{"id":{"repo_id":"moncton","oai_identifier":"oai:umoncton.scholaris.ca:20.500.14658/6464"},"canonical_url":"https://search.dev.ndltd.org/etd/moncton/oai:umoncton.scholaris.ca:20.500.14658/6464","repository":{"repo_id":"moncton","name":"University de Moncton","base_url":"https://umoncton.scholaris.ca/server/oai/request"},"display":{"title":"L' algorithme génétique en génie électrique: application à l'éllipsométrie et aux réseaux de Brago","abstract":"L'algorithme génétique est une technique d'optimisation basée sur l'évolution. Il est basé sur des principes darwiniens de survie des plus forts et un échange d'information aléatoire mais structuré pour obtenir la meilleure solution possible à un problème. Pour un problème dans lequel la solution est inconnue, l'algorithme génétique génère aléatoirement un ensemble de solutions possibles, qu'on appelle la population. Ces solutions possibles sont évaluées en fonction de leur performance, et les meilleures solutions reçoivent un nombre exponentiellement croissant d'essais. L’avantage de l'algorithme génétique par rapport à d'autres techniques d'optimisation plus classiques est que l'algorithme génétique ne nécessite pas d'estimé initial. On peut donc l'utiliser pour résoudre des problèmes où l'on ne connaît que les bornes et il n'est pas nécessaire de trouver un estimé initial. L'algorithme génétique est utilisé ici comme un outil pour optimiser ou résoudre certains problèmes en génie électrique, dans ce cas des problèmes reliés à l'ellipsométrie et aux réseaux de Bragg. L'algorithme génétique s'adapte bien à ces contraintes et les résultats obtenus sont très bons.","abstract_html":"L'algorithme génétique est une technique d'optimisation basée sur l'évolution. Il est basé sur des principes darwiniens de survie des plus forts et un échange d'information aléatoire mais structuré pour obtenir la meilleure solution possible à un problème. Pour un problème dans lequel la solution est inconnue, l'algorithme génétique génère aléatoirement un ensemble de solutions possibles, qu'on appelle la population. Ces solutions possibles sont évaluées en fonction de leur performance, et les meilleures solutions reçoivent un nombre exponentiellement croissant d'essais. L’avantage de l'algorithme génétique par rapport à d'autres techniques d'optimisation plus classiques est que l'algorithme génétique ne nécessite pas d'estimé initial. On peut donc l'utiliser pour résoudre des problèmes où l'on ne connaît que les bornes et il n'est pas nécessaire de trouver un estimé initial. L'algorithme génétique est utilisé ici comme un outil pour optimiser ou résoudre certains problèmes en génie électrique, dans ce cas des problèmes reliés à l'ellipsométrie et aux réseaux de Bragg. L'algorithme génétique s'adapte bien à ces contraintes et les résultats obtenus sont très bons.","abstract_has_math":false,"creators":["Cormier, Gabriel"],"institution":"Université de Moncton","degree_name":"Maîtrise ès sciences appliquées","degree_level":"2e cycle","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Boudreau, Roger"],"committee_chairs":[],"committee_members":[],"year":2000,"date_issued":"2000","date_published":"2000","updated_at":"2026-07-24T03:09:49Z","subjects":["Algorithmes génétiques","Ellipsométrie","Réseaux de diffraction","Couches minces","Propriétés optiques","Filtres optiques"],"languages":["iso639-2b","fre"],"rights":["Author"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 726392675"],"render_values":[{"text":"oclc: 726392675","href":null,"code":true}]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:319"],"render_values":[{"text":"umir:319","href":null,"code":true}]}]},"links":{"outbound_url":"https://hdl.handle.net/20.500.14658/6464","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Boudreau, Roger"]},{"key":"dc:creator","label":"Author","values":["Cormier, Gabriel"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-12-20T17:54:25Z","2025-05-13T20:44:42Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-12-20T17:54:25Z","2025-05-13T20:44:42Z"]},{"key":"dc:date.issued","label":"Date","values":["2000"]},{"key":"dc:publisher","label":"Institution","values":["Université de Moncton"]},{"key":"dc:type","label":"Dc Type","values":["Text","thèse"]},{"key":"thesis:degree_level","label":"Degree Level","values":["2e cycle"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maîtrise ès sciences appliquées"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Moncton"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Algorithmes génétiques","Ellipsométrie","Réseaux de diffraction","Couches minces","Propriétés optiques","Filtres optiques"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fre"]},{"key":"dc:language.iso","label":"Language (ISO)","values":["iso639-2b"]},{"key":"dc:rights","label":"Dc Rights","values":["Author"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 726392675"]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:319"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/20.500.14658/6464"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["L'algorithme génétique est une technique d'optimisation basée sur l'évolution. Il est basé sur des principes darwiniens de survie des plus forts et un échange d'information aléatoire mais structuré pour obtenir la meilleure solution possible à un problème. Pour un problème dans lequel la solution est inconnue, l'algorithme génétique génère aléatoirement un ensemble de solutions possibles, qu'on appelle la population. Ces solutions possibles sont évaluées en fonction de leur performance, et les meilleures solutions reçoivent un nombre exponentiellement croissant d'essais. L’avantage de l'algorithme génétique par rapport à d'autres techniques d'optimisation plus classiques est que l'algorithme génétique ne nécessite pas d'estimé initial. On peut donc l'utiliser pour résoudre des problèmes où l'on ne connaît que les bornes et il n'est pas nécessaire de trouver un estimé initial. L'algorithme génétique est utilisé ici comme un outil pour optimiser ou résoudre certains problèmes en génie électrique, dans ce cas des problèmes reliés à l'ellipsométrie et aux réseaux de Bragg. L'algorithme génétique s'adapte bien à ces contraintes et les résultats obtenus sont très bons."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:format.medium","label":"Dc Format Medium","values":["electronic"]},{"key":"dc:title","label":"Title","values":["L' algorithme génétique en génie électrique: application à l'éllipsométrie et aux réseaux de Brago"]}]}],"canonical_facts":{"dc:contributor.advisor":["Boudreau, Roger"],"dc:creator":["Cormier, Gabriel"],"dc:date.accessioned":["2024-12-20T17:54:25Z","2025-05-13T20:44:42Z"],"dc:date.available":["2024-12-20T17:54:25Z","2025-05-13T20:44:42Z"],"dc:date.issued":["2000"],"dc:description.abstract":["L'algorithme génétique est une technique d'optimisation basée sur l'évolution. Il est basé sur des principes darwiniens de survie des plus forts et un échange d'information aléatoire mais structuré pour obtenir la meilleure solution possible à un problème. Pour un problème dans lequel la solution est inconnue, l'algorithme génétique génère aléatoirement un ensemble de solutions possibles, qu'on appelle la population. Ces solutions possibles sont évaluées en fonction de leur performance, et les meilleures solutions reçoivent un nombre exponentiellement croissant d'essais. L’avantage de l'algorithme génétique par rapport à d'autres techniques d'optimisation plus classiques est que l'algorithme génétique ne nécessite pas d'estimé initial. On peut donc l'utiliser pour résoudre des problèmes où l'on ne connaît que les bornes et il n'est pas nécessaire de trouver un estimé initial. L'algorithme génétique est utilisé ici comme un outil pour optimiser ou résoudre certains problèmes en génie électrique, dans ce cas des problèmes reliés à l'ellipsométrie et aux réseaux de Bragg. L'algorithme génétique s'adapte bien à ces contraintes et les résultats obtenus sont très bons."],"dc:format":["application/pdf"],"dc:format.medium":["electronic"],"dc:identifier":["oclc: 726392675"],"dc:identifier.other":["umir:319"],"dc:identifier.uri":["https://hdl.handle.net/20.500.14658/6464"],"dc:language":["fre"],"dc:language.iso":["iso639-2b"],"dc:publisher":["Université de Moncton"],"dc:rights":["Author"],"dc:subject":["Algorithmes génétiques","Ellipsométrie","Réseaux de diffraction","Couches minces","Propriétés optiques","Filtres optiques"],"dc:title":["L' algorithme génétique en génie électrique: application à l'éllipsométrie et aux réseaux de Brago"],"dc:type":["Text","thèse"],"thesis:degree_level":["2e cycle"],"thesis:degree_name":["Maîtrise ès sciences appliquées"],"thesis:institution_name":["Université de Moncton"]},"updated_at":"2026-07-24T03:09:49Z"}