This thesis addresses decision mechanisms in foraging situations, using laboratory experiments with European starlings (Sturnus vulgaris). Building on previous work from the Behavioural Ecology Research Group, I chose the Sequential Choice Model (SCM; reviewed in Kacelnik et al., 2011 − Appendix 1) as a starting point, and tested its premises and predictions generalising it to different experimental protocols. Classical decision models do not relate choice preferences to behaviour towards isolated options, and assume that choices involve time-consuming evaluations of all alternatives. However, previous work found that starlings’ responses to isolated options predict preference in choices, and that response times to single-option encounters are not reliably longer than response times in choices. Since, in the wild, options are normally encountered sequentially, dealing with isolated options can be considered of greater biological, and possibly psychological, significance than simultaneous decisions. Following this rationale, the SCM postulates that when multiple simultaneous stimuli are met they are processed in parallel, each competing against the memory of background opportunities, rather than comparing present options to each other. At the time of launching this research, these ideas had only been applied to protocols involving just two deterministic alternatives and offering no chance to explore the influence of learning history (i.e., how animals learn to choose; see Chapter 4). To increase their relevance and offer more rigorous tests, I generalised them to situations with multiple (see Chapters 2, 4 and 5), and in some cases probabilistic alternatives (see Chapter 3), controlling the learning regime. I combined these extensions with tests of economic rationality (see Chapter 6), a concept that is presently facing sustained debates. Integrating the result of all experimental chapters (see Chapter 7), my results support the notion that behaviour in single-option encounters is fundamental to understand choice behaviour. The important issue of whether choices involve a decision time cost or the opposite, a shortening of response times, remains unsolved, as neither could be evidenced reliably.

Dans les études sur le transport, les modèles de choix de route décrivent la sélection par un utilisateur d’un chemin, depuis son origine jusqu’à sa destination. Plus précisément, il s’agit de trouver dans un réseau composé d’arcs et de sommets la suite d’arcs reliant deux sommets, suivant des critères donnés. Nous considérons dans le présent travail l’application de la programmation dynamique pour représenter le processus de choix, en considérant le choix d’un chemin comme une séquence de choix d’arcs. De plus, nous mettons en œuvre les techniques d’approximation en programmation dynamique afin de représenter la connaissance imparfaite de l’état réseau, en particulier pour les arcs éloignés du point actuel. Plus précisément, à chaque fois qu’un utilisateur atteint une intersection, il considère l’utilité d’un certain nombre d’arcs futurs, puis une estimation est faite pour le restant du chemin jusqu’à la destination. Le modèle de choix de route est implanté dans le cadre d’un modèle de simulation de trafic par événements discrets. Le modèle ainsi construit est testé sur un modèle de réseau routier réel afin d’étudier sa performance. / In transportation modeling, a route choice is a model describing the selection of a route between a given origin and a given destination. More specifically, it consists of determining the sequence of arcs leading to the destination in a network composed of vertices and arcs, according to some selection criteria. We propose a novel route choice model, based on approximate dynamic programming. The technique is applied sequentially, as every time a user reaches an intersection, he/she is supposed to consider the utility of a certain number of future arcs, followed by an approximation for the rest of the path leading up to the destination. The route choice model is implemented as a component of a traffic simulation model, in a discrete event framework. We conduct a numerical experiment on a real traffic network model in order to analyze its performance.

Dans les études sur le transport, les modèles de choix de route décrivent la sélection par un utilisateur d’un chemin, depuis son origine jusqu’à sa destination. Plus précisément, il s’agit de trouver dans un réseau composé d’arcs et de sommets la suite d’arcs reliant deux sommets, suivant des critères donnés. Nous considérons dans le présent travail l’application de la programmation dynamique pour représenter le processus de choix, en considérant le choix d’un chemin comme une séquence de choix d’arcs. De plus, nous mettons en œuvre les techniques d’approximation en programmation dynamique afin de représenter la connaissance imparfaite de l’état réseau, en particulier pour les arcs éloignés du point actuel. Plus précisément, à chaque fois qu’un utilisateur atteint une intersection, il considère l’utilité d’un certain nombre d’arcs futurs, puis une estimation est faite pour le restant du chemin jusqu’à la destination. Le modèle de choix de route est implanté dans le cadre d’un modèle de simulation de trafic par événements discrets. Le modèle ainsi construit est testé sur un modèle de réseau routier réel afin d’étudier sa performance. / In transportation modeling, a route choice is a model describing the selection of a route between a given origin and a given destination. More specifically, it consists of determining the sequence of arcs leading to the destination in a network composed of vertices and arcs, according to some selection criteria. We propose a novel route choice model, based on approximate dynamic programming. The technique is applied sequentially, as every time a user reaches an intersection, he/she is supposed to consider the utility of a certain number of future arcs, followed by an approximation for the rest of the path leading up to the destination. The route choice model is implemented as a component of a traffic simulation model, in a discrete event framework. We conduct a numerical experiment on a real traffic network model in order to analyze its performance.