Collision avoidance is an essential component of autonomous shipping. As ships begin to advance towards autonomy, developing an advisory system is one of the first steps. An advisory system with a strong collision avoidance component can help the crew act more quickly and accurately in dangerous situations. One way to avoid colission is to make the vessel stop as fast as possible. In this work, two scenarios are studied, firstly, stopping along a predefined path, and secondly, stopping within a safe area defined by surrounding obstacles. The first scenario was further worked with to formulate a real-time solution. Movements of a vessel, described in three degrees of freedom with continuous dynamics, were simulated using mathematical models of the forces acting on the ship. Nonlinear optimal control problems were formulated for each scenario and solved numerically using discretization and a direct multiple shooting method. The results for the first problem showed that the vessel could stop without much deviation from the path. Paths with different curvatures were tested, and it was shown that a slightly longer distance was traveled when the curvature of the path was greater. The results for the second problem showed that the vessel stays within the safe area and chooses a relatively straight path as the optimal way of stoping. This results in a shorter distance traveled compared to the solution of the first problem. Two different real-time approaches were formulated, firstly a receding-horizon approach and secondly a lookup-based approach. Both approaches were solved with real-time feasibility, where the receding-horizon approach gave a better solution while lookup-based approach had a shorter computational time.

No description available.

A deep scientific understanding of complex physical systems, such as the atmosphere, can be achieved neither by direct measurements nor by numerical simulations alone. Data assimilation is a rigorous procedure to fuse information from a priori knowledge of the system state, the physical laws governing the evolution of the system, and real measurements, all with associated error statistics. Data assimilation produces best (a posteriori) estimates of model states and parameter values, and results in considerably improved computer simulations. The acquisition and use of observations in data assimilation raises several important scientific questions related to optimal sensor network design, quantification of data impact, pruning redundant data, and identifying the most beneficial additional observations. These questions originate in operational data assimilation practice, and have started to attract considerable interest in the recent past. This dissertation advances the state of knowledge in four dimensional variational (4D-Var) - data assimilation by developing, implementing, and validating a novel computational framework for estimating observation impact and for optimizing sensor networks. The framework builds on the powerful methodologies of second-order adjoint modeling and the 4D-Var sensitivity equations. Efficient computational approaches for quantifying the observation impact include matrix free linear algebra algorithms and low-rank approximations of the sensitivities to observations. The sensor network configuration problem is formulated as a meta-optimization problem. Best values for parameters such as sensor location are obtained by optimizing a performance criterion, subject to the constraint posed by the 4D-Var optimization. Tractable computational solutions to this "optimization-constrained" optimization problem are provided. The results of this work can be directly applied to the deployment of intelligent sensors and adaptive observations, as well as to reducing the operating costs of measuring networks, while preserving their ability to capture the essential features of the system under consideration. / Ph. D.

People go through their life making all kinds of decisions, and some of these decisions affect their demand for transportation, for example, their choices of where to live and where to work, how and when to travel and which route to take. Transport related choices are typically time dependent and characterized by large number of alternatives that can be spatially correlated. This thesis deals with models that can be used to analyze and predict discrete choices in large-scale networks. The proposed models and methods are highly relevant for, but not limited to, transport applications. We model decisions as sequences of choices within the dynamic discrete choice framework, also known as parametric Markov decision processes. Such models are known to be difficult to estimate and to apply to make predictions because dynamic programming problems need to be solved in order to compute choice probabilities. In this thesis we show that it is possible to explore the network structure and the flexibility of dynamic programming so that the dynamic discrete choice modeling approach is not only useful to model time dependent choices, but also makes it easier to model large-scale static choices. The thesis consists of seven articles containing a number of models and methods for estimating, applying and testing large-scale discrete choice models. In the following we group the contributions under three themes: route choice modeling, large-scale multivariate extreme value (MEV) model estimation and nonlinear optimization algorithms. Five articles are related to route choice modeling. We propose different dynamic discrete choice models that allow paths to be correlated based on the MEV and mixed logit models. The resulting route choice models become expensive to estimate and we deal with this challenge by proposing innovative methods that allow to reduce the estimation cost. For example, we propose a decomposition method that not only opens up for possibility of mixing, but also speeds up the estimation for simple logit models, which has implications also for traffic simulation. Moreover, we compare the utility maximization and regret minimization decision rules, and we propose a misspecification test for logit-based route choice models. The second theme is related to the estimation of static discrete choice models with large choice sets. We establish that a class of MEV models can be reformulated as dynamic discrete choice models on the networks of correlation structures. These dynamic models can then be estimated quickly using dynamic programming techniques and an efficient nonlinear optimization algorithm. Finally, the third theme focuses on structured quasi-Newton techniques for estimating discrete choice models by maximum likelihood. We examine and adapt switching methods that can be easily integrated into usual optimization algorithms (line search and trust region) to accelerate the estimation process. The proposed dynamic discrete choice models and estimation methods can be used in various discrete choice applications. In the area of big data analytics, models that can deal with large choice sets and sequential choices are important. Our research can therefore be of interest in various demand analysis applications (predictive analytics) or can be integrated with optimization models (prescriptive analytics). Furthermore, our studies indicate the potential of dynamic programming techniques in this context, even for static models, which opens up a variety of future research directions. / Les gens consacrent une importante part de leur existence à prendre diverses décisions, pouvant affecter leur demande en transport, par exemple les choix de lieux d'habitation et de travail, les modes de transport, les heures de départ, le nombre et type de voitures dans le ménage, les itinéraires ... Les choix liés au transport sont généralement fonction du temps et caractérisés par un grand nombre de solutions alternatives qui peuvent être spatialement corrélées. Cette thèse traite de modèles pouvant être utilisés pour analyser et prédire les choix discrets dans les applications liées aux réseaux de grandes tailles. Les modèles et méthodes proposées sont particulièrement pertinents pour les applications en transport, sans toutefois s'y limiter. Nous modélisons les décisions comme des séquences de choix, dans le cadre des choix discrets dynamiques, aussi connus comme processus de décision de Markov paramétriques. Ces modèles sont réputés difficiles à estimer et à appliquer en prédiction, puisque le calcul des probabilités de choix requiert la résolution de problèmes de programmation dynamique. Nous montrons dans cette thèse qu'il est possible d'exploiter la structure du réseau et la flexibilité de la programmation dynamique afin de rendre l'approche de modélisation dynamique en choix discrets non seulement utile pour représenter les choix dépendant du temps, mais également pour modéliser plus facilement des choix statiques au sein d'ensembles de choix de très grande taille. La thèse se compose de sept articles, présentant divers modèles et méthodes d'estimation, leur application ainsi que des expériences numériques sur des modèles de choix discrets de grande taille. Nous regroupons les contributions en trois principales thématiques: modélisation du choix de route, estimation de modèles en valeur extrême multivariée (MEV) de grande taille et algorithmes d'optimisation non-linéaire. Cinq articles sont associés à la modélisation de choix de route. Nous proposons différents modèles de choix discrets dynamiques permettant aux utilités des chemins d'être corrélées, sur base de formulations MEV et logit mixte. Les modèles résultants devenant coûteux à estimer, nous présentons de nouvelles approches permettant de diminuer les efforts de calcul. Nous proposons par exemple une méthode de décomposition qui non seulement ouvre la possibilité d'estimer efficacement des modèles logit mixte, mais également d'accélérer l'estimation de modèles simples comme les modèles logit multinomiaux, ce qui a également des implications en simulation de trafic. De plus, nous comparons les règles de décision basées sur le principe de maximisation d'utilité de celles sur la minimisation du regret pour ce type de modèles. Nous proposons finalement un test statistique sur les erreurs de spécification pour les modèles de choix de route basés sur le logit multinomial. Le second thème porte sur l'estimation de modèles de choix discrets statiques avec de grands ensembles de choix. Nous établissons que certains types de modèles MEV peuvent être reformulés comme des modèles de choix discrets dynamiques, construits sur des réseaux de structure de corrélation. Ces modèles peuvent alors être estimées rapidement en utilisant des techniques de programmation dynamique en combinaison avec un algorithme efficace d'optimisation non-linéaire. La troisième et dernière thématique concerne les algorithmes d'optimisation non-linéaires dans le cadre de l'estimation de modèles complexes de choix discrets par maximum de vraisemblance. Nous examinons et adaptons des méthodes quasi-Newton structurées qui peuvent être facilement intégrées dans des algorithmes d'optimisation usuels (recherche linéaire et région de confiance) afin d'accélérer le processus d'estimation. Les modèles de choix discrets dynamiques et les méthodes d'optimisation proposés peuvent être employés dans diverses applications de choix discrets. Dans le domaine des sciences de données, des modèles qui peuvent traiter de grands ensembles de choix et des ensembles de choix séquentiels sont importants. Nos recherches peuvent dès lors être d'intérêt dans diverses applications d'analyse de la demande (analyse prédictive) ou peuvent être intégrées à des modèles d'optimisation (analyse prescriptive). De plus, nos études mettent en évidence le potentiel des techniques de programmation dynamique dans ce contexte, y compris pour des modèles statiques, ouvrant la voie à de multiples directions de recherche future.

Dans cette thèse, nous nous étudions des algorithmes d’optimisation non linéaire. D’une part nous proposons des techniques de détection rapide de la non-réalisabilité d’un problème à résoudre. D’autre part, nous analysons le comportement local des algorithmes pour la résolution de problèmes singuliers. Dans la première partie, nous présentons une modification d’un algorithme de lagrangien augmenté pour l’optimisation avec contraintes d’égalité. La convergence quadratique du nouvel algorithme dans le cas non-réalisable est démontrée théoriquement et numériquement. La seconde partie est dédiée à l’extension du résultat précédent aux problèmes d’optimisation non linéaire généraux avec contraintes d’égalité et d’inégalité. Nous proposons une modification d’un algorithme de pénalisation mixte basé sur un lagrangien augmenté et une barrière logarithmique. Les résultats théoriques de l’analyse de convergence et quelques tests numériques montrent l’avantage du nouvel algorithme dans la détection de la non-réalisabilité. La troisième partie est consacrée à étudier le comportement local d’un algorithme primal-dual de points intérieurs pour l’optimisation sous contraintes de borne. L’analyse locale est effectuée sans l’hypothèse classique des conditions suffisantes d’optimalité de second ordre. Celle-ci est remplacée par une hypothèse plus faible basée sur la notion de borne d’erreur locale. Nous proposons une technique de régularisation de la jacobienne du système d’optimalité à résoudre. Nous démontrons ensuite des propriétés de bornitude de l’inverse de ces matrices régularisées, ce qui nous permet de montrer la convergence superlinéaire de l’algorithme. La dernière partie est consacrée à l’analyse de convergence locale de l’algorithme primal-dual qui est utilisé dans les deux premières parties de la thèse. En pratique, il a été observé que cet algorithme converge rapidement même dans le cas où les contraintes ne vérifient l’hypothèse de qualification de Mangasarian-Fromovitz. Nous démontrons la convergence superlinéaire et quadratique de cet algorithme, sans hypothèse de qualification des contraintes. / This thesis is devoted to the study of numerical algorithms for nonlinear optimization. On the one hand, we propose new strategies for the rapid infeasibility detection. On the other hand, we analyze the local behavior of primal-dual algorithms for the solution of singular problems. In the first part, we present a modification of an augmented Lagrangian algorithm for equality constrained optimization. The quadratic convergence of the new algorithm in the infeasible case is theoretically and numerically demonstrated. The second part is dedicated to extending the previous result to the solution of general nonlinear optimization problems with equality and inequality constraints. We propose a modification of a mixed logarithmic barrier-augmented Lagrangian algorithm. The theoretical convergence results and the numerical experiments show the advantage of the new algorithm for the infeasibility detection. In the third part, we study the local behavior of a primal-dual interior point algorithm for bound constrained optimization. The local analysis is done without the standard assumption of the second-order sufficient optimality conditions. These conditions are replaced by a weaker assumption based on a local error bound condition. We propose a regularization technique of the Jacobian matrix of the optimality system. We then demonstrate some boundedness properties of the inverse of these regularized matrices, which allow us to prove the superlinear convergence of our algorithm. The last part is devoted to the local convergence analysis of the primal-dual algorithm used in the first two parts of this thesis. In practice, it has been observed that this algorithm converges rapidly even in the case where the constraints do not satisfy the Mangasarian-Fromovitz constraint qualification. We demonstrate the superlinear and quadratic convergence of this algorithm without any assumption of constraint qualification.

À travers une approche de contrôle optimal, cette thèse de doctorat propose une étude des modèles et des techniques de résolution dans un domaine d'application propre à la gestion du trafic aérien. Motivés par la croissance des flux aériens d'une part, et les développements en théorie du contrôle optimal d'autre part, ces travaux portent sur l'analyse du problème d'évitement de conflits aériens. Cette étude permet le développement de nouvelles approches et algorithmes en vue d'aider les contrôleurs aériens dans leur tâche. Ainsi, dans le cadre du trafic aérien, afin de préserver des distances minimales de sécurité entre avions, lors de phases tactiques et de configurations des vols en-route, notre recherche se focalise sur une stratégie de régulation subliminale en vitesse (variations très réduites), pour assurer la séparation entre avions, tout en conservant leur trajectoire prédéfinie. D'une part, une méthode de résolution numérique en contrôle optimal telle que la méthode directe de tir, impliquant une discrétisation totale ou partielle du problème, transforme le problème initial en un problème en programmation non linéaire de grande taille. Ce type de méthodes peut générer des problèmes d'optimisation de grande taille numériquement di_ciles à résoudre. Suivant le nombre de variables du problème, elles peuvent s'avérer trop coûteuse en termes de temps de calculs. D'autre part, les contraintes sur les variables d'états du problème posent des di_cultés de résolution, par exemple, pour l'usage d'une méthode numérique indirecte de tir. Développant les informations caractéristiques des conflits aériens, une détection et une détermination a priori des zones de conflits permettent alors la décomposition du problème présenté de contrôle optimal en sous-problèmes plus aisés à résoudre. La résolution des sous-problèmes hors-zones peut être abordée en utilisant les conditions du principe du maximum de Pontryagin, ce qui en permet une résolution e_cace. Une combinaison de méthodes numériques directes de tir et d'application des conditions du principe du maximum de Pontryagin est proposée, et des implémentations numériques valident ce type d'approche. / The purpose of this doctoral thesis is to study models and solution techniques based on optimal control approaches to address air tra_c management problems. Motivated by the growth of air tra_c volume, and by the advances in optimal control theory, this research works focus on analysing aircraft conflict avoidance problem. This study allows development of new approaches and algorithms to help air tra_c controllers. In the framework of air tra_c management, to ensure the minimum safety distances between aircraft, in tactical phases and en-route flight configurations, this thesis focusses on a subliminal velocity regulation strategy to perform the separation, while preserving the aircraft predefined trajectories. A numerical optimal control solution approach as the direct shooting method, wherein involves a total or partial discretization of the problem, transforms the initial problem into a large scale nonlinear programming problem. This kind of methods could generate large-size optimization problems which are numerically di_cult to solve. Depending on the number of variables which involved, this approaches could be too expensive in terms of computation time. Moreover, the state-variables constraints of the problem lead to numerical di_culties, e.g., considering the indirect numerical shooting method. Tailored on aircraft conflict avoidance problems, a detection and a determination of a priori conflict zones allow the decomposition of the optimal control problem into sub-problems, easier to solve than the original one. Solving the o_-zones sub-problems can be addressed using the Pontryagin maximum principle, which allows in this case directly the solution. A combination of direct numerical shooting method and application of conditions of Pontryagin's maximum principle is proposed, and numerical experiments validate this approach.

Le développement de sources cohérentes de rayons X offre de nouvelles possibilités pour visualiser les structures biologiques à différentes échelles en exploitant la réfraction des rayons X. La cohérence des sources synchrotron de troisième génération permettent des implémentations efficaces des techniques de contraste de phase. Une des premières mesures des variations d’intensité dues au contraste de phase a été réalisée en 1995 à l’Installation Européenne de Rayonnement Synchrotron (ESRF). L’imagerie de phase couplée à l’acquisition tomographique permet une imagerie tridimensionnelle avec une sensibilité accrue par rapport à la tomographie standard basée sur absorption. Cette technique est particulièrement adaptée pour les échantillons faiblement absorbante ou bien présentent des faibles différences d’absorption. Le contraste de phase a ainsi une large gamme d’applications, allant de la science des matériaux, à la paléontologie, en passant par la médecine et par la biologie. Plusieurs techniques de contraste de phase aux rayons X ont été proposées au cours des dernières années. Dans la méthode de contraste de phase basée sur le phénomène de propagation l’intensité est mesurée pour différentes distances de propagation obtenues en déplaçant le détecteur. Bien que l’intensité diffractée puisse être acquise et enregistrée, les informations de phase du signal doivent être "récupérées" à partir seulement du module des données mesurées. L’estimation de la phase est donc un problème inverse non linéaire mal posé et une connaissance a priori est nécessaire pour obtenir des solutions stables. Si la plupart de méthodes d’estimation de phase reposent sur une linéarisation du problème inverse, les traitements non linéaires ont été eux très peu étudiés. Le but de ce travail était de proposer et d’évaluer des nouveaux algorithmes, prenant en particulier en compte la non linéarité du problème direct. Dans la première partie de ce travail, nous présentons un schéma de type Landweber non linéaire itératif pour résoudre le problème de la récupération de phase. Cette approche utilise l’expression analytique de la dérivée de Fréchet de la relation phase-intensité et de son adjoint. Nous étudions aussi l’effet des opérateurs de projection sur les propriétés de convergence de la méthode. Dans la deuxième partie de cette thèse, nous étudions la résolution du problème inverse linéaire avec un algorithme en coordonnées ondelettes basé sur un seuillage itératif. Par la suite, les deux algorithmes sont combinés et comparés avec une autre approche non linéaire basée sur une régularisation parcimonieuse et un algorithme de point fixe. Les performances des algorithmes sont évaluées sur des données simulées pour différents niveaux de bruit. Enfin, les algorithmes ont été adaptés pour traiter des données réelles acquises en tomographie de phase à l’ESRF à Grenoble. / The development of highly coherent X-ray sources offers new possibilities to image biological structures at different scales exploiting the refraction of X-rays. The coherence properties of the third-generation synchrotron radiation sources enables efficient implementations of phase contrast techniques. One of the first measurements of the intensity variations due to phase contrast has been reported in 1995 at the European Synchrotron Radiation Facility (ESRF). Phase imaging coupled to tomography acquisition allows threedimensional imaging with an increased sensitivity compared to absorption CT. This technique is particularly attractive to image samples with low absorption constituents. Phase contrast has many applications, ranging from material science, paleontology, bone research to medicine and biology. Several methods to achieve X-ray phase contrast have been proposed during the last years. In propagation based phase contrast, the measurements are made at different sample-to-detector distances. While the intensity data can be acquired and recorded, the phase information of the signal has to be "retrieved" from the modulus data only. Phase retrieval is thus an illposed nonlinear problem and regularization techniques including a priori knowledge are necessary to obtain stable solutions. Several phase recovery methods have been developed in recent years. These approaches generally formulate the phase retrieval problem as a linear one. Nonlinear treatments have not been much investigated. The main purpose of this work was to propose and evaluate new algorithms, in particularly taking into account the nonlinearity of the direct problem. In the first part of this work, we present a Landweber type nonlinear iterative scheme to solve the propagation based phase retrieval problem. This approach uses the analytic expression of the Fréchet derivative of the phase-intensity relationship and of its adjoint, which are presented in detail. We also study the effect of projection operators on the convergence properties of the method. In the second part of this thesis, we investigate the resolution of the linear inverse problem with an iterative thresholding algorithm in wavelet coordinates. In the following, the two former algorithms are combined and compared with another nonlinear approach based on sparsity regularization and a fixed point algorithm. The performance of theses algorithms are evaluated on simulated data for different noise levels. Finally the algorithms were adapted to process real data sets obtained in phase CT at the ESRF at Grenoble.

Le processus de conception des instruments à anche simple, élaboré au fil des siècles par les facteurs, est essentiellement basé sur des lois de comportement empiriques qui résultent de l’arbitrage des clarinettistes. Leurs critères subjectifs d’appréciation semblent être aussi bien alimentés par des descripteurs acoustiques (fréquence de jeu, spectre perçu, dynamique) que par l’aisance dans leur contrôle. Les connaissances actuelles en propagation guidée dans les réseaux de trous latéraux, offrent une base nécessaire à la prédiction du comportement acoustique linéaire du résonateur de l’instrument. Nous cherchons, à l’aide de ceux-ci, à proposer une méthode d’optimisation géométrique (positions et dimensions des trous latéraux) afin d’atteindre une retranscription objective, la plus proche possible, des critères d’appréciation du musicien. L’heuristique suivie au cours de cette étude vise à affiner les modèles de comportement ainsi que la construction des critères objectifs d’appréciation à l’issue de chaque réalisation d’un prototype de clarinette jusqu’à leur validation expérimentale. Avec l’aide d’un facteur d’instrument, deux prototypes ont été réalisés et nous exposerons les avantages et inconvénients des procédures d’optimisation appliquées à chacun d’eux. / Single reed instruments conception process developed by instrument makers, is essentially based on empirical laws obtained from their interaction with musicians. Some of the subjectives criteria seems to be defined by both acoustic descriptors(like playing frequency, radiating spectrum and musical dynamics for exemple) and the ease of their control. Present knowledges in guided wave propagation in tone hole lattice are a necessary background to explain linear behavior of the clarinet. We aim to develop an optimisation method for clarinet geometrical variables in a way to reach the best objective translation of the clarinetists appraisal criteria. Then, the followed heuristic in this study consist in the enhancement of the acoustic behavior laws in parallel with the development of objective criteria after each logical clarinet making, until their experimental validation. The collaborative work with an instrument maker, helps us to make 2 prototypes with each specific procedure depicted in this document.