Abstract FR:

Le travail developpe dans cette these concerne la reduction de la complexite en temps de methodes d'optimisation directes. Nous avons retenu deux methodes qui n'utilisent aucune information variationnelle mais simplement la valeur de la fonction en des points particuliers: la methode du simplexe de nelder-mead et la programmation dynamique. Malgre leurs avantages, leur application est limitee par la dimension des problemes et par l'espace memoire necessaire. Les approches developpees portent sur des ameliorations algorithmiques et sur la conception d'algorithmes paralleles sur des architectures mimd a memoire partagee: le cray c98 et a memoire distribuee: un reseau local de stations et l'environnement landa. Dans un premier temps notre travail a porte sur la generalisation de l'algorithme du simplexe. Pour cela, apres avoir analyse les proprietes d'un simplexe, nous avons elabore trois classes d'algorithmes dont le principe commun repose sur la multiplication des directions de recherche. Dans un second temps, nous avons etudie la parallelisation de cet algorithme. L'idee de base consiste a effectuer une anticipation des operations dans l'ordre ou elles pourraient apparaitre. La modelisation des performances de cette strategie a permis d'estimer de maniere precise les accelerations envisageables. En ce qui concerne la programmation dynamique nous avons developpe une approche numerique vectorielle et parallele pour la resolution de problemes de commande optimale deterministes ou stochastiques, en horizon fini ou infini, contraints sur l'etat et/ou la commande. Les strategies de parallelisation adoptees sont basees sur la vectorisation des calculs, le partionnement des domaines, et la relaxation du synchronisme