Dans cette thèse nous étudions la relation entre la conformation et la dynamique de la chromatine en nous basant sur une classe de modèles de polymères aléatoirement réticulé (AR). Les modèles AR permettent de prendre en compte la variabilité de la conformation de la chromatine sur l’ensemble d’une population de cellules. Nous utilisons les outils tels que les statistiques, les processus stochastiques, les simulations numériques ainsi que la physique des polymères afin de déduire certaines propriétés des polymères AR a l’équilibre ainsi que pour des cas transitoires. Nous utilisons par la suite ces propriétés afin d’élucider l’organisation dynamique de la chromatine pour diverses échelles et conditions biologiques. Dans la première partie de ce travail, nous développons une méthode générale pour construire les polymères AR directement à partir des données expérimentales, c’est-à-dire des données de capture chromosomiques (CC). Nous montrons que des connections longue portées persistantes entre des domaines topologiquement associés (DTA) affectent le temps de rencontre transitoire entre les DTA dans le processus d’inactivation du chromosome X. Nous montrons de plus que la variabilité des exposants anormaux – mesurée en trajectoires de particules individuelles (TPI) – est une conséquence directe de l’hétérogénéité dans la position des réticulations. Dans la deuxième partie, nous utilisons les polymères AR afin d’étudier la réorganisation locale du génome au point de cassure des deux branches d’ADN (CDB). Le nombre de connecteurs dans le modèle de polymère AR est calibré à partir de TPI, mesurées avant et après la CDB. Nous avons trouvé que la perte modérée de connecteur autour des sites de la CDB affecte de façon significative le premier temps de rencontre des deux extrémités cassées lors du processus de réparation d’une CBD. Nous montrons comment un micro-environnement génomique réticulé peut confiner les extrémités d’une cassure, empêchant ainsi les deux brins de dériver l’un de l’autre. Dans la troisième partie nous déduisons une expression analytique des propriétés transitoires et a l’équilibre du modèle de polymère AR, représentant une unique région DTA. Les expressions ainsi obtenue sont ensuite utilisées afin d’extraire le nombre moyen de connexions dans les DTA provenant des données de CC, et ce à l’aide d’une simple procédure d’ajustement de courbe. Nous dérivons par la suite la formule pour le temps moyen de première rencontre (TMPR) entre deux monomères d’un polymère AR. Le TMPR est un temps clé pour des processus tels que la régulation de gènes et la réparation de dommages sur l’ADN. Dans la dernière partie, nous généralisons le modèle AR analytique afin de prendre en compte plusieurs DTA de tailles différentes ainsi que les connectivités intra-DTA et extra-DTA. Nous étudions la dynamique de réorganisation de DTA lors des stages successifs de différentiations cellulaires à partir de données de CC. Nous trouvons un effet non-négligeable de la connectivité de l’inter-DTA sur les dynamiques de la chromatique. Par la suite nous trouvons une compactification et une décompactification synchrone des DTA à travers les différents stages. / In this dissertation we study the relationship between chromatin conformation and dynamics using a class of randomly cross-linked (RCL) polymer models. The RCL models account for the variability in chromatin conformation over cell population. We use tools from statistics, stochastic process, numerical simulations and polymer physics, to derive the steady-state and transient properties of the RCL polymer, and use them to elucidate the dynamic reorganization of the chromatin for various scales and biological conditions. In the first part of this dissertation work, we develop a general method to construct the RCL polymer directly from chromosomal capture (CC) data. We show that persistent long-range connection between topologically associating domain (TAD) affect transient encounter times within TADs, in the process of X chromosome inactivation. We further show that the variability in anomalous exponents, measured in single particle trajectories (SPT), is a direct consequence of the heterogeneity of cross-link positions. In the second part, we use the RCL polymer to study local genome reorganization around double strand DNA breaks (DSBs). We calibrate the number of connectors in the RCL model using SPT data, acquired before and after DSB. We find that the conservative loss of connectors around DSB sites significantly affects first encounter times of the broken ends in the process of DSB repair. We show how a cross-linked genomic micro-environment can confine the two broken ends of a DSB from drifting apart. In the third part, we derive analytical expressions for the steady-state and transient properties of the RCL model, representing a single TAD region. The derived expressions are then used to extract the mean number of cross-links in TADs of the CC data, by as simple curve fitting procedure. We further derive formula for the mean first encounter time (MFET) between any two monomers of the RCL polymer. The MFET is a key time in processes such as gene regulation. In the last part, we generalize the analytical RCL model, to account for multiple TADs with variable sizes, intra, and inter-TAD connectivity. We study the dynamic reorganization of TADs, throughout successive stages of cell differentiation, from the CC data. We find non-negligible effect of inter-TAD connectivity on the dynamics of the chromatin. We further find a synchronous compaction and decompaction of TADs during differentiation.

Des milieux hétérogènes et désordonnés émergent dans plusieurs applications de la science et de l'ingénierie nucléaires, en particulier en ce qui concerne la propagation des neutrons et des photons. Les exemples sont très répandus et concernent par exemple la double hétérogénéité des éléments combustibles dans les réacteurs à lit de boulets ou l'évaluation de la probabilité de re-criticité suite aux arrangements aléatoires du combusitble résultant d'accidents graves. Dans cette thèse, nous étudierons le transport linéaire de particules dans des milieux aléatoires. Dans la première partie, nous nous concentrerons sur quelques modèles mathématiques qui peuvent être utilisés pour la description de matériaux aléatoires. Une attention particulière sera accordée aux tessellations stochastiques, où un domaine est partitionné en polyèdres convexes en échantillonnant des hyperplans aléatoires selon une probabilité donnée. Les inclusions stochastiques de sphères dans une matrice seront également brièvement introduites. Un code informatique sera développé afin de construire explicitement de telles géométries par des méthodes de Monte Carlo. Dans la deuxième partie, nous évaluerons ensuite les caractéristiques générales du transport de particules dans des milieux aléatoires. Pour ce faire, nous allons considérer quelques benchmarks assez simples pour permettre une compréhension approfondie des effets des géométries aléatoires sur les trajectoires de particules tout en conservant les propriétés clés du transport linéaire. Les calculs de transport seront réalisés en utilisant le code de transport de particules Monte Carlo Tripoli4, développé au SERMA. Les cas de modèles de désordre quenched et annealed seront considérés séparément. Dans le premier, un ensemble de géométries sera généré en utilisant notre code, et le problème de transport sera résolu pour chaque configuration: des moyennes d'ensemble seront alors prises pour les observables d'intérêt. Dans le second cas, un modèle de transport efficace capable de reproduire les effets du désordre dans une seule réalisation sera étudié. Les approximations des modèles annealed seront élucidées, et des améliorations significatives seront proposées. / Heterogeneous and disordered media emerges in several applications in nuclear science and engineering, especially in relation to neutron and photon propagation. Examples are widespread and concern for instance the double-heterogeneity of the fuel elements in pebble-bed reactors, or the assessment of re-criticality probability due to the random arrangement of fuel resulting from severe accidents. In this Thesis, we will investigate linear particle transport in random media. In the first part, we will focus on some mathematical models that can be used for the description of random media. Special emphasis will be given to stochastic tessellations, where a domain is partitioned into convex polyhedra by sampling random hyperplanes according to a given probability. Stochastic inclusions of spheres into a matrix will be also briefly introduced. A computer code will be developed in order to explicitly construct such geometries by Monte Carlo methods. In the second part, we will then assess the general features of particle transport within random media. For this purpose, we will consider some benchmark problems that are simple enough so as to allow for a thorough understanding of the effects of the random geometries on particle trajectories and yet retain the key properties of linear transport. Transport calculations will be realized by using the Monte Carlo particle transport code Tripoli4, developed at SERMA. The cases of quenched and annealed disorder models will be separately considered. In the former, an ensemble of geometries will be generated by using our computer code, and the transport problem will be solved for each configuration: ensemble averages will then be taken for the observables of interest. In the latter, effective transport model capable of reproducing the effects of disorder in a single realization will be investigated. The approximations of the annealed disorder models will be elucidated, and significant ameliorations will be proposed.

Un grand nombre d'études ont été faites dans le domaine de l'Optimisation Stochastique en général et les Algorithmes Génétiques en particulier. L'essentiel des nouveaux développements ou des améliorations faites sont alors testés sur des jeux de tests très connus tels que BBOB, CEC, etc. conçus de telle manière que soient présents les principaux défis que les optimiseurs doivent relever : non séparabilité, multimodalité, des vallées où le gradient est quasi-nul, et ainsi de suite. La plupart des études ainsi faites se déroulent via une application directe sur le jeu de test, optimisant un nombre donné de variables pour atteindre un critère précis. La première contribution de ce travail consiste à étudier l'impact de la remise en cause de ce fonctionnement par deux moyens : le premier repose sur l'introduction d'un grand nombre de variables qui n'ont pas d'impact sur la valeur de la fonction optimisée ; le second quant à lui relève de l'étude des conséquences du mauvais conditionnement d'une fonction en grande dimension sur les performances des algorithmes d'optimisation stochastique. Une deuxième contribution se situe dans l'étude de l'impact de la modification des mutations de l'algorithme CMA-ES,où, au lieu d'utiliser des mutations purement aléatoires, nous allons utiliser des mutations quasi-aléatoires. Ce travail introduit également la ``Sieves Method'', bien connue des statisticiens. Avec cette méthode, nous commençons par optimiser un faible nombre de variables, nombre qui est ensuite graduellement incrémenté au fil de l'optimisation.Bien que les jeux de tests existants sont bien sûr très utiles, ils ne peuvent constituer que la première étape : dans la plupart des cas, les jeux de tests sont constitués d'un ensemble de fonctions purement mathématiques, des plus simples comme la sphère, aux plus complexes. Le but de la conception d'un nouvel optimiseur, ou l'amélioration d'un optimiseur existant, doit pourtant in fine être de répondre à des problèmes du monde réel. Ce peut-être par exemple la conception d'un moteur plus efficace, d'identifier les bons paramètres d'un modèle physique ou encore d'organiser des données en groupes.Les optimiseurs stochastiques sont bien évidemment utilisés sur de tels problèmes, mais dans la plupart des cas, un optimiseur est choisi arbitrairement puis appliqué au problème considéré. Nous savons comment les optimiseurs se comparent les uns par rapport aux autres sur des fonctions artificielles, mais peu de travaux portent sur leur efficacité sur des problèmes réels. L'un des principaux aspects de des travaux présentés ici consiste à étudier le comportement des optimiseurs les plus utilisés dans la littérature sur des problèmes inspirés du monde réel, voire des problèmes qui en viennent directement. Sur ces problèmes, les effets des mutations quasi-aléatoires de CMA-ES et de la``Sieves Method'' sont en outre étudiés. / A lot of research is being done on Stochastic Optimisation in general and Genetic Algorithms in particular. Most of the new developments are then tested on well know testbeds like BBOB, CEC, etc. conceived to exhibit as many pitfalls as possible such as non-separability, multi-modality, valleys with an almost null gradient and so on. Most studies done on such testbeds are pretty straightforward, optimising a given number of variables for there cognized criterion on the testbed. The first contribution made here is to study the impact of some changes in those assumptions, namely the effect of supernumerary variables that don't change anything to a function evaluation on the one hand, and the effect of a change of the studied criterion on the other hand. A second contribution is in the modification of the mutation design for the algorithm CMA-ES, where we will use Quasi-Random mutations instead of purely random ones. This will almost always result in a very clear improvement ofthe observed results. This research also introduces the Sieves Method well known in statistics, to stochastic optimisers: by first optimising a small subset of the variables and gradually increasing the number of variables during the optimization process, we observe on some problems a very clear improvement. While artificial testbeds are of course really useful, they can only be the first step: in almost every case, the testbeds are a collection of purely mathematical functions, from the simplest one like the sphere, to some really complex functions. The goal of the design of new optimisers or the improvement of an existing one is however, in fine, to answer some real world question. It can be the design of a more efficient engine, finding the correct parameters of a physical model or even to organize data in clusters. Stochastic optimisers are used on those problems, in research or industry, but in most instances, an optimiser ischosen almost arbitrarily. We know how optimisers compare on artificial functions, but almost nothing is known abouttheir performances on real world problems. One of the main aspect of the research exposed here will be to compare someof the most used optimisers in the literature on problems inspired or directly coming from the real-world. On those problems, we will additionally test the efficiency of quasi-random mutations in CMA-ES and the Sieves-Method.

Les futures applications sans fil anticipent une explosion de la pléthore de cas d'utilisation et de services, qui ne peut être soutenue par des améliorations incrémentielles des schémas de communication existants. Pour cela, deux axes de recherche sont particulièrement intéressants: la densification du réseau à l'aide de petites cellules et la communication par ondes millimétriques (ondes millimétriques). Dans cette thèse, nous modélisons et évaluons des réseaux cellulaires constitués de petites cellules à ondes millimétriques utilisant la technique d'accès multi-radio (RAT) déployées au-dessus de la macro-architecture existante. Premièrement, nous modélisons mathématiquement un déploiement homogène de petites cellules multi-RAT et caractérisons les performances de l'utilisateur et du réseau en termes de probabilité de couverture signal sur brouillage plus rapport de bruit (SINR), de débit descendant et de probabilité de surcharge de cellule. Ensuite, nous étudions l'association des utilisateurs à différents niveaux et la sélection optimale de différents RAT, de manière à optimiser ces mesures de performance. En règle générale, les modèles de réseau cellulaire qui supposent des déploiements homogènes de petites cellules ne tiennent pas compte des nuances des caractéristiques de blocage urbain. Pour résoudre ce problème, nous modélisons les emplacements de petites cellules le long des routes d'une ville, puis nous prenons en compte les blocages de signaux dus à la construction d'immeubles ou au déplacement de véhicules sur les routes. Sur ce réseau, nous supposons que l’opérateur prend en charge trois types de services v.i.z., les communications ultra-fiables à faible temps de latence (URLLC), les communications massives de type machine (mMTC) et le haut débit mobile amélioré (eMBB) avec des besoins différents. En conséquence, nous étudions la sélection optimale de RAT pour ces services avec divers blocages de véhicules. Enfin, sur la base du modèle de déploiement sur route de petites cellules à ondes millimétriques, nous étudions un réseau conçu pour prendre en charge simultanément des services de positionnement et de données. Nous caractérisons la précision du positionnement en fonction des limites de la localisation, puis étudions des stratégies optimales de partitionnement des ressources et de sélection de la largeur de faisceau afin de répondre à diverses exigences de positionnement et de débit de données. / Future wireless applications anticipate an explosion in the plethora of use-cases and services, which cannot be sustained by incremental improvements on the existing communication schemes. For this, two research directions are particularly attractive: network densification using small cells and millimeter wave (mm-wave) wave communications. In this thesis, we model and evaluate cellular networks consisting of multi-radio access technique (RAT) mm-wave small cells deployed on top of the legacy macro-architecture. First, we mathematically model a homogeneous deployment of multi-RAT small cells and characterize the user and network performance in terms of signal to interference plus noise ratio (SINR) coverage probability, downlink throughput, and the cell overloading probability. Then, we study users association to different tiers and optimal selection of different RATs, so as to optimize these performance metrics. Generally, cellular network models that assume homogeneous deployments of small cells fail to take into account the nuances of urban blockage characteristics. To address this, we model the small cell locations along the roads of a city, and subsequently, we take into consideration the signal blockages due to buildings or moving vehicles on the roads. In this network, we assume that the operator supports three types of services v.i.z., ultra-reliable low-latency communications (URLLC), massive machine-type communications (mMTC), and enhanced mobile broadband (eMBB) with different requirements. Consequently, we study the optimal RAT selection for these services with varying vehicular blockages. Finally, based on the on-road deployment model of mm-wave small cells, we study a network designed to support positioning and data services simultaneously. We characterize the positioning accuracy based on the localization bounds and then study optimal resource partitioning and beamwidth selection strategies to address varied positioning and data-rate requirements.

L’échantillonnage est une étape clé dans le rendu graphique. Il permet d’intégrer la lumière arrivant en un point de la scène pour en calculer sa couleur. Généralement, la méthode utilisée est l’intégration Monte Carlo qui approxime cette intégrale en choisissant un nombre fini d’échantillons. La réduction du biais et de la variance de l’intégration Monte Carlo est devenue une des grandes problématiques en rendu réaliste. Les techniques trouvées consistent à placer les points d’échantillonnage avec intelligence de façon à rendre la distribution la plus uniforme possible tout en évitant les régularités. Les années 80 ont été de ce point de vue un tournant dans ce domaine, avec l’apparition de nouvelles méthodes stochastiques. Ces méthodes ont, grâce à une meilleure compréhension des liens entre intégration Monte Carlo et échantillonnage, permis de réduire le bruit et la variance des images générées, et donc d’améliorer leur qualité. En parallèle, la complexité des méthodes d’échantillonnage s’est considérablement améliorée, permettant d’obtenir des méthodes à la fois rapides et efficaces en termes de qualité. Cependant, ces avancées ont jusqu’à là été faites par tâtonnement et se sont axées sur deux points majeurs : l’amélioration de l’uniformité du motif d’échantillonnage et la suppression des régularités. Bien que des théories permettant de borner l’erreur d’intégration existent, elles sont souvent limitées, voire inapplicables dans le domaine de l’informatique graphique. Cette thèse propose de rassembler les outils d’analyse des motifs d’échantillonnages et de les mettre en relation. Ces outils peuvent caractériser des propriétés spatiales, comme la distribution des distances entre points, ou bien spectrales à l’aide de la transformée de Fourier. Nous avons ensuite utilisé ces outils afin de donner une expression simple de la variance et du biais dans l’intégration Monte Carlo, en utilisant des prérequis compatibles avec le rendu d’image. Finalement, nous présentons une boite à outils théorique permettant de déterminer la vitesse de convergence d’une méthode d’échantillonnage à partir de son profil spectral. Cette boite à outils est notamment utilisée afin de classifier les méthodes d’échantillonnage existantes, mais aussi pour donner des indications sur les principes fondamentaux nécessaires à la conception de nouveaux algorithmes d’échantillonnage / Sampling is a key step in rendering pipeline. It allows the integration of light arriving to a point of the scene in order to calculate its color. Monte Carlo integration is generally the most used method to approximate that integral by choosing a finite number of samples. Reducing the bias and the variance of Monte Carlo integration has become one of the most important issues in realistic rendering. The solutions found are based on smartly positioning the samples points in a way that maximizes the uniformity of the distribution while avoiding the regularities. From this point of view, the 80s were a turning point in this domain, as new stochastic methods appeared. With a better comprehension of links between Monte Carlo integration and sampling, these methods allow the reduction of noise and of variance in rendered images. In parallel, the complexity of sampling methods has considerably enhanced, enabling to have fast as well as good quality methods. However, these improvements have been done by trial and error focusing on two major points : the improvement of sampling pattern uniformity, and the suppression of regularities. Even though there exists some theories allowing to bound the error of the integration, they are usually limited, and even inapplicable in computer graphics. This thesis proposes to gather the analysis tools of sampling patterns and to connect them together. These tools can characterize spatial properties such as the distribution of distances between points, as well as spectral properties via Fourier transformation. Secondly, we have used these tools in order to give a simple expression of the bias and the variance for Monte Carlo integration ; this is done by using prerequisites compatible with image rendering. Finally, we present a theoretical toolbox allowing to determine the convergence speed of a sampling method from its spectral profile. This toolbox is used specifically to give indications about the design principles necessary for new sampling algorithms

Les petites machines, comme les moteurs moléculaires ou les particules actives, fonctionnent dans un environnement fortement fluctuant qui affecte leur efficacité ou leur puissance. L'objectif de cette thèse est de décrire les petites machines à l'aide de la thermodynamique stochastique et de la théorie des grandes déviations. En reliant localement puis globalement les courants aux forces thermodynamiques, on introduit une matrice de conductance hors d'équilibre, qui généralise la matrice d'Onsager pour un système stationnaire hors d'équilibre. Cela permet de majorer l'efficacité des machines par une fonction universelle qui ne dépend que du degré de couplage entre les courants d'entrée et de sortie. On obtient aussi de nouvelles relations générales entre puissance et efficacité. Du point de vue des fluctuations, la matrice de conductance hors d'équilibre est reliée à une borne quadratique pour les fonctions de grande déviation des courants. Cette borne permet d'obtenir des bornes pour les fonctions de grande déviation de l'efficacité, mais aussi de revisiter le théorème de fluctuation-dissipation comme une inégalité dans le cas des systèmes loin de l'équilibre. Pour terminer, on étudie l'effet d'une brisure d'ergodicité sur les fluctuations d'observables comme l'activité, les courants ou l'efficacité. En particulier, on calcule la fonction de grande déviation de l'efficacité pour un ensemble de nanomachines en interaction pour lesquelles un couplage fort et une brisure d'ergodicité apparaissent à la limite thermodynamique. / Small machines -- like molecular motors or active particles -- operate in highly fluctuating environments that affect their efficiency and power. This thesis aims at describing small machines using stochastic thermodynamics and large deviation theory. By relating mean currents to thermodynamic forces, locally first and then at the global level, we introduce the non-equilibrium conductance matrix that generalizes the Onsager matrix for stationary non-equilibrium systems. We use it to bound machine efficiency by a universal function depending only on the degree of coupling between input and output currents and to find new general power-efficiency trade-offs. On the fluctuations side, the non-equilibrium conductance matrix can be used to find a quadratic bound on the large deviation function of currents. This enables to revisit the fluctuation-dissipation theorem as an inequality when dealing with far-from-equilibrium systems, but also to derive bounds on the efficiency large deviation function. Finally, we study the effects of ergodicity breaking on the fluctuations of observables like activity, currents or efficiency. In particular, we derive the efficiency large deviation function for a model of interacting nanomachines, for which tight coupling and ergodicity breaking emerge in the thermodynamic limit.

La présente thèse traite de la théorie des équations stochastiques en dimension finie. Dans la première partie, nous dérivons des conditions géométriques nécessaires et suffisantes sur les coefficients d’une équation différentielle stochastique pour l’existence d’une solution contrainte à rester dans un domaine fermé, sous de faibles conditions de régularité sur les coefficients.Dans la seconde partie, nous abordons des problèmes d’existence et d’unicité d’équations de Volterra stochastiques de type convolutif. Ces équations sont en général non-Markoviennes. Nous établissons leur correspondance avec des équations en dimension infinie ce qui nous permet de les approximer par des équations différentielles stochastiques Markoviennes en dimension finie.Enfin, nous illustrons nos résultats par une application en finance mathématique, à savoir la modélisation de la volatilité rugueuse. En particulier, nous proposons un modèle à volatilité stochastique assurant un bon compromis entre flexibilité et tractabilité. / The present thesis deals with the theory of finite dimensional stochastic equations.In the first part, we derive necessary and sufficient geometric conditions on the coefficients of a stochastic differential equation for the existence of a constrained solution, under weak regularity on the coefficients. In the second part, we tackle existence and uniqueness problems of stochastic Volterra equations of convolution type. These equations are in general non-Markovian. We establish their correspondence with infinite dimensional equations which allows us to approximate them by finite dimensional stochastic differential equations of Markovian type. Finally, we illustrate our findings with an application to mathematical finance, namely rough volatility modeling. We design a stochastic volatility model with an appealing trade-off between flexibility and tractability.

Cette thèse s’intéresse à l’optimisation multiobjectif sans contrainte lorsque les objectifs sont exprimés comme des espérances de fonctions aléatoires. L’aléa est modélisé par l’intermédiaire de variables aléatoires et on considère qu’il n’impacte pas les variables d’optimisation du problème. La thèse consiste à proposer un algorithme de descente qui permet l’obtention des solutions de Pareto du problème d’optimisation ainsi écrit. En utilisant des résultats d’analyse convexe, il est possible de construire un vecteur de descente commun à l’ensemble des objectifs du problème d’optimisation pour un tirage des variables aléatoires donné. Une suite itérative consistant à descendre dans la direction du vecteur de descente commun calculé au point courant et pour un tirage aléatoire unique et indépendant des variables aléatoires est alors construite. De cette manière, l’estimation coûteuse des espérances à chaque étape du processus d’optimisation n’est pas nécessaire. Il est possible de prouver les convergences en norme et presque sûre de cette suite vers les solutions de Pareto du problème d’optimisation en espérance et d’obtenir un résultat de vitesse de convergence lorsque la suite de pas de descente est bien choisie. Après avoir proposé diverses méthodes numériques d’amélioration de l’algorithme, un ensemble d’essais numériques est mené et les résultats de l’algorithme proposé sont comparés à ceux obtenus par deux autres algorithmes classiques de la littérature. Les résultats obtenus sont comparés par l’intermédiaire de mesures adaptées à l’optimisation multiobjectif et sont analysés par le biais de profils de performance. Des méthodes sont alors proposées pour prendre en compte deux types de contrainte et sont illustrées sur des problèmes d’optimisation de structures mécaniques. Une première méthode consiste à pénaliser les objectifs par l’intermédiaire de fonctions de pénalisation exacte lorsque la contrainte est décrite par une fonction déterministe. Pour les contraintes probabilistes, on propose de remplacer les contraintes par des objectifs supplémentaires, ces contraintes probabilistes étant alors reformulées comme des espérances de fonctions indicatrices, le problème étant résolu à l’aide de l’algorithme proposé dans la thèse sans avoir à estimer les probabilités des contraintes à chaque itération. / This thesis deals with unconstrained multiobjective optimization when the objectives are written as expectations of random functions. The randomness is modelled through random variables and we consider that this does not impact the problem optimization variables. A descent algorithm is proposed which gives the Pareto solutions without having to estimate the expectancies. Using convex analysis results, it is possible to construct a common descent vector that is a descent vector for all the objectives simultaneously, for a given draw of the random variables. An iterative sequence is then built and consists in descending following this common descent vector calculated at the current point and for a single independent draw of the random variables. This construction avoids the costly estimation of the expectancies at each step of the algorithm. It is then possible to prove the mean square and almost sure convergence of the sequence towards Pareto solutions of the problem and at the same time, it is possible to obtain a speed rate result when the step size sequence is well chosen. After having proposed some numerical enhancements of the algorithm, it is tested on multiple test cases against two classical algorithms of the literature. The results for the three algorithms are then compared using two measures that have been devised for multiobjective optimization and analysed through performance profiles. Methods are then proposed to handle two types of constraint and are illustrated on mechanical structure optimization problems. The first method consists in penalising the objective functions using exact penalty functions when the constraint is deterministic. When the constraint is expressed as a probability, the constraint is replaced by an additional objective. The probability is then reformulated as an expectation of an indicator function and this new problem is solved using the algorithm proposed in the thesis without having to estimate the probability during the optimization process.

Les processus markoviens déterministes par morceaux (PDMP) forment une vaste classe de processus stochastiques caractérisés par une évolution déterministe entre des sauts à mécanisme aléatoire. Ce sont des processus de type hybride, avec une composante discrète de mode et une composante d’état qui évolue dans un espace continu. Entre les sauts du processus, la composante continue évolue de façon déterministe, puis au moment du saut un noyau markovien sélectionne la nouvelle valeur des composantes discrète et continue. Dans cette thèse, nous construisons des PDMP évoluant dans des espaces de mesures (de dimension infinie), pour modéliser des population de cellules en tenant compte des caractéristiques individuelles de chaque cellule. Nous exposons notre construction des PDMP sur des espaces de mesure, et nous établissons leur caractère markovien. Sur ces processus à valeur mesure, nous étudions un problème d'arrêt optimal. Un problème d'arrêt optimal revient à choisir le meilleur temps d'arrêt pour optimiser l'espérance d'une certaine fonctionnelle de notre processus, ce qu'on appelle fonction valeur. On montre que cette fonction valeur est solution des équations de programmation dynamique et on construit une famille de temps d'arrêt $epsilon$-optimaux. Dans un second temps, nous nous intéressons à un PDMP en dimension finie, le TCP, pour lequel on construit un schéma d'Euler afin de l'approcher. Ce choix de modèle simple permet d'estimer différents types d'erreurs. Nous présentons des simulations numériques illustrant les résultats obtenus. / Piecewise deterministic Markov processes (PDMP) form a large class of stochastic processes characterized by a deterministic evolution between random jumps. They fall into the class of hybrid processes with a discrete mode and an Euclidean component (called the state variable). Between the jumps, the continuous component evolves deterministically, then a jump occurs and a Markov kernel selects the new value of the discrete and continuous components. In this thesis, we extend the construction of PDMPs to state variables taking values in some measure spaces with infinite dimension. The aim is to model cells populations keeping track of the information about each cell. We study our measured-valued PDMP and we show their Markov property. With thoses processes, we study a optimal stopping problem. The goal of an optimal stopping problem is to find the best admissible stopping time in order to optimize some function of our process. We show that the value fonction can be recursively constructed using dynamic programming equations. We construct some $epsilon$-optimal stopping times for our optimal stopping problem. Then, we study a simple finite-dimension real-valued PDMP, the TCP process. We use Euler scheme to approximate it, and we estimate some types of errors. We illustrate the results with numerical simulations.

No description available.