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.

Le souhait d’augmenter la part des énergies renouvelables dans le mix énergétique entraine une augmentation des parts des énergies volatiles et non pilotables, et rend donc l’équilibre offre-demande difficile à satisfaire. Une façon d’intégrer ces énergies dans le réseau électrique actuel est d’utiliser de petits moyens de production, de consommation et de stockage répartis sur tout le territoire pour compenser les sous ou sur productions. Afin que ces procédés puissent être intégrés dans le processus d’équilibre offre-demande, ils sont regroupés au sein d’une centrale virtuelle d’agrégation de flexibilité, qui est vue alors comme une centrale virtuelle. Comme pour tout autre moyen de production du réseau, il est nécessaire de déterminer son plan de production. Nous proposons dans un premier temps dans cette thèse une architecture et un mode de gestion pour une centrale d’agrégation composée de n’importe quel type de procédés. Dans un second temps, nous présentons des algorithmes permettant de calculer le plan de production des différents types de procédés respectant toutes leurs contraintes de fonctionnement. Et enfin, nous proposons des approches pour calculer le plan de production de la centrale d’agrégation dans le but de maximiser son gain financier en respectant les contraintes réseau. / The desire to increase the share of renewable energies in the energy mix leads to an increase inshare of volatile and non-controllable energy and makes it difficult to meet the supply-demand balance. A solution to manage anyway theses energies in the current electrical grid is to deploy new energy storage and demand response systems across the country to counter balance under or over production. In order to integrate all these energies systems to the supply and demand balance process, there are gathered together within a virtual flexibility aggregation power plant which is then seen as a virtual power plant. As for any other power plant, it is necessary to compute its production plan. Firstly, we propose in this PhD thesis an architecture and management method for an aggregation power plant composed of any type of energies systems. Then, we propose algorithms to compute the production plan of any types of energy systems satisfying all theirs constraints. Finally, we propose an approach to compute the production plan of the aggregation power plant in order to maximize its financial profit while complying with all the constraints of the grid.

L’hybridation électrique de la chaîne de traction automobile est l’une des solutions adoptées pour respecter les règlementations futures sur ses émissions. La stratégie de supervision de la chaîne de traction hybride répartit la puissance produite par le moteur à combustion interne et la machine électrique. Elle répond habituellement à un problème d’optimisation où l’objectif est de réduire la consommation de carburant mais nécessite à présent d’y ajouter les émissions polluantes. La chaîne de dépollution, placée à l’échappement du moteur, permet de diminuer la quantité de polluants émise dans l’atmosphère. Cependant, elle n’est efficace qu’à partir d’un seuil de température, et dépend de la chaleur apportée par les gaz d’échappement du moteur thermique. La première partie de ce travail est donc consacrée à la modélisation de la consommation énergétique et des émissions polluantes de la chaine de traction hybride. La modélisation de l’efficacité de la chaîne de dépollution est réalisée selon deux contextes. Le modèle zéro-dimensionnel est adapté aux contraintes de calcul de la commande optimale. Le modèle unidimensionnel associé à un estimateur d’état permet d’être embarqué et calculé en temps réel. À partir de ces travaux, la seconde partie de cette thèse déduit des stratégies de supervision à l’aide de la théorie de la commande optimale. Dans un premier cas, le principe de Bellman permet de calculer la commande optimale d’un véhicule hybride Diesel selon des critères de supervision ayant plus ou moins connaissance de l’efficacité de la chaîne de dépollution des émissions de NOX. Dans un second cas, une stratégie issue du Principe du Minimum de Pontryagin, embarquée sur un véhicule hybride essence, fonctionnant en temps réel et calibrée selon deux paramètres est proposée. L’ensemble de ces travaux est validé expérimentalement au banc moteur et montre une réduction significative des émissions polluantes pour une faible pénalité de carburant. / Powertrain hybridization is a solution that has been adopted in order to conform to future standards for emissions regulations. The supervisory strategy of the hybrid powertrain divides the power emitted between the internal combustion engine and the electric machine. In past studies, this strategy has typically responded to an optimization problem with the objective of reducing consumption. However, in addition to this, it is now necessary to take pollutant emissions into account as well. The after-treatment system, placed in the exhaust of the engine, is able to reduce pollutants emitted into the atmosphere. It is efficient from a certain temperature threshold, and the temperature of the system is dependent on the heat brought by the exhaust gas of the engine. The first part of this dissertation is aimed at modelling the energy consumption and pollutant emissions of the hybrid powertrain. The efficiency model of the after-treatment system is adapted for use in two different contexts. The zero-dimensional model conforms to the constraints of the optimal control calculation. The one-dimensional model associated with a state estimator can be embedded in a vehicle and calculated in real time. From this work, the second part of this dissertation deduces supervisory strategies from the optimal control theory. On the one hand, Bellman’s principle is used to calculate the optimal control of a Diesel hybrid vehicle using different supervisory criteria, each having more or less information about the after-treatment system efficiency over NOX emissions. On the other hand, a strategy from Pontryagin’s minimum principle, embedded in a gasoline hybrid vehicle, running in real time and calibrated with two parameters, is proposed. The whole of this work is validated experimentally on an engine test bed and shows a significant reduction in pollutant emissions for a slight fuel consumption penalty.

Dans cette thèse, nous nous intéressons à la résolution exacte de problèmes NP-difficiles sur les graphes et les hypergraphes. Les problèmes que nous étudions regroupent dans un premier temps des variantes du problème classique du nombre chromatique. Les variantes de ce problème se distinguent par la difficulté introduite par les relations entre les classes de couleurs, ou la difficulté de reconnaissance des classes de couleurs elles-mêmes. Puis nous ferons le lien avec les problèmes de transversaux sur les hypergraphes. Plus particulièrement, il s’agira de s’intéresser à l’énumération de transversaux minimaux dans un hypergraphe de rang borné. Outre la résolution exacte, nous nous intéressons à la résolution à paramètre fixe. Le problème de racine carrée de graphe est un problème important en théorie des graphes. Nous proposons et montrons la solubilité à paramètre fixe de deux problèmes d’optimisation reliés. Finalement, nous nous intéresserons à la résolution de problèmes de graphe, soit en lien avec les problèmes de colorations, soit pour montrer les performances possibles de différents algorithmes en fonction de l’espace mémoire disponible. Dans cette thèse, nous aurons à cœur d’appliquer judicieusement la grande majorité des techniques essentielles en algorithmique exacte exponentielle. Principalement, nous appliquerons la programmation dynamique ou le principe d’inclusion-exclusion pour les problèmes de coloration. La technique de programmation dynamique se retrouvera pour d’autres problèmes de cette thèse, aux côtés d’autres méthodes comme la technique de branchement ou de mesurer et conquérir / In this thesis, we are interested in the exact computation of np-hard problems on graphs and hypergraphs. Firstly, we study several variants of colorings. Those variants appear harder than the famous chromatic number problem, by adding difficulty in recognizing the color classes, or more often by introducing various relationships between them. Then we link to problems of transversals in hypergraphs. More precisely, we are interested in enumerating minimal transversals in bounded ranked hypergraphs. Besides the exact computation, we are also interested in fixed parameter tractability. For this area, we study two optimization versions of the famous square root of graphs problem. Finally, we will be interested in solving other problems of graphs related to colorings, or in order to compare efficiencies of algorithms depending on the memory space available. In this thesis, we will apply most of major techniques in designing exact exponential algorithms. The main techniques we use are dynamic programming, inclusion-exclusion, branching, or measure and conquer

Pour résoudre les problèmes environnementaux et énergétiques liés au nombre croissant de véhicules en circulation, deux approches sont envisageables : l'une est technologique et vise à améliorer les composants du véhicule ou son architecture, l'autre est comportementale et cherche à changer la manière d'utiliser les véhicules. Dans ce contexte, l'éco-conduite représente une méthode, applicable immédiatement, permettant à chaque conducteur de réduire sa consommation. L'objectif de cette thèse est donc l'analyse des gains potentiels de l'éco-conduite pour les différents types de véhicules existant : thermique, électrique et hybride. Ainsi, la première partie de ce travail se focalise sur une étude théorique visant à calculer les gains potentiels et à déterminer les règles d'éco-conduite, avant d'aborder dans un second temps une mise en situation plus réaliste et une intégration des algorithmes dans un système d'assistance pour le conducteur. En s'appuyant sur une modélisation énergétique des différents types de véhicules, la détermination et la comparaison du fonctionnement optimal se base sur l'optimisation du profil de vitesse pour des trajets connus. La programmation dynamique a été mise enoeuvre pour calculer la trajectoire optimale énergétique en tenant compte de la contrainte temporelle afin de ne pas pénaliser l'intérêt d'une conduite économe. Evidemment, l'intégration de l'éco-conduite doit, d'une part, tenir compte du trafic à proximité du véhicule et d'autre part, ne pas aboutir à une augmentation des émissions de polluants. Ainsi, en nous appuyant sur des modèles de suivi de véhicules (trafic), nous avons montré que les principes d'éco-conduite restent valables et conduisent de toute façon à des gains énergétiques. Concernant les contraintes d'émissions, des résultats expérimentaux nous ont conduit à adapter nos algorithmes pour répondre simultanément aux aspects écologiques et économiques. Enfin, les connaissances acquises ont été appliquées à la conception d'un système d'assistance testé sur un simulateur de conduite. / The transportation sector has been identified as one of many sources of today's energetic and environmental problems. With constantly increasing numbers of vehicles on the road, non-renewable fossil fuels are becoming scarce and expensive. In addition, due to the pollutant emissions of internal combustion engines, the transportation sector is a major producer of greenhouse gas emissions. To resolve these problems researcher are looking for technological solutions, such as more efficient components and alternative drive train technologies, on one hand. On the other hand, work is being done to ensure the most efficient utilization of available technological resources. Eco driving is one way to immediately reduce a driver's energy consumption. In this thesis the potential gains of eco driving for passenger vehicles will be discussed. The main objective of this work is to, first, identify and compare drive train specific, optimal vehicle operation. Secondly, the effect of real-life constraints on potential gains of eco driving is evaluated. In addition, an approach to integrate mathematical optimization algorithms in an advanced driver assist system for eco driving is proposed. Physical vehicle models are developed for three representative vehicles: the conventional, electric and power-split hybrid vehicle. Using real-life and standard drive cycles a baseline mission is defined by specifying trip and road constraint. Applying the dynamic programming algorithms the trajectory optimization problem is solved, minimizing energy consumption for the trip. The effect of traffic on potential gains of eco driving is discussed, considering a vehicle following situation. Integrating emission constraints in the optimization algorithm the environmental advantages of eco driving are discussed. Finally, the developed algorithms were integrated in a driver assist system. Experimental tests on a driving simulator were used to verify the effectiveness of the system, as well as driver acceptance.

Au moins 30% de l'énergie produite par les moteurs à combustion interne est dissipée sous forme de chaleur dans les gaz d'échappement. L'intérêt des constructeurs pour les systèmes de récupération de chaleur bases sur le cycle thermodynamique de Rankine est justifié par des réductions de consommation espérées entre 5 et 10%. L'ambition de cette thèse est de contribuer à lever les principaux verrous liés à la gestion des procédés Rankine pour des applications ≪ mobiles ≫. Ce manuscrit s'appuie sur trois cas d'étude avec, pour chacun, un procédé pilote destiné à être intégré respectivement sur des véhicules légers à moteur essence, sur des camions poids-lourds et sur des trains à propulsion hybride Diesel électrique. Pour cela, des approches de l'automatique à base de modèle ont été développées. Une nouvelle loi de commande non-linéaire, permettant l'asservissement de la température et de la pression en sortie d'évaporateur, est proposée. Il est montré expérimentalement que le système peut être maintenu dans des conditions permettant la récupération d'énergie sans discontinuer, même sur des cycles routiers très dynamiques. La supervision énergétique du cycle de Rankine à bord d'un véhicule est ensuite abordée. Il s'agit de trouver les consignes pour la commande rapprochée qui permettent de maximiser l'efficacité énergétique d'un véhicule équipé d'un système de récupération d'énergie par cycle de Rankine. Il est montré que le gain énergétique apporté par l'optimisation dynamique temps réel proposée est important, comparé à une stratégie basée sur l'optimisation statique du système habituellement employée dans la littérature / More than 30% of the energy produced by internal combustion engines (ICE) is dissipated as heat through the exhaust gases. The interest of manufacturers in heat recovery systems based on the thermodynamic Rankine cycle is justified by announced reductions in fuel consumption ranging from 5 and 10% depending on the system and the driving cycle. The aim of this thesis is to help remove the main barriers associated with supervising and controlling Rankine processes for ≪ mobile ≫ applications. This dissertation is based on three study cases, each corresponding to a pilot process installed in engine test benches at IFP Energies nouvelles (IFPEN). These are applications to be integrated respectively on board light-duty vehicles with spark-ignition engine, heavy-duty trucks and trains with Diesel-electric propulsion. An original nonlinear (model-based) control law for the temperature and the pressure tracking at the evaporator outlet is proposed. It is shown experimentally that the system can be maintained under conditions allowing continuous energy recovery, even during highly transient road cycles. Then the supervision of Rankine systems is addressed, resulting in the choice of optimal set-points (in term of energy management) for the low-level controller. An optimal control problem is formulated, allowing online implementation via dynamic real-time optimization.The proposed approach is validated on a realistic simulator, showing significant benefits in the amount of energy recovered when compared with the classical (static) approach found in Rankine cycle literature

Cette thèse est composée de deux parties, chacune portant sur un sous-domaine de l'optimisation combinatoire a priori distant de l'autre. Le premier thème de recherche abordé est la programmation biniveau stochastique. Se cachent derrière ce terme deux sujets de recherche relativement peu étudiés conjointement, à savoir d'un côté la programmation stochastique, et de l'autre la programmation biniveau. La programmation mathématique (PM) regroupe un ensemble de méthodes de modélisation et de résolution, pouvant être utilisées pour traiter des problèmes pratiques que se posent des décideurs. La programmation stochastique et la programmation biniveau sont deux sous-domaines de la PM, permettant chacun de modéliser un aspect particulier de ces problèmes pratiques. Nous élaborons un modèle mathématique issu d'un problème appliqué, où les aspects biniveau et stochastique sont tous deux sollicités, puis procédons à une série de transformations du modèle. Une méthode de résolution est proposée pour le PM résultant. Nous démontrons alors théoriquement et vérifions expérimentalement la convergence de cette méthode. Cet algorithme peut être utilisé pour résoudre d'autres programmes biniveaux que celui qui est proposé.Le second thème de recherche de cette thèse s'intitule "problèmes de coupe et de couverture partielles dans les graphes". Les problèmes de coupe et de couverture sont parmi les problèmes de graphe les plus étudiés du point de vue complexité et algorithmique. Nous considérons certains de ces problèmes dans une variante partielle, c'est-à-dire que la propriété de coupe ou de couverture dont il est question doit être vérifiée partiellement, selon un paramètre donné, et non plus complètement comme c'est le cas pour les problèmes originels. Précisément, les problèmes étudiés sont le problème de multicoupe partielle, de coupe multiterminale partielle, et de l'ensemble dominant partiel. Les versions sommets des ces problèmes sont également considérés. Notons que les problèmes en variante partielle généralisent les problèmes non partiels. Nous donnons des algorithmes exacts lorsque cela est possible, prouvons la NP-difficulté de certaines variantes, et fournissons des algorithmes approchés dans des cas assez généraux. / This thesis is composed of two parts, each part belonging to a sub-domain of combinatorial optimization a priori distant from the other. The first research subject is stochastic bilevel programming. This term regroups two research subject rarely studied together, namely stochastic programming on the one hand, and bilevel programming on the other hand. Mathematical Programming (MP) is a set of modelisation and resolution methods, that can be used to tackle practical problems and help take decisions. Stochastic programming and bilevel programming are two sub-domains of MP, each one of them being able to model a specific aspect of these practical problems. Starting from a practical problem, we design a mathematical model where the bilevel and stochastic aspects are used together, then apply a series of transformations to this model. A resolution method is proposed for the resulting MP. We then theoretically prove and numerically verify that this method converges. This algorithm can be used to solve other bilevel programs than the ones we study.The second research subject in this thesis is called "partial cut and cover problems in graphs". Cut and cover problems are among the most studied from the complexity and algorithmical point of view. We consider some of these problems in a partial variant, which means that the cut or cover property that is looked into must be verified partially, according to a given parameter, and not completely, as it was the case with the original problems. More precisely, the problems that we study are the partial multicut, the partial multiterminal cut, and the partial dominating set. Versions of these problems were vertices are

Cette thèse envisage un ensemble de méthodes permettant aux algorithmes d'apprentissage statistique de mieux traiter la nature séquentielle des problèmes de gestion de portefeuilles financiers. Nous débutons par une considération du problème général de la composition d'algorithmes d'apprentissage devant gérer des tâches séquentielles, en particulier celui de la mise-à-jour efficace des ensembles d'apprentissage dans un cadre de validation séquentielle. Nous énumérons les desiderata que des primitives de composition doivent satisfaire, et faisons ressortir la difficulté de les atteindre de façon rigoureuse et efficace. Nous poursuivons en présentant un ensemble d'algorithmes qui atteignent ces objectifs et présentons une étude de cas d'un système complexe de prise de décision financière utilisant ces techniques. Nous décrivons ensuite une méthode générale permettant de transformer un problème de décision séquentielle non-Markovien en un problème d'apprentissage supervisé en employant un algorithme de recherche basé sur les K meilleurs chemins. Nous traitons d'une application en gestion de portefeuille où nous entraînons un algorithme d'apprentissage à optimiser directement un ratio de Sharpe (ou autre critère non-additif incorporant une aversion au risque). Nous illustrons l'approche par une étude expérimentale approfondie, proposant une architecture de réseaux de neurones spécialisée à la gestion de portefeuille et la comparant à plusieurs alternatives. Finalement, nous introduisons une représentation fonctionnelle de séries chronologiques permettant à des prévisions d'être effectuées sur un horizon variable, tout en utilisant un ensemble informationnel révélé de manière progressive. L'approche est basée sur l'utilisation des processus Gaussiens, lesquels fournissent une matrice de covariance complète entre tous les points pour lesquels une prévision est demandée. Cette information est utilisée à bon escient par un algorithme qui transige activement des écarts de cours (price spreads) entre des contrats à terme sur commodités. L'approche proposée produit, hors échantillon, un rendement ajusté pour le risque significatif, après frais de transactions, sur un portefeuille de 30 actifs. / This thesis considers a number of approaches to make machine learning algorithms better suited to the sequential nature of financial portfolio management tasks. We start by considering the problem of the general composition of learning algorithms that must handle temporal learning tasks, in particular that of creating and efficiently updating the training sets in a sequential simulation framework. We enumerate the desiderata that composition primitives should satisfy, and underscore the difficulty of rigorously and efficiently reaching them. We follow by introducing a set of algorithms that accomplish the desired objectives, presenting a case-study of a real-world complex learning system for financial decision-making that uses those techniques. We then describe a general method to transform a non-Markovian sequential decision problem into a supervised learning problem using a K-best paths search algorithm. We consider an application in financial portfolio management where we train a learning algorithm to directly optimize a Sharpe Ratio (or other risk-averse non-additive) utility function. We illustrate the approach by demonstrating extensive experimental results using a neural network architecture specialized for portfolio management and compare against well-known alternatives. Finally, we introduce a functional representation of time series which allows forecasts to be performed over an unspecified horizon with progressively-revealed information sets. By virtue of using Gaussian processes, a complete covariance matrix between forecasts at several time-steps is available. This information is put to use in an application to actively trade price spreads between commodity futures contracts. The approach delivers impressive out-of-sample risk-adjusted returns after transaction costs on a portfolio of 30 spreads.

Dans cette thèse, nous traitons deux problèmes de contrôle optimal stochastique. Chaque problème correspond à une Partie de ce document. Le premier problème traité est très précis, il s'agit de la valorisation des contrats optionnels de vente de type Américain (dit Put Américain) en présence de dividendes discrets (Partie I). Le deuxième est plus général, puisqu'il s'agit dans un cadre discret en temps de prouver l'existence d'un principe de programmation dynamique sous des contraintes en probabilités (Partie II). Bien que les deux problèmes soient assez distincts, le principe de programmation dynamique est au coeur de ces deux problèmes. La relation entre la valorisation d'un Put Américain et un problème de frontière libre a été prouvée par McKean. La frontière de ce problème a une signification économique claire puisqu'elle correspond à tout instant à la borne supérieure de l'ensemble des prix d'actifs pour lesquels il est préférable d'exercer tout de suite son droit de vente. La forme de cette frontière en présence de dividendes discrets n'avait pas été résolue à notre connaissance. Sous l'hypothèse que le dividende est une fonction déterministe du prix de l'actif à l'instant précédant son versement, nous étudions donc comment la frontière est modifiée. Au voisinage des dates de dividende, et dans le modèle du Chapitre 3, nous savons qualifier la monotonie de la frontière, et dans certains cas quantifier son comportement local. Dans le Chapitre 3, nous montrons que la propriété du smooth-fit est satisfaite à toute date sauf celles de versement des dividendes. Dans les deux Chapitres 3 et 4, nous donnons des conditions pour garantir la continuité de cette frontière en dehors des dates de dividende. La Partie II est originellement motivée par la gestion optimale de la production d'une centrale hydro-electrique avec une contrainte en probabilité sur le niveau d'eau du barrage à certaines dates. En utilisant les travaux de Balder sur la relaxation de Young des problèmes de commande optimale, nous nous intéressons plus spécifiquement à leur résolution par programmation dynamique. Dans le Chapitre 5, nous étendons au cadre des mesures de Young des résultats dûs à Evstigneev. Nous établissons alors qu'il est possible de résoudre par programmation dynamique certains problèmes avec des contraintes en espérances conditionnelles. Grâce aux travaux de Bouchard, Elie, Soner et Touzi sur les problèmes de cible stochastique avec perte contrôlée, nous montrons dans le Chapitre 6 qu'un problème avec contrainte en espérance peut se ramener à un problème avec des contraintes en espérances conditionnelles. Comme cas particulier, nous prouvons ainsi que le problème initial de la gestion du barrage peut se résoudre par programmation dynamique.

Cette thèse traite des phénomènes liés aux mathématiques financières et économiques. Elle est composée de deux sujets de recherche indépendants. La première partie est consacrée à deux contributions au problème de Merton. Pour commencer, nous étudions le problème de l’investissement optimal et de la consommation de Merton dans le cas de marchés discrets dans un horizon infini. Nous supposons qu’il y a des frictions sur les marchés en raison de la perte due aux échanges financières. Ces frictions sont modélisées par des fonctions de pénalités non linéaires où les modèles classiques de coût de transactions étudiés par Magill et Constantinides [31] et les marchés illiquides étudiés par Cetin, Jarrow et Protter dans [6] sont inclus dans cette formulation. Dans ce contexte, la région de solvabilité est définie en tenant compte de cette fonction de pénalité et chaque investisseur doit maximiser son utilité, dérivée de la consommation. Nous donnons la programmation dynamique du modèle et nous prouvons l’existence et l’unicité de la fonction valeur. Des stratégies optimales d’investissement et de consommation sont également construites. Ensuite, nous étendons le modèle de Merton à un problème à plusieurs investisseurs. Notre approche consiste à construire un modèle d’équilibre général déterministe dynamique. Nous prouvons ensuite l’existence d’un équilibre du problème qui est un ensemble de contrôles composés de processus de consommation et de portefeuille, ainsi que les processus de prix qui en découlent afin que la politique de consommation de chaque investisseur maximise son profil. Les résultats obtenus dans cette partie étendent principalement les résultats récemment obtenus par Chebbi et Soner [10] ainsi qu’aux d’autres résultats obtenus dans ce cadre dans la littérature. Dans la deuxième partie, nous traitons le problème de l’existence d’un équilibre d’une économie de production avec des ensembles d’allocations réalisables non-bornés où les consommateurs peuvent avoir des préférences non-transitives non-complètes. Nous introduisons une propriété asymptotique sur les préférences pour les consommations réalisables afin de prouver l’existence d’un équilibre. Nous montrons que cette condition est vraie lorsque l’ensemble des allocations réalisables est compact ou aussi lorsque les préférences sont représentées par des fonctions d’utilité dans le cas où l’ensemble des niveaux d’utilité rationnels individuels réalisables est compact. Cette hypothèse généralise la condition de CPP de Allouch [1] et couvre l’exemple de Page et al. [40] lorsque les niveaux d’utilité disponibles définis ne sont pas compacts. Nous étendons donc les résultats existants dans la littérature avec des ensembles réalisables non bornés de deux façons en ajoutant la production et en prenant en compte des préférences générales. / This PhD dissertation studies two independent research topics dealing with phenomena issues from financial and economic mathematics.This thesis is organized in two parts. The first part is devoted to two contributions tothe Merton problem. First, we investigate the problem of optimal investment and consumption of Merton in the case of discrete markets in an infinite horizon. We suppose that there is frictions in the markets due to loss in trading. These frictions are modeled through nonlinear penalty functions and the classical transaction cost studied by Magill and Constantinides in [31] and illiquidity models studied by Cetin, Jarrow and Protter in [6] are included in this formulation. In this context, the solvency region is defined taking into account this penalty function and every investigator have to maximize his utility, that is derived from consumption, in this region. We give the dynamic programming ofthe model and we prove the existence and uniqueness of the value function. Optimalinvestment and consumption strategies are constructed as well. We second extend the Merton model to a multi-investors problem. Our approach is to construct a dynamic deterministic general equilibrium model. We then provide the existence of equilibrium of the problem which is a set of controls that is composed of consumption and portfolio processes, as well as the resulting price processes so that each investor’s consumption policy maximizes his lifetime expected. The results obtained in this part extends mainly the results recently obtained by Chebbi and Soner [10] and other corresponding results in the litterature.The second part of this thesis deals with the problem of the existence of an equilibrium of a production economy with unbounded attainable allocations sets where the consumers may have non-complete non-transitive preferences. We introduce an asymptotic property on preferences for the attainable consumptions in order to prove the existence of an equilibrium. We show that this condition holds true if the set of attainable allocations is compact or, when preferences are representable by utility functions, if the set of attainable individually rational utility levels is compact. This assumption generalizes the CPP condition of Allouch [1] and covers the example of Page et al. [40] when the attainable utility levels set is not compact. So we extend the previous existence results with unbounded attainable sets in two ways by adding a production sector and considering general preferences.