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.
Échangeur de chaleurUn échangeur de chaleur est un dispositif permettant de transférer de l'énergie thermique d'un fluide vers un autre sans les mélanger. Le flux thermique y traverse la surface d'échange qui sépare les fluides. L'intérêt du dispositif réside dans la séparation des deux circuits et dans l'absence d'autres échanges que la chaleur, qui maintient les caractéristiques physico-chimiques (pression, concentration en éléments chimiques...) de chaque fluide inchangées hormis leur température ou leur état.
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.
Transfert thermiquevignette|alt=Autour d'un feu, des mains reçoivent sa chaleur par rayonnement (sur le côté), par convection (au-dessus de ses flammes) et par conduction (à travers un ustensile en métal).|Les modes de transfert thermique ( en anglais pour « rayonnement »). Un transfert thermique, appelé plus communément chaleur, est l'un des modes d'échange d'énergie interne entre deux systèmes, l'autre étant le travail : c'est un transfert d'énergie thermique qui s'effectue hors de l'équilibre thermodynamique.
Convection thermiqueLa convection (thermique) désigne le transfert d'énergie thermique au sein d'un fluide en mouvement ou entre un fluide en mouvement et une paroi solide. Ce transfert d'énergie est réalisé par deux modes de transfert élémentaire combinés que sont l'advection et la diffusion. La convection constitue, avec la conduction et le rayonnement, l'un des trois modes d'échange de chaleur entre deux systèmes, et diffère de ces derniers par la méthode de transfert.
Coefficient de transfert thermiqueLe coefficient de transfert thermique ou coefficient de transmission thermique est un coefficient quantifiant le flux d'énergie traversant un milieu, par unité de surface, de volume ou de longueur. L'inverse du coefficient de transfert thermique est la résistance thermique. C'est un terme important dans l'équation d'un transfert thermique et permet d'indiquer la facilité avec laquelle l'énergie thermique passe un obstacle ou un milieu. Dans le cas d'un transfert surfacique, il est appelé coefficient de transfert thermique surfacique ou résistance thermique d'interface.
Global optimizationGlobal optimization is a branch of applied mathematics and numerical analysis that attempts to find the global minima or maxima of a function or a set of functions on a given set. It is usually described as a minimization problem because the maximization of the real-valued function is equivalent to the minimization of the function . Given a possibly nonlinear and non-convex continuous function with the global minima and the set of all global minimizers in , the standard minimization problem can be given as that is, finding and a global minimizer in ; where is a (not necessarily convex) compact set defined by inequalities .
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.
Optimisation multidisciplinaireL'Optimisation de Conception Multidisciplinaire (OMD ou MDO, Multidisciplinary Design Optimisation, en anglais) est un domaine d'ingénierie qui utilise des méthodes d'optimisation afin de résoudre des problèmes de conception mettant en œuvre plusieurs disciplines. La MDO permet aux concepteurs d'incorporer les effets de chacune des disciplines en même temps. L'optimum global ainsi trouvé est meilleur que la configuration trouvée en optimisant chaque discipline indépendamment des autres, car l'on prend en compte les interactions entre les disciplines.
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.
