Cette thèse de mathématiques appliquées traite de la modélisation des déplacements de nageurs microscopiques. Nous étudions principalement les problèmes de contrôlabilité et d'optimalité associés à la mobilité d'un micro-nageur. Dans une première partie, nous présentons un modèle de nageur simplifié, appelé le"N- link swimmer". Ensuite, nous ́etudions sa contrôlabilité ainsi que l'existence de stratégies lui permettant d'atteindre un point donné le plus vite possible. Dans une deuxième partie, nous analysons les effets de la présence d'un bord sur la mobilité d'un micro-nageur. Nous montrons qu'un nageur qui est contrôlable lorsqu'il évolue dans l'espace non borné, reste "presque partout" localement contrôlable lorsqu'il nage dans un domaine délimité par un mur plat ou rugueux. Au contraire, nous prouvons qu'un nageur qui n'est pas capable d'atteindre toutes les directions lorsqu'il se déplace dans un domaine sans bord peut élargir ses directions accessibles en présence d'un mur (plat ou rugueux). Enfin, la dernière partie de la thèse fournit un cadre à l'étude de problèmes de contrôle optimal associés aux déplacements de nageurs ayant une dynamique sans dérive. Tout d'abord, nous ́etudions les propriétés mathématiques de plusieurs problèmes de contrôle optimal ayant des coûts fonctionnels différents (existence puis comportement). Ensuite, nous considérons les nageurs ayant deux degrés de liberté. Pour ces modèles particuliers de nageurs, nous présentons un cadre permettant d'en déduire des propriétés géométriques locales pour les solutions de certains problèmes de contrôle optimal. Tout au long de ce dernier chapitre, des simulations numériques, réalisées sur un exemple de nageur ayant une dynamique explicite, illustrent les résultats théoriques.

La thèse porte sur des problèmes de contrôle optimal où la dynamique est donnée par des équations différentielles avec mémoire. Pour ces problèmes d'optimisation, des conditions d'optimalité sont établies ; celles du second ordre constituent une part importante des résultats de la thèse. Dans le cas - sans mémoire - des équations différentielles ordinaires, les conditions d'optimalité standards sont renforcées en ne faisant intervenir que les multiplicateurs de Lagrange pour lesquels le principe de Pontryaguine est satisfait. Cette restriction à un sous-ensemble des multiplicateurs représente un défi dans l'établissement des conditions nécessaires et permet aux conditions suffisantes d'assurer l'optimalité locale dans un sens plus fort. Les conditions standards sont d'autre part étendues au cas - avec mémoire - des équations intégrales. Les contraintes pures sur l'état du problème précédent ont été conservées et nécessitent une étude spécifique à la dynamique intégrale. Une autre forme de mémoire dans l'équation d'état d'un problème de contrôle optimal provient d'un travail de modélisation avec l'optimisation thérapeutique comme application médicale en vue. La dynamique de populations de cellules cancéreuses sous l'action d'un traitement est ramenée à des équations différentielles à retards ; le comportement asymptotique en temps long du modèle structuré en âge est également étudié.

Une approche fondamentale pour la résolution de problémes de contrôle optimal est basée sur le principe de programmation dynamique. Ce principe conduit aux équations d'Hamilton-Jacobi, qui peuvent être résolues numériquement par des méthodes classiques comme la méthode des différences finies, les méthodes semi-lagrangiennes, ou les schémas antidiffusifs. À cause de la discrétisation de l'espace d'état, la dimension des problèmes de contrôle pouvant être abordés par ces méthodes classiques est souvent limitée à 3 ou 4. Ce phénomène est appellé malédiction de la dimension. Cette thèse porte sur les méthodes numériques max-plus en contôle optimal deterministe et ses analyses de convergence. Nous étudions et developpons des méthodes numériques destinées à attenuer la malédiction de la dimension, pour lesquelles nous obtenons des estimations théoriques de complexité. Les preuves reposent sur des résultats de théorie de Perron-Frobenius non linéaire. En particulier, nous étudions les propriétés de contraction des opérateurs monotones et non expansifs, pour différentes métriques de Finsler sur un cône (métrique de Thompson, métrique projective d'Hilbert). Nous donnons par ailleurs une généralisation du "coefficient d'ergodicité de Dobrushin" à des opérateurs de Markov sur un cône général. Nous appliquons ces résultats aux systèmes de consensus ainsi qu'aux équations de Riccati généralisées apparaissant en contrôle stochastique.

Le premier chapitre de ce mémoire porte sur l'étude des minimum forts pour des problèmes de contrôle optimal gouvernés par des EDP semi-linéaires elliptiques et paraboliques avec contraintes intégrales sur l'état final. Le second chapitre porte sur l'étude du problème de temps minimal pour un système de type chemostat en présence de points singuliers stationnaires. On y étudie également un problème de contrôle optimal pour un système chemostat avec deux espèces en compétition et qui comporte une courbe de non-contrôlabilité. Le troisième chapitre s'intéresse à la synthèse d'un contrôle optimal par retour d'état pour un problème de temps minimal issu d'un système fed-batch, notamment en présence d'un contrôle impulsionnel. Le quatrième chapitre étudie deux problèmes de contrôle optimal sous contraintes d'état périodiques. Enfin, le dernier chapitre traite de problèmes d'optimisation de forme géométriques sous contraintes de convexité. Cette dernière est formulée comme une contrainte semi-définie, ce qui permet ensuite d'utiliser la programmation SDP pour minimiser la fonction coût.

La thèse porte sur des problèmes de contrôle optimal où la dynamique est donnée par des équations différentielles avec mémoire. Pour ces problèmes d'optimisation, des conditions d'optimalité sont établies ; celles du second ordre constituent une part importante des résultats de la thèse. Dans le cas - sans mémoire - des équations différentielles ordinaires, les conditions d'optimalité standards sont renforcées en ne faisant intervenir que les multiplicateurs de Lagrange pour lesquels le principe de Pontryaguine est satisfait. Cette restriction à un sous-ensemble des multiplicateurs représente un défi dans l'établissement des conditions nécessaires et permet aux conditions suffisantes d'assurer l'optimalité locale dans un sens plus fort. Les conditions standards sont d'autre part étendues au cas - avec mémoire - des équations intégrales. Les contraintes pures sur l'état du problème précédent ont été conservées et nécessitent une étude spécifique à la dynamique intégrale. Une autre forme de mémoire dans l'équation d'état d'un problème de contrôle optimal provient d'un travail de modélisation avec l'optimisation thérapeutique comme application médicale en vue. La dynamique de populations de cellules cancéreuses sous l'action d'un traitement est ramenée à des équations différentielles à retards ; le comportement asymptotique en temps long du modèle structuré en âge est également étudié.

The presence of uncertainty in model predictive control (MPC) has been accounted for using two types of approaches: robust MPC (RMPC) and stochastic MPC (SMPC). Ideal RMPC and SMPC formulations consider closed-loop optimal control problems whose exact solution, via dynamic programming, is intractable for most systems. Much effort then has been devoted to find good compromises between the degree of optimality and computational tractability. This thesis expands on this effort and presents robust and stochastic MPC strategies with reduced online computational requirements where the conservativeness incurred is made as small as conveniently possible. Two RMPC strategies are proposed for linear systems under additive uncertainty. They are based on a recently proposed approach which uses a triangular prediction structure and a non-linear control policy. One strategy considers a transference of part of the computation of the control policy to an offline stage. The other strategy considers a modification of the prediction structure so that it has a striped structure and the disturbance compensation extends throughout an infinite horizon. An RMPC strategy for linear systems with additive and multiplicative uncertainty is also presented. It considers polytopic dynamics that are designed so as to maximize the volume of an invariant ellipsoid, and are used in a dual-mode prediction scheme where constraint satisfaction is ensured by an approach based on a variation of Farkas' Lemma. Finally, two SMPC strategies for linear systems with additive uncertainty are presented, which use an affine-in-the-disturbances control policy with a striped structure. One strategy considers an offline sequential design of the gains of the control policy, while these are variables in the online optimization in the other. Control theoretic properties, such as recursive feasibility and stability, are studied for all the proposed strategies. Numerical comparisons show that the proposed algorithms can provide a convenient compromise in terms of computational demands and control authority.

No description available.

No description available.

Cette thèse est divisée en deux parties. Dans la première partie on s'intéresse aux problèmes de commande optimale déterministes et on étudie des approximations intérieures pour deux problèmes modèles avec des contraintes de non-négativité sur la commande. Le premier modèle est un problème de commande optimale dont la fonction de coût est quadratique et dont la dynamique est régie par une équation différentielle ordinaire. Pour une classe générale de fonctions de pénalité intérieure, on montre comment calculer le terme principal du développement ponctuel de l'état et de l'état adjoint. Notre argument principal se fonde sur le fait suivant: si la commande optimale pour le problème initial satisfait les conditions de complémentarité stricte pour le Hamiltonien sauf en un nombre fini d'instants, les estimations pour le problème de commande optimale pénalisé peuvent être obtenues à partir des estimations pour un problème stationnaire associé. Nos résultats fournissent plusieurs types de mesures de qualité de l'approximation pour la technique de pénalisation: estimations des erreurs de la commande , estimations des erreurs pour l'état et l'état adjoint et aussi estimations de erreurs pour la fonction valeur. Le second modèle est le problème de commande optimale d'une équation semi-linéaire elliptique avec conditions de Dirichlet homogène au bord, la commande étant distribuée sur le domaine et positive. L'approche est la même que pour le premier modèle, c'est-à-dire que l'on considère une famille de problèmes pénalisés, dont la solution définit une trajectoire centrale qui converge vers la solution du problème initial. De cette manière, on peut étendre les résultats, obtenus dans le cadre d'équations différentielles, au contrôle optimal d'équations elliptiques semi-linéaires. Dans la deuxième partie on s'intéresse aux problèmes de commande optimale stochastiques. Dans un premier temps, on considère un problème linéaire quadratique stochastique avec des contraintes de non-negativité sur la commande et on étend les estimations d'erreur pour l'approximation par pénalisation logarithmique. La preuve s'appuie sur le principe de Pontriaguine stochastique et un argument de dualité. Ensuite, on considère un problème de commande stochastique général avec des contraintes convexes sur la commande. L'approche dite variationnelle nous permet d'obtenir un développement au premier et au second ordre pour l'état et la fonction de coût, autour d'un minimum local. Avec ces développements on peut montrer des conditions générales d'optimalité de premier ordre et, sous une hypothèse géométrique sur l'ensemble des contraintes, des conditions nécessaires du second ordre sont aussi établies.

L'étude du domaine récent que constituent les problèmes d'optimisation combinatoires probabilistes (POCPs) forme le sujet de cette thèse. Les POCPs sont des généralisations des problèmes d'optimisation combinatoires classiques dont les formulations contiennent explicitement des éléments probabilistes. Plusieurs motivations ont provoqué cette étude. Deux d'entre elles sont particulièrement importantes. La première correspond au désir de formuler et d'analyser des modèles qui sont plus appropriés pour des problèmes pratiques pour lesquels l'aléatoire est une source constante de préoccupations, les modèles de nature probabiliste sont plus particulièrement attractifs comme abstraction mathématique des systèmes réels. La seconde motivation est d'analyser la stabilité des solutions optimales des problèmes déterministes lorsque les exemplaires sont perturbés : les perturbations sont simulées par la présence ou l'absence de sous-ensembles des données. Notre étude s'appuie sur certains de ces problèmes et en particulier : problème du voyageur de commerce; problème d'ordonnancement des travaux probabiliste et le problème du bin-packing probabiliste. Les questions soulevées et les résultats obtenus sont dans les domaines suivants : complexités des problèmes et analyse d'heuristiques pour les POCPs ; analyse du comportement asymptotique des problèmes lorsque les exemplaires correspondent à des problèmes de grandes tailles ; dégager une méthodologie générale d'étude de la stabilité des solutions des problèmes d'optimisation combinatoires classiques.