Dans une première partie, on étudie quelques problèmes d'arrêt optimal de la forme <br /> <br /> $sup_{\tau\in \Delta, \tau\geq 0} \esp_v\left[g(V_{\tau})\right] \hbox{~ou}~<br /> sup_{\tau\in \Delta, \tau\geq 0} \esp_v\left[e^{-r\tau}\bar{g}(V_{\tau})\right],$<br /> où $V$ est un processus stochastique, $g$ et $\bar{g}$ deux fonctions boréliennes, $r>0$ et $\Delta$ est l'ensemble des $\F^V$-temps d'arrêt ($\F_.^V$ étant la filtration engendrée par le processus $V$). <br /> L'étude de ces problèmes est motivée par les applications dans plusieurs domaines comme la finance, l'économie ou la médecine.<br /> <br />La première partie est une mise en évidence du fait que le plus petit temps d'arrêt optimal est parfois un temps d'atteinte. C'est pourquoi, dans la deuxième partie de la thèse, on s'intéresse à la loi d'un temps d'atteinte d'un processus de Lévy à sauts ainsi qu'à quelques applications à la finance, plus précisément lors du calcul de l'intensité de ce temps d'arrêt associée à une certaine filtration $\F$. Deux cas sont présentés : quand le temps d'arrêt est un $\F$-temps d'arrêt et quand il ne l'est pas.

Cette thèse présente trois sujets de recherche indépendants, le dernier étant décliné sous forme de deux problèmes distincts. Ces différents sujets ont en commun d'appliquer des méthodes de contrôle stochastique à des problèmes de gestion optimale de portefeuille. Dans une première partie, nous nous intéressons à un modèle de gestion d'actifs prenant en compte des taxes sur les plus-values. Dans une seconde partie, nous étudions un problème de détection du maximum d'un processus de retour à la moyenne. Dans les troisième et quatrième parties, nous regardons un problème d'investissement optimal lorsque les agents se regardent les uns les autres. Enfin dans une cinquième partie, nous étudions une variante de cette problématique incluant un terme de pénalisation au lieu de contraintes sur les portefeuilles admissibles.

Les processus markoviens déterministes par morceaux (PMDM) ont été introduits dans la littérature par M.H.A. Davis en tant que classe générale de modèles stochastiques non-diffusifs. Les PMDM sont des processus hybrides caractérisés par des trajectoires déterministes entrecoupées de sauts aléatoires. Dans cette thèse, nous développons des méthodes numériques adaptées aux PMDM en nous basant sur la quantification d'une chaîne de Markov sous-jacente au PMDM. Nous abordons successivement trois problèmes : l'approximation d'espérances de fonctionnelles d'un PMDM, l'approximation des moments et de la distribution d'un temps de sortie et le problème de l'arrêt optimal partiellement observé. Dans cette dernière partie, nous abordons également la question du filtrage d'un PMDM et établissons l'équation de programmation dynamique du problème d'arrêt optimal. Nous prouvons la convergence de toutes nos méthodes (avec le plus souvent des bornes de la vitesse de convergence) et les illustrons par des exemples numériques.

L'objectif de la th'ese est de d'evelopper des mod'eles math'ematiques et leurs analyses qui permettront de d'eterminer le potentiel de vie d'un produit en fonction de l''evolution des param'etres environnementaux (par exemple temp'erature ambiante), des grandeurs physiques trahissant l''etat de sant'e des produits (par exemple temps de mise 'a froid) et de proposer une politique de maintenance adapt'ee. A terme, un produit devra ˆetre capable d'indiquer 'a son utilisateur : - son capital de vie r'esiduel, - la probabilit'e de r'eussir une mission donn'ee compte tenu de son 'etat, - la date optimale de maintenance.

Ce travail porte sur l'arrêt optimal et le contrôle impulsionnel des processus de Markov généraux, principalement fellériens, et les inéquations variationnelles et quasi variationnelles associées. Les cas du contrôle instantané, avec retard , avec retards imbriqués, et les systèmes d 'inéquations sont étudiés. Les résultats concernent la caractérisation de la fonction coût optimal , l'existence et la caractérisation d'un controle optimal.

Les processus markoviens déterministes par morceaux (PMDM) ont été introduits dans la littérature par M.H.A. Davis en tant que classe générale de modèles stochastiques non-diffusifs. Les PMDM sont des processus hybrides caractérisés par des trajectoires déterministes entrecoupées de sauts aléatoires. Dans cette thèse, nous développons des méthodes numériques adaptées aux PMDM en nous basant sur la quantification d'une chaîne de Markov sous-jacente au PMDM. Nous abordons successivement trois problèmes : l'approximation d'espérances de fonctionnelles d'un PMDM, l'approximation des moments et de la distribution d'un temps de sortie et le problème de l'arrêt optimal partiellement observé. Dans cette dernière partie, nous abordons également la question du filtrage d'un PMDM et établissons l'équation de programmation dynamique du problème d'arrêt optimal. Nous prouvons la convergence de toutes nos méthodes (avec le plus souvent des bornes de la vitesse de convergence) et les illustrons par des exemples numériques. / Piecewise-deterministic Markov processes (PDMP’s) have been introduced by M.H.A. Davis as a general class of non-diffusive stochastic models. PDMP’s are hybrid Markov processes involving deterministic motion punctuated by random jumps. In this thesis, we develop numerical methods that are designed to fit PDMP's structure and that are based on the quantization of an underlying Markov chain. We deal with three issues : the approximation of expectations of functional of a PDMP, the approximation of the moments and of the distribution of an exit time and the partially observed optimal stopping problem. In the latter one, we also tackle the filtering of a PDMP and we establish the dynamic programming equation of the optimal stopping problem. We prove the convergence of all our methods (most of the time, we also obtain a bound for the speed of convergence) and illustrate them with numerical examples.

Nous établissons une nouvelle décomposition des surmartingales, additive dans l'algèbre Max-Plus. Elle consiste essentiellement à exprimer toute surmartingale quasi-continue à gauche de la classe (D) comme une espérance conditionnelle d'un certain processus de running supremum. Comme application, nous montrons comment la décomposition Max-Plus permet en particulier de résoudre le problème Américain d'arrêt optimal sans avoir à calculer le prix de l'option. Ensuite, nous donnons quelques exemples illustratifs basés sur des processus de diffusion uni-dimensionnels. Une autre application intéressante concerne l'assurance de portefeuille. Nous proposons en effet une nouvelle approche au problème classique de maximisation d'utilité, avec garantie Américaine. Pour cela, nous nous ramenons à un problème général de martingales, sous contrainte de dominer un obstacle, ou de façon équivalente son enveloppe de Snell, à toute date intermédiaire. L'optimisation est relative à l'ordre convexe sur la valeur terminale, de manière à minimiser le rôle de la fonction d'utilité. Nous montrons l'optimalité de la "martingale Max-Plus" et nous traitons un exemple explicite dans le cadre d'un Brownien géométrique. Par ailleurs, nous exploitons les liens entre les martingales d'Azéma-Yor et la décomposition Max-Plus pour résoudre certains problèmes d'optimisation de portefeuille sous contraintes d'état et d'autres relatifs aux options Américaines perpétuelles. Nous retrouvons en particulier, d'une manière élémentaire, la plupart des résultats classiques sur les frontières Américaines de processus de Lévy. Le dernier chapitre propose de nouvelles méthodes numériques pour valoriser les contrats Swing.

Dans le cadre de l'optimisation de la fiabilité, Thales Optronique intègre désormais dans ses équipements, des systèmes d'observation de leur état de fonctionnement. Cette fonction est réalisée par des HUMS (Health & Usage Monitoring System). L'objectif de cette thèse est de mettre en place dans le HUMS, un programme capable d'évaluer l'état du système, de détecter les dérives de fonctionnement, d'optimiser les opérations de maintenance et d'évaluer les risques d'échec d'une mission, en combinant les procédés de traitement des données opérationnelles (collectées sur chaque appareil grâce au HUMS) et prévisionnelles (issues des analyses de fiabilité et des coûts de maintenance, de réparation et d'immobilisation). Trois algorithmes ont été développés. Le premier, basé sur un modèle de chaînes de Markov cachées, permet à partir de données opérationnelles, d'estimer à chaque instant l'état du système, et ainsi, de détecter un mode de fonctionnement dégradé de l'équipement (diagnostic). Le deuxième algorithme permet de proposer une stratégie de maintenance optimale et dynamique. Il consiste à rechercher le meilleur instant pour réaliser une maintenance, en fonction de l'état estimé de l'équipement. Cet algorithme s'appuie sur une modélisation du système, par un processus Markovien déterministe par morceaux (noté PDMP) et sur l'utilisation du principe d'arrêt optimal. La date de maintenance est déterminée à partir des données opérationnelles, prévisionnelles et de l'état estimé du système (pronostic). Quant au troisième algorithme, il consiste à déterminer un risque d'échec de mission et permet de comparer les risques encourus suivant la politique de maintenance choisie.Ce travail de recherche, développé à partir d'outils sophistiqués de probabilités théoriques et numériques, a permis de définir un protocole de maintenance conditionnelle à l'état estimé du système, afin d'améliorer la stratégie de maintenance, la disponibilité des équipements au meilleur coût, la satisfaction des clients et de réduire les coûts d'exploitation.

Nous explorons l'étendue du champ applicatif des processus markoviens décisionnels au travers de deux problématiques. La première, de nature industrielle, propose l'étude numérique de l'optimisation d'un processus d'intégration lanceur en collaboration avec Airbus DS. Il s'agit d'un cas particulier des problèmes de gestion d'inventaire dans lequel un calendrier de tirs joue un rôle central. La modélisation adoptée entraîne l'impossibilité d'appliquer les procédures d'optimisation classiques liées au formalisme des processus markoviens décisionnels. Nous étudions alors des algorithmes basés sur des simulations qui rendent des stratégies optimales non triviales et qui sont utilisables dans la pratique. La deuxième problématique, de nature théorique, se concentre sur les questions d'arrêt optimal partiellement observables. Nous proposons une méthode d'approximation par quantification de ces problèmes lorsque les espaces d'états sont quelconques. Nous étudions la convergence de la valeur optimale approchée vers la valeur optimale réelle ainsi que sa vitesse. Nous appliquons notre méthode à un exemple numérique. / We investigate the potential of the Markov decision processes theory through two applications. The first part of this work is dedicated to the numerical study of an industriallauncher integration process in co-operation with Airbus DS. It is a particular case of inventory control problems where a launch calendar has a key role. The model we propose implies that standard optimization techniques cannot be used. We then investigate two simulation-based algorithms. They return non trivial optimal policies which can be applied in actual practice. The second part of this work deals with the study of partially observable optimal stopping problems. We propose an approximation method using optimal quantization for problems with general state space. We study the convergence of the approximated optimal value towards the real optimal value. The convergence rate is also under study. We apply our method to a numerical example.

Notre thèse s’articule autour du thème de l’utilisation optimale de l’information contenue dans un modèle probabiliste flexible. Dans le premier chapitre, nous couvrons des résultats bien connus des martingales comme le théorème de convergence dit L1 des martingales et le théorème d’arrêt. Nous discutons de problèmes ouverts similaires au «last arrival problem» (Bruss et Yor, 2012) qui sont des vrais défis du point de vue théorique et nous ne pouvons que conjecturer la stratégie optimale.Dans les chapitres suivants, nous résolvons des extensions de problèmes d’arrêt optimal proposés par R. R. Weber (U. Cambridge), basés sur le «théorème des odds» (Bruss, 2000). En résumé, il s’agit d’effectuer une seule action (un seul arrêt) lorsque deux suites d’observations indépendantes sont observées simultanément. Nous donnons la solution à ces problèmes pour un nombre (fixé) choisi de processus.Le chapitre suivant passe en revue la plupart des développements récents (depuis 2000) réalisés autour du «théorème des odds» (Bruss, 2000). Le matériel présenté fut publié (2013), il a donc été mis à jour dans cette thèse pour inclure les derniers résultats depuis cette date.Puis nous réservons un chapitre pour une solution explicite pour un cas particulier du Problème d’arrêt optimal de Robbins. Ce chapitre est basé sur un article publié par l’auteur en collaboration avec le professeur Swan (Université de Liège). Ce chapitre offre une belle illustration des difficultés rencontrées lorsque trop d’information sur les variables est contenue dans le modèle. La solution optimale de ce problème dans le cas général n’est pas connue. Par contre, contre-intuitivement, dans le «last arrival problem» mentionné plus haut, moins d’information permet, comme nous le montrons, de trouver en effet la solution optimale.La thèse contient un dernier chapitre sur un problème de nature plus combinatoire que nous pouvons lier à la théorie des graphes dans une certaine mesure. Nous étudions le processus de création d’un graphe aléatoire particulier et les propriétés des cycles créés par celui-ci. Le problème est séquentiel et permet d’envisager des problèmes d’arrêt intéressants. Cette étude a des conséquences en théorie des graphes, en analyse combinatoire ainsi qu’en science de la chimie combinatoire pour les applications. Un de nos résultats est analogue au résultat de Janson (1987) relatif au premier cycle créé pendant la création de graphes aléatoires. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished