![[English]](/Icons/English.jpg){kind=icon}
Modélisation de la gestion du trafic aérien : Il s'agit d'identifier, de simplifier et de modéliser des problèmes de gestion du trafic aérien pour pouvoir les résoudre grâce à des méthodes d'optimisation adaptées. La modélisation des problèmes de gestion trafic pose de nombreuses difficultés. Il faut séparer le problème global en sous-problèmes de tailles raisonnables, identifier les contraintes essentielles et celles qui pourront être traitées dans une phase plus avancée de la modélisation, modéliser les problèmes d'incertitudes liées au domaine d'application et prendre en compte les contraintes de fonctionnement du système en temps réel. Séparer la modélisation de la résolution est très utile car cela permet de rapprocher le modèle de problèmes classiques pour lesquels on connait des méthodes de résolution efficaces. Cela permet également à des experts de différents domaines de comparer leurs outils sur un même problème.
Parmi les problèmes modélisés, j'ai largement traité le problème de résolution de conflits aériens dans différents contextes (résolution centralisée, résolution autonôme embarquée, en routes directes ou balisées, résolution en cap, en niveau, en vitesse, prise en compte de toutes sortes d'incertitudes). J'ai également abordé le problème du roulage des avions sur la plateforme aéroportuaire, de l'organisation du réseau de routes, de la sectorisation ou encore des regroupements de secteurs. Plus récemment, je me suis également intéressé à la gestion des créneaux de décollage avec diverses hypothèses et à la prévision des trajectoires d'avion, essentiellement dans les phases de montée.
Développement d'outils de résolutions : Il s'agit de trouver une fois le problème modélisé, l'algorithme le plus efficace pour le résoudre, et éventuellement les adaptations nécessaires au bon fonctionnement de ce dernier. Initialement, j'ai longuement exploré les algorithmes évolutionnaires pour la résolution des problèmes de conflits en route ou pour le roulage au sol, des modifications essentielles ont été toutefois apportées aux opérateurs de croisement et de mutation afin d'améliorer la convergence de ces derniers sur des problèmes de grande taille. On s'est intéressé en outre à la nature partiellement séparable des problèmes traités, qui permet de développer des opérateurs génétiques efficaces. D'autres métaheuristiques ont également été étudiées parmi lesquelles les méthodes de colonies de fourmis, les méthodes d'essaims particulaires, l'évolution différentielle. Enfin, plus récemment, on a montré comment des méthodes de Branch and Bound par intervalles peuvent être hybridées avec des métaheuristiques afin de profiter des avantages de chaque méthode. Les métaheuristiques permettent d'atteindre rapidement une bonne solution qui peut accélerer l'élagage de l'arbre de recherche d'un algorithme de Branch and Bound par intervalles. Ce dernier peut éliminer rapidement des sous-domaines de l'espace de recherche, permettant aux métaheuristiques de se concentrer sur l'espace restant. Une fois qu'il a convergé, le Branch and Bound par intervalles garantit l'optimalité de la solution trouvée. Cette approche hybride a permis de prouver de nouveaux résultats sur des problèmes connus et d'améliorer les performances obtenues avec d'autres approches. Le développement de ces outils nous a permis de résoudre beaucoup de problèmes du trafic aérien mais également des problèmes d'autres domaines : on citera par exemple l'optimisation de turbo-codes convolutifs, de modèles thermiques pour les satellites, de champs d'éoliennes ou du cluster de Lennard-Jones.
J'enseigne :
- Un Cours d'optimisation (Métaheuristiques, Méthodes d'Intervalles, Méthodes Hybrides) aux étudiants ingénieurs \`a l'ENAC en troisième année et Master 2 Recherche IT-RO (Informatique et Télécommunications - Recherche Opérationelle).
- Un Cours d'initiation à la Recherche en troisième année aux élèves ICNA (Ingénieurs du Contrôle de la Navigation Aérienne). \item Cours d'optimisation (Métaheuristiques, Méthodes d'Intervalles) aux étudiants ENSEEIHT/DIMA 3A.
- Un Cours d'IA aux étudiants ingénieurs à l'ENAC en 2ème année Majeure SITA (Systèmes Informatiques pour le transport aérien et la Mineure SITA.
- Des TD d'informatique (programmation en langage CAML, C, Python) en $1^{ere}$ et $2^{eme}$ année du cycle Ingénieur de l'ENAC.
Mes publications sont ici et les anciennes publications des autres membres de l'équipe sont là.
|
Last Update: |