Intelligence artificielle hybride et optimisation pour l'optimisation robuste de trajectoires de vol 4D multi-objectifs

Le secteur de l'aviation connaît actuellement de profondes transformations, sous l'effet de l'augmentation de la demande de trafic, des contraintes environnementales et de la nécessité de disposer d'opérations plus résilientes. Les futurs systèmes de gestion du trafic aérien (ATM) devront s'appuyer sur des outils avancés d'aide à la décision, capables d'optimiser les trajectoires des aéronefs tout en prenant simultanément en compte l'efficacité opérationnelle, les coûts économiques, l'impact environnemental et les incertitudes. Les méthodes classiques d'optimisation de trajectoires offrent des garanties mathématiques ainsi qu'une gestion précise des contraintes, mais leur coût de calcul devient problématique dans des scénarios à grande échelle, multi-objectifs et soumis à l'incertitude. À l'inverse, les méthodes fondées sur l'intelligence artificielle (IA) offrent de puissantes capacités d'apprentissage, mais ne fournissent généralement pas de garanties suffisantes en matière de faisabilité, d'interprétabilité et de robustesse. Cette thèse propose de développer des approches hybrides combinant intelligence artificielle et optimisation mathématique pour l'optimisation robuste et multi-objectifs des trajectoires de vol en quatre dimensions (4D). L'hypothèse principale est que l'IA peut compléter efficacement les méthodes d'optimisation mathématique en accélérant les procédures de recherche, en apprenant des modèles complexes et en améliorant la prise de décision, tandis que les méthodes d'optimisation permettent de préserver la cohérence physique et la fiabilité opérationnelle des solutions obtenues. Les travaux porteront sur l'optimisation des vols individuels, la coordination à l'échelle d'une flotte ainsi que sur des applications au niveau de la gestion du trafic aérien (ATM). Une attention particulière sera accordée aux objectifs liés à la durabilité de l'aviation, notamment à la réduction de la consommation de carburant, à la diminution des émissions de CO₂ et à la prise en compte des effets climatiques des émissions autres que le CO₂ (non-CO₂). École doctorale : EDMITT - Ecole Doctorale Mathématiques, Informatique et Télécommunications de Toulouse Direction : Daniel DELAHAYE Financement : MSCA COFUND BEST