Note ABES Evolutionary and quantum-inspired algorithms for the optimization of magnetic cooling systems Algorithmes évolutionnaires et inspirés du quantique pour l'optimisation de systèmes de réfrigération magnétique Algorithmes évolutionnaires Algorithmes d'optimisation inspirés du quantique Optimisation de modèles de simulation Matériaux magnétocaloriques Réfrigération magnétique Evolutionary algorithms Quantum-inspired optimization algorithms Optimization of simulation models Magneto caloric materials Magnetic refrigeration 004 518.1 536 Effet magnétocalorique Algorithmes Cette thèse est réalisée dans le cadre du projet ANR CoolMagEvo, qui se donne comme objectif le développement de systèmes de réfrigération magnétique. Nous disposons de deux modèles de simulation dont on a assigné une fonction de problèmes d'optimisation: un modèle de Matériaux Magnetocaloriques (MMCs) et un modèle d'un Régénérateur Magnétique Actif (AMR). Selon les exigences des modèles, nous avons développé trois algorithmes d'optimisation. Par la suite, nous avons développé un outil basé sur les algorithmes proposés pour résoudre facilement et efficacement différents problèmes de ces modèles de simulation. Ensuite, à l'aide de cet outil, nous avons eu la possibilité d'ériger la nouvelle méthode basée sur l'optimisation, qui permet de reproduire les propriétés physiques de différents MMCs. Enfin, nous avons étudié l'impact des paramètres de contrôle et de désign du modèle de l'AMR sur ses performances pour deux modes d'application. This thesis is carried out within the frame of the CoolMagEvo ANR project, which aims at developing of magneto cooling systems. In this context, we consider the two following simulation models as time-consuming optimization problems: a model of Magneto Caloric Materials (MCMs) and a model of an Active Magnetic Regenerator (AMR). According to the defined requirements of the problems, we develop three special optimization algorithms. Then, we develop the software tool based on the proposed algorithms for easily solving different problems of these simulation models. Next, using this tool, we present the new method based on optimization, for reproducing physical properties of different MCMs. Finally, we study the impact of the control and design parameters of the AMR model on its performance in two application modes. Electronic Thesis or Dissertation Text en PDF 5352430 Université de Strasbourg Strasbourg 2022-12-31 https://theses.hal.science/tel-03891449 application/pdf 5275323 https://publication-theses.unistra.fr/public/theses_doctorat/2022/OUSKOVA_Anna_2022_ED269.pdf http://www.theses.fr/2022STRAD006/abes https://theses.hal.science/tel-03891449 https://theses.hal.science/tel-03891449 https://theses.hal.science/tel-03891449 https://theses.hal.science/tel-03891449 Ouskova Leonteva Anna 1979-04-15 FR 266260845 0EFB1Q03FG6 21517097 4200018 https://theses.fr/2022STRAD006 2022STRAD006 https://doi.org/10.70675/bb97a89czce8fz495ez8e38zf8d4064cfb02 2022-05-24 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Collet Pierre MADS_DIRECTEUR_DE_THESE_1 112048854 Parrend Pierre MADS_DIRECTEUR_DE_THESE_2 144476185 Whitlock Shannon MADS_PRESIDENT_DU_JURY 255251882 Verel Sébastien MADS_MEMBRE_DU_JURY_1 11806259X Jeannin Anne MADS_MEMBRE_DU_JURY_2 258075988 Lutton Évelyne MADS_RAPPORTEUR_1 03114585X Balli Mohamed MADS_RAPPORTEUR_2 136388116 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 269 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 260728 176969721 ddc:004 ddc:510 ddc:530 Collet Pierre Parrend Pierre Whitlock Shannon Verel Sébastien Jeannin-Girardon Anne Lutton Évelyne Balli Mohamed École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg) PDF 5352430