Wie beeinflusst das gleichzeitige Auftreten von strategischer und umfeldbedingter Unsicherheit das Entscheidungsverhalten? Unterscheiden sich Unternehmer in dieser Hinsicht von Anderen? Die vorliegende Dissertation behandelt diese Fragen und untersucht das Koordinationsverhalten bei dualer Unsicherheit. In vier ökonomischen Experimenten wird das Entscheidungsverhalten von Unternehmern und Nicht-Unternehmern vergleichend analysiert. Die betrachteten Entscheidungssituationen beinhalten Investitionsentscheidungen in Forschung und Entwicklung sowie verschiedene Aspekte des Wettbewerbs und von Markteintrittsentscheidungen. / How do people make decisions when simultaneously facing strategic and environmental uncertainty? Do entrepreneurs differ from others in this regards? This dissertation addresses these questions by investigating coordination behavior under dual uncertainty. Four economic experiments have been conducted comparing the behavior of entrepreneurs and non-entrepreneurs in settings that contain investment decisions into research and development and different aspects of competition and market entry decisions.

Nous considèrerons ici les modèles linéaires de multiflots, en mettant l'accent sur leurs multiples applications, notamment dans les domaines de l'ordonnancement et de la gestion de production. Il est bien connu que ces problèmes, présentés sous forme de programmes linéaires, sont difficiles à résoudre, contrairement à leurs homologues en flot simple. Les méthodes de résolution classiques proposent, déjà dans le cas continu, des solutions approchées. On distingue: les méthodes de décomposition par les prix, par les ressources, ainsi que les techniques de partitionnement. Si l'on rajoute la contrainte d'intégralité sur les flots, ces problèmes deviennent extrêmement difficiles. Nous nous sommes intéressés à un cas particulier des problèmes de multiflots, à savoir: le biflot entier de coût minimum. Nous avons développé une approche de résolution heuristique basée sur un principe de décomposition mixte, opérant itérativement, à la fois par une allocation de ressources et par un ajustement des coûts. L'implémentation de cette approche met en évidence des résultats prometteurs, obtenus sur des problèmes de biflot purs, générés aléatoirement. Nous avons donc envisagé une deuxième application sur des problèmes de biflot plus structurés. Ces problèmes de biflot ont été proposés pour la modélisation du problème de voyageur de commerce. Cette application débouche d'une part, sur l'utilisation d'un algorithme de recherche d'un circuit hamiltonien dans un graphe, et d'autre part, sur le développement de techniques heuristiques pour la construction de tournées intéressantes

Dans la première partie on étudie un réseau routier sur lequel circule un trafic entre plusieurs origines et plusieurs destinations. Toutes les caractéristiques du réseau ainsi que les données de trafic sont supposées constantes dans le temps. Sachant que les usagers de ce réseau s'affectent suivant le principe de Wardrop, comment alors en abaissant éventuellement les capacités réelles des arcs du réseau, peut-on minimiser le temps total passé par tous les usagers de ce réseau. Dans la deuxième partie, on étudie les absorbants d'une classe de graphes définie par Claude Benzaken et P. L. Hammer.

Les calculs de réactivité constituent une brique fondamentale dans la simulation des coeurs des réacteurs nucléaires. Ceux-ci conduisent à la résolution de problèmes aux valeurs propres généralisées via l'algorithme de la puissance inverse. A chaque itération, on est amené à résoudre un système linéaire de manière approchée via un algorithme d'itérations imbriquées. Il est difficile de traiter les modélisations très fines avec le solveur développé à EDF, au sein de la plate-forme Cocagne, en raison de la consommation mémoire et du temps de calcul. Au cours de cette thèse, on étudie une méthode de décomposition de domaine de type Schur dual. Plusieurs placements de l'algorithme de décomposition de domaine au sein du système d'itérations imbriquées sont envisageables. Deux d'entre eux ont été implémentés et les résultats analysés. Le deuxième placement, utilisant les spécificités des éléments finis de Raviart-Thomas et de l'algorithme des directions alternées, conduit à des résultats très encourageants. Ces résultats permettent d'envisager l'industrialisation de la méthodologie associée.

Schulpflichtige Nachwuchssportler sehen sich mit der Problematik konfrontiert, dass sowohl die schulische als auch die spitzensportliche Karriere von ihnen vollen Einsatz verlangt, ohne dass sich die erbrachten Leistungen wechselseitig anrechnen lassen. Die daraus entstehende Doppelbelastung kann dazu führen, dass beide Karriereformen nur mit Abstrichen und Beeinträchtigungen verfolgt werden. Bedenkt man nunmehr, dass bei einer Vernachlässigung der schulischen Ausbildung bereits frühzeitig weiterführende berufliche Karrieren eingeschränkt werden, so verwundert es nicht, dass die Verantwortung für die Lösung dieses Inklusionsproblems gemeinhin dem politischen System zugeschrieben wird. Das darauf aufbauende, übergeordnete Erkenntnisinteresse der Arbeit liegt in der Analyse der Möglichkeiten und Grenzen des politischen Systems eine bessere Vereinbarkeit von Schule und Spitzensport herbeizuführen. Die Auseinandersetzung mit der Problematik erfolgt dabei primär auf theoretischer Ebene und verfolgt das Ziel ein in sich geschlossenes Theoriegebäude unter systemtheoretischen Prämissen zu entwickeln. Dabei zeigt sich einerseits, dass die Möglichkeiten der Politik, auf die Problematik der Doppelbelastung schulpflichtiger Nachwuchssportler einwirken zu können aufgrund der funktionalen Differenzierung moderner Gesellschaften und der operativen Schließung der einzelnen sozialen Systeme, stark reglementiert sind. Andererseits scheinen jedoch, aufgrund der Außenorientierung der Politik in Verbindung mit den spezifischen Steuerungsmedien und den vielfältigen Verbindungen zu anderen Systemen, Wirkungen im Sinne einer Differenzsteuerung denkbar. Bei der Betrachtung konkreter Ansatzpunkte politischer Steuerungsmöglichkeiten kann danach unterschieden werden, ob sich Interventionen primär auf die Ebene der Funktions- bzw. Organisationssysteme beziehen oder aber, ob Interorganisationsbeziehungen fokussiert werden.

L'objet de cette thèse est l'étude d'algorithmes itératifs permettant de résoudre des problèmes d'optimisation convexe avec ou sans contraintes fonctionnelles, des problèmes de résolutions d'inégalités variationnelles à opérateur monotone et des problèmes de recherche de point selle. Ces problèmes sont envisagés lorsque la dimension de l'espace de recherche est grande et lorsque les valeurs des différentes fonctions étudiées et leur sous/sur-gradients ne sont pas connues exactement et ne sont accessibles qu'au travers d'un oracle stochastique. Les algorithmes que nous étudions sont des adaptations au cas stochastique de deux algorithmes : le premier inspiré de la méthode de descente en miroir de Nemirovski et Yudin et le second, de l'algorithme d'extrapolation duale de Nesterov. Pour chacun de ces deux algorithmes, nous donnons des bornes pour l'espérance et pour les déviations modérées de l'erreur d'approximation sous différentes hypothèses de régularité pour tous les problèmes sans contraintes fonctionnelles envisagées et nous donnons des versions adaptatives de ces algorithmes qui permettent de s'affranchir de connaître certains paramètres de ces problèmes non accessibles en pratique. Enfin nous montrons comment, à l'aide d'un algorithme auxiliaire inspiré de la méthode de Newton et des résultats obtenus lors de la résolution des problèmes de recherche de point selle, il est possible de résoudre des problèmes d'optimisation sous contraintes fonctionnelles.

Dans ce travail, nous étudions le raffinement de maillage pour des méthodes d'éléments finis mixtes duales pour deux types de problèmes : le premier concerne le problème de l'élasticité linéaire et le second problème celui de l'élastodynamique.<br /> <br /> Pour ces deux types de problèmes et dans des domaines non réguliers, les méthodes d'éléments finis mixtes analysées jusqu'à présent, sont celles qui concernent des méthodes mixtes "classiques". Ici, nous analysons la formulation mixte duale pour les deux problèmes de l'élasticité linéaire et de l'élastodynamique. <br /> Pour le problème d'élasticité, nous sommes concernés premièrement par une analyse a priori d'erreur en utilisant l'approximation par l'élément fini $BDM_1$ stabilisé. Afin de dériver une estimation a priori optimales d'erreur, nous établissons des règles de raffinement de maillage. <br /> Ensuite, nous faisons une analyse d'erreur à posteriori sur un domaine simplement ou multiplement connexe. En fait nous établissons un estimateur résiduel fiable et efficace. Cet estimateur est alors utilisé dans un algorithme adaptatif pour le raffinement automatique de maillage. Pour le problème de l'élastodynamique, nous faisons une analyse a priori d'erreur en utilisant le même élément fini que pour le problème d'élasticité, en utilisant une formulation mixte duale pour la discrétisation des variables spatiales. <br /> Pour la discrétisation en temps nous étudions les deux schémas de Newmark explicite et implicite. Par des règles de raffinement de maillage appropriées, nous dérivons des estimées d'erreur optimales pour les deux schémas numérique.

Der vorliegende Forschungsbericht ist das erste Teilergebnis der wissenschaftlichen Begleitforschung im vom BMBF geförderten Projekt ChemNet. Mit ChemNet soll eine Online-Plattform entwickelt werden die für die Erstausbildung, die berufliche Weiterbildung als auch für die Aufstiegsqualifizierung im Chemiesektor genutzt werden kann – dies sogar im europäischen Kontext. Der Forschungsbericht stellt die Ergebnisse der Ist-Stand-Analyse von u.a. Ausbildungsverhältnissen, Computernutzung und Computerbezogenen Einstellungen von Auszubildenden, Teilnehmern der Aufstiegsqualifizierung, Berufsschullehrern, Ausbildern in der überbetrieblichen Ausbildung sowie betrieblichen Ausbildern dar. Dabei wurden etablierte Instrumente aus dem Inventar zur Computerbildung (INCOBI-R) verwendet. Deutlich konnten dabei die Unterschiede in der Nutzung von Informations- und Kommunikationstechnologien zwischen den Gruppen von Lehrenden und Lernenden herausgearbeitet werden, die sich auch in den Computerbezogenen Einstellungen wiederspiegeln.

Zugl.: Speyer, Dt. Hochsch. für Verwaltungswiss., Diss., 2007.

Cette thèse étudie la méthode du gradient conjugué et la méthode de Lanczos pour la résolution de problèmes aux moindres carrés non-linéaires sous déterminés et régularisés par un terme de pénalisation quadratique. Ces problèmes résultent souvent d'une approche du maximum de vraisemblance, et impliquent un ensemble de m observations physiques et n inconnues estimées par régression non linéaire. Nous supposons ici que n est grand par rapport à m. Un tel cas se présente lorsque des champs tridimensionnels sont estimés à partir d'observations physiques, par exemple dans l'assimilation de données appliquée aux modèles du système terrestre. Un algorithme largement utilisé dans ce contexte est la méthode de Gauss- Newton (GN), connue dans la communauté d'assimilation de données sous le nom d'assimilation variationnelle des données quadridimensionnelles. Le procédé GN repose sur la résolution approchée d'une séquence de moindres carrés linéaires optimale dans laquelle la fonction coût non-linéaire des moindres carrés est approximée par une fonction quadratique dans le voisinage de l'itération non linéaire en cours. Cependant, il est bien connu que cette simple variante de l'algorithme de Gauss-Newton ne garantit pas une diminution monotone de la fonction coût et sa convergence n'est donc pas garantie. Cette difficulté est généralement surmontée en utilisant une recherche linéaire (Dennis and Schnabel, 1983) ou une méthode de région de confiance (Conn, Gould and Toint, 2000), qui assure la convergence globale des points critiques du premier ordre sous des hypothèses faibles. Nous considérons la seconde de ces approches dans cette thèse. En outre, compte tenu de la grande échelle de ce problème, nous proposons ici d'utiliser un algorithme de région de confiance particulier s'appuyant sur la méthode du gradient conjugué tronqué de Steihaug-Toint pour la résolution approchée du sous-problème (Conn, Gould and Toint, 2000, p. 133-139) La résolution de ce sous-problème dans un espace à n dimensions (par CG ou Lanczos) est considérée comme l'approche primale. Comme alternative, une réduction significative du coût de calcul est possible en réécrivant l'approximation quadratique dans l'espace à m dimensions associé aux observations. Ceci est important pour les applications à grande échelle telles que celles quotidiennement traitées dans les systèmes de prévisions météorologiques. Cette approche, qui effectue la minimisation de l'espace à m dimensions à l'aide CG ou de ces variantes, est considérée comme l'approche duale. La première approche proposée (Da Silva et al., 1995; Cohn et al., 1998; Courtier, 1997), connue sous le nom de Système d'analyse Statistique de l'espace Physique (PSAS) dans la communauté d'assimilation de données, commence par la minimisation de la fonction de coût duale dans l'espace de dimension m par un CG préconditionné (PCG), puis revient l'espace à n dimensions. Techniquement, l'algorithme se compose de formules de récurrence impliquant des vecteurs de taille m au lieu de vecteurs de taille n. Cependant, l'utilisation de PSAS peut être excessivement coûteuse car il a été remarqué que la fonction de coût linéaire des moindres carrés ne diminue pas monotonement au cours des itérations non-linéaires. Une autre approche duale, connue sous le nom de méthode du gradient conjugué préconditionné restreint (RPCG), a été proposée par Gratton and Tshimanga (2009). Celle-ci génère les mêmes itérations en arithmétique exacte que l'approche primale, à nouveau en utilisant la formule de récurrence impliquant des vecteurs taille m. L'intérêt principal de RPCG est qu'il en résulte une réduction significative de la mémoire utilisée et des coûts de calcul tout en conservant la propriété de convergence souhaitée, contrairement à l'algorithme PSAS. / This thesis investigates the conjugate-gradient method and the Lanczos method for the solution of under-determined nonlinear least-squares problems regularized by a quadratic penalty term. Such problems often result from a maximum likelihood approach, and involve a set of m physical observations and n unknowns that are estimated by nonlinear regression. We suppose here that n is large compared to m. These problems are encountered for instance when three-dimensional fields are estimated from physical observations, as is the case in data assimilation in Earth system models. A widely used algorithm in this context is the Gauss-Newton (GN) method, known in the data assimilation community under the name of incremental four dimensional variational data assimilation. The GN method relies on the approximate solution of a sequence of linear least-squares problems in which the nonlinear least-squares cost function is approximated by a quadratic function in the neighbourhood of the current nonlinear iterate. However, it is well known that this simple variant of the Gauss-Newton algorithm does not ensure a monotonic decrease of the cost function and that convergence is not guaranteed. Removing this difficulty is typically achieved by using a line-search (Dennis and Schnabel, 1983) or trust-region (Conn, Gould and Toint, 2000) strategy, which ensures global convergence to first order critical points under mild assumptions. We consider the second of these approaches in this thesis. Moreover, taking into consideration the large-scale nature of the problem, we propose here to use a particular trust-region algorithm relying on the Steihaug-Toint truncated conjugate-gradient method for the approximate solution of the subproblem (Conn, Gould and Toint, 2000, pp. 133-139). Solving this subproblem in the n-dimensional space (by CG or Lanczos) is referred to as the primal approach. Alternatively, a significant reduction in the computational cost is possible by rewriting the quadratic approximation in the m-dimensional space associated with the observations. This is important for large-scale applications such as those solved daily in weather prediction systems. This approach, which performs the minimization in the m-dimensional space using CG or variants thereof, is referred to as the dual approach. The first proposed dual approach (Courtier, 1997), known as the Physical-space Statistical Analysis System (PSAS) in the data assimilation community starts by solving the corresponding dual cost function in m-dimensional space by a standard preconditioned CG (PCG), and then recovers the step in n-dimensional space through multiplication by an n by m matrix. Technically, the algorithm consists of recurrence formulas involving m-vectors instead of n-vectors. However, the use of PSAS can be unduly costly as it was noticed that the linear least-squares cost function does not monotonically decrease along the nonlinear iterations when applying standard termination. Another dual approach has been proposed by Gratton and Tshimanga (2009) and is known as the Restricted Preconditioned Conjugate Gradient (RPCG) method. It generates the same iterates in exact arithmetic as those generated by the primal approach, again using recursion formula involving m-vectors. The main interest of RPCG is that it results in significant reduction of both memory and computational costs while maintaining the desired convergence property, in contrast with the PSAS algorithm. The relation between these two dual approaches and the question of deriving efficient preconditioners (Gratton, Sartenaer and Tshimanga, 2011), essential when large-scale problems are considered, was not addressed in Gratton and Tshimanga (2009).