Une méthodologie computationnelle pour faire de l’optimisation multi-objectifs en élevage de précision

Abstract

En élevage de précision, les problèmes d’optimisation sont multi-objectifs et stochastiques. En effet, les exigences des décideurs sont multiples et les fonctions objectifs ne peuvent être modélisées sous une forme analytique dû à la complexité inhérente des systèmes biologiques. La méthodologie proposée consiste à utiliser des quantiles conditionnels, estimés non paramétriquement, associés à différents niveaux de risque $\alpha$ choisis parle décideur, pour intégrer l’incertitude du modèle. Pour un risque $\alpha$ donné, l’algorithme génétique NSGAII permet ensuite de déterminer le Front de Pareto, qui porte l’ensemble des compromis possibles au sein duquel le décideur peut alors choisir. Le bon comportement numérique de l’approche développée est illustré sur une simulation numérique.