L2EP

L2EP Logo

LABORATOIRE D'ELECTROTECHNIQUE ET D'ELECTRONIQUE DE PUISSANCE DE LILLE

Recherche, Développement et Innovation en Génie Electrique

Benchmarks

Benchmark d’un transformateur

benchmark transformateurCe benchmark présente le problème d’optimisation d’un transformateur de sécurité à variables discrètes et non classables qui peut être utile à l’élaboration de nouvelles méthodes d’optimisation combinatoire, multi-niveaux et multi-objectif sous contraintes. Des premiers résultats d’optimisation sont comparés :

  • Dans le cas combinatoire avec la méthode Branch-and-Bound (BB) et un algorithme génétique (GA),
  • Dans le cas multi-niveaux avec des techniques de Space-Mapping (SM),
  • Dans le cas multi-objectif avec les méthodes d’agrégation pondérée et Non-Dominated Sorting Genetic Algorithm (NSGA-II).

Deux modèles thermo-électromagnétiques sont établis : le premier est un modèle éléments finis 3D (MEF), le deuxième est un modèle analytique. Un site internet a été réalisé pour rassembler les informations utiles en vue de tester le benchmark ainsi que les premiers résultats d’optimisation présentés. Il permettra à la communauté scientifique de capitaliser leurs résultats et de comparer les méthodes d’optimisation.

 

Benchmark d’un moteur roue

moteur roue optimisationCe benchmark présente un modèle de dimensionnement d’un moteur à courant continu sans balais. Deux problèmes d’optimisation sous contraintes sont présentés – un problème d’optimisation mono-objectif et un autre multi-objectif – qui peuvent être utiles à l’élaboration et au test de nouvelles méthodes d’optimisation. Les résultats d’optimisation sont comparés :

 

  • Dans le cas mono-objectif avec des métaheuristiques – un algorithme génétique (GA), un algorithme de colonie de fourmis (ACO), et un algorithme d’essaim de particules (PSO) – et la méthode déterministe de programmation quadratique séquentielle (SQP) combiné à une approche multi-start (point initial multiple),
  • Dans un cas multi-objectif avec deux algorithmes évolutionnaires – Non-dominated Sorting Genetic Algorithm (NDGA-II) et Strength Pareto Evolutionary Algorithm (SPEA2) – et un algorithme de pondération des objectifs combiné avec SQP.

Consultez le site internet dédié.