L'optimisation offre la possibilité, dans de nombreux domaines, d'améliorer les performances d'un système donné,
qu'il soit physique ou mathématique. Depuis quelques décennies, les méthodes d'optimisation metaheuristiques ont
fait leurs preuves, notamment dans le domaine de la mécanique. Du grec meta signifiant "un niveau au dessus", les
metaheuristiques permettent de s'affranchir du calcul des sensibilités souvent problématique quant à la résolution
de problèmes d'optimisation complexes et/ou NP difficiles. En outre, elles ont la capacité à analyser simultanément
l'ensemble du domaine des solutions, ce qui leur permet converger efficacement vers l'optimum global de la fonction
objectif considérée.
Notre travail propose le développement d'une nouvelle méthode metaheuristique intelligente, basée conjointement
sur l'algorithme d'optimisation par essaim particulaire PSO, et l'algorithme PageRank développé par MM. Brin et
Page, et utilisé par le moteur de recherche Google. Cet algorithme, appelé InversePageRank-PSO (I-PR-PSO), a
été validé sur un benchmark de fonctions mathématiques, puis en optimisation avec contraintes sur des treillis
mécaniques. Interfacée avec l'algorithme Evolutionary Structural Optimization (ESO), elle a été adaptée à
l'optimisation topologique et a permis de trouver des résultats dont les topologies sont régulières et les temps de
calcul minimisés.
Dans le domaine des metamatériaux, nous avons développé une cape d'invisibilité électromagnétique fréquentielle,
c'est à dire un metamatériau dont les parties réelle et imaginaire de la perméabilité effective sont négatives. En
appliquant notre algorithme I-PR-PSO aux metamatériaux mécaniques, nous avons montré qu'il est possible de
développer un metamatériau constitué d'acier qui présente des grandes déformations à l'échelle macroscopique,
dûes notamment aux grands déplacements présents dans le Volume Elémentaire Représentatif à l'échelle
microscopique.
Mots-clés : Optimisation, Metaheuristiques, Mécanique, Metamatériaux
Résumé