées à l'envie.

- Présenter, analyser et utiliser des outils logiciels libres qui seront mis à la disposition des participants à l'issue de la formation.

Public concerné

Toute personne impliquée dans la conception et l'optimisation de systèmes sur la base de code informatique complexe.

Connaissances requises

- formation scientifique de base d'un ingénieur (notions de calcul matriciel, d'optimisation et de probalités).

- être familier avec des logiciels de type Matlab utilisés lors des travaux pratiques

Méthodes pédagogiques

- conférences

- séances de travaux pratiques, durant lesquels des outils logiciels libres seront analysés et utilisés

PROGRAMME

Introduction et exemples

Étapes et méthodes pour la construction d'un méta-modèle

Choix de la structure du modèle, planification des expériences à réaliser, estimation des paramètres, caractérisation des incertitudes

Prédiction de fonctions coûteuses à l'aide du krigeage

Modélisation par processus gaussiens, calcul du meilleur prédicteur linéaire sans biais, sélection de modèle

Travaux pratiques

Prise en main des outils logiciels de prédiction par krigeage, analyse de leur contenu et application sur des problèmes test

Optimisation de fonctions coûteuses à l'aide du krigeage

Optimisation sans contraintes, optimisation sous contrainte, optimisation robuste, optimisation multicritères

Travaux pratiques

Prise en main des outils logiciels d'optimisation par krigeage, analyse de leur contenu et application sur des problèmes test

Compléments sur la planification d'expériences

Différences par rapport à la planification statistique usuelle, planification pour la prédiction, planification pour l'optimisation

Autres formations traitant de sujets connexes

- CG04 - Identification paramétrique, estimation d'état et optimisation

- YG05 - Pratique des plans d'expériences

- AG06 - La maîtrise des logiciels MATLAB et SIMULINK

- AG04 - Statistiques pour l'ingénieur

Dernière mise à jour le 04/05/2012 par Supélec - Formation Continue

Méta-modèles : comment prédire et optimiser le comportement des systèmes dont la simulation est très coûteuse

Introduction et exemples

Étapes et méthodes pour la construction d'un méta-modèle

Choix de la structure du modèle, planification des expériences à réaliser, estimation des paramètres, caractérisation des incertitudes

Prédiction de fonctions coûteuses à l'aide du krigeage

Modélisation par processus gaussiens, calcul du meilleur prédicteur linéaire sans biais, sélection de modèle

Travaux pratiques

Prise en main des outils logiciels de prédiction par krigeage, analyse de leur contenu et application sur des problèmes test

Optimisation de fonctions coûteuses à l'aide du krigeage

Optimisation sans contraintes, optimisation sous contrainte, optimisation robuste, optimisation multicritères

Travaux pratiques

Prise en main des outils logiciels d'optimisation par krigeage, analyse de leur contenu et application sur des problèmes test

Compléments sur la planification d'expériences

Différences par rapport à la planification statistique usuelle, planification pour la prédiction, planification pour l'optimisation

Automatique, signaux et mathématiques appliquées