Ce travail présente une optimisation bi-niveau pour la conception de réseaux durables de ressources dans les parcs éco-industriels (EIP). Tout d'abord, les méthodes d'optimisation multiobjectif sont explorées afin de gérer la nature multicritère des problèmes de conception de réseaux dans les EIP. Ensuite, différents cas d’étude sont explorés et analysés afin de maintenir un équilibre concernant les coûts opératoires des usines, tout en minimisant la consommation des ressources naturelles. Ainsi, le problème est modélisé selon une structure bi-niveau reprenant les concepts de la théorie des jeux, où les usines des entreprises jouent un jeu de Nash entre elles, tout en étant dans une structure de jeu de Stackelberg avec l'autorité environnementale. Cette structure définit un modèle qui doit être transformé en un problème MOPEC (Multiple Optimization Problems with Equilibrium Constraints). Différents cas d’étude sont explorés : le premier cas est le réseau d'eau mono-polluant d’un EIP dans lequel l’influence des paramètres opératoires des usines est étudiée afin de déterminer ceux qui favorisent la symbiose entre les usines. Le réseau d'eau est composé d'un nombre fixe de procédés et d’unités de régénération où les concentrations maximales d’entrée et de sortie des polluants sont définies a priori. L'objectif est alors de déterminer quelles sont les allocations entre procédés et unités de régénération. Les résultats obtenus mettent en évidence les avantages de la structure du modèle proposée par rapport aux approches multiobjectif traditionnelles, en obtenant des gains économiques équilibrés d’usines différentes (gains entre 12-25%) tout en maintenant une faible consommation globale des ressources. Ensuite, d'autres études de cas sont abordées à l'aide de la structure bi-niveau : il s’agit d'inclure simultanément les réseaux d'énergie et d’eau dans une formulation multileader multi-follower où les deux «autorités » environnementales sont supposées jouer un jeu non-coopératif de Nash. Dans un premier cas, le gain économique est plus important en incluant des réseaux d'énergie dans la structure de l’EIP. La deuxième étude de cas industriel explore un modèle de réseau d’utilités offre-demande où l'autorité environnementale vise à minimiser les émissions totales de CO2 dans le parc. La conclusion des différents cas explorés montre des résultats extrêmement favorables en termes de coût et d’impact environnemental ce qui vise à encourager les entreprises à participer à l'EIP. / This work presents a bilevel programming framework for the design of sustainable resource networks in eco-industrial parks (EIP). First, multiobjective optimization methods are explored in order to manage the multi-criteria nature of EIP network design problems. Then, different case studies are modeled in order to minimize and maintain in equilibrium participating plants operating costs while minimizing resource consumption. Thus, the structure of the model is constituted by a bilevel programming framework where the enterprises’ plants play a Nash game between them while being in a Stackelberg game structure with the authority. This structure defines a model which, in order to be solved, has to be transformed into a MOPEC (Multiple Optimization Problems with Equilibrium Constraints) structure. Regarding the case studies, monocontaminant water networks in EIP are studied first, where the influence of plants operating parameters are studied in order to determine the most important ones to favor the symbiosis between plants. The water network is composed of a fixed number of process and water regeneration units where the maximal inlet and outlet contaminant concentrations are defined a priori. The aim is to determine which processes are interconnected and the water regeneration allocation. Obtained results highlight the benefits of the proposed model structure in comparison with traditional multiobjective approaches, by obtaining equilibrate different plants operating costs (i.e. gains between 12-25%) while maintaining an overall low resource consumption. Then, other case studies are approached by using the bilevel structure to include simultaneously energy networks in a multi-leader-multi-follower formulation where both environmental authorities are assumed to play a noncooperative Nash game. In the first case study, economic gain is proven to be more significant by including energy networks in the EIP structure. The second industrial case study explores a supply-demand utility network model where the environmental authority aims to minimize the total equivalent CO2 emissions in the EIP. In all cases, the enterprises’ plants are encouraged to participate in the EIP by the extremely favorable obtained results.

Le génome est très organisé au sein du noyau cellulaire. Cette organisation et plus spécifiquement la localisation et la dynamique des gènes et chromosomes contribuent à l'expression génétique et la différenciation des cellules que ce soit dans le cas de pathologies ou non. L'exploration de cette organisation pourrait dans le futur aider à diagnostiquer et identifier de nouvelles cibles thérapeutiques. La conformation des chromosomes peut être analysée grâce au marquage ADN sur plusieurs sites et aux mesures de distances entre ces différents marquages fluorescents. Dans ce contexte, l'organisation spatiale du chromosome III de levure a montré que les deux types de cellules, MATa et MATalpha, sont différents. Par contre, les données issues de l'imagerie electronique sont bruitées à cause de la résolution des systèmes de microscope et du fait du caractère vivant des cellules observées. Dans cette thèse, nous nous intéressons au développement de méthodes de classification pour différencier les types de cellules sur la base de mesures de distances entre 3 loci du chromosome III et d'une estimation du bruit. Dans un premier temps, nous nous intéressons de façon générale aux problèmes de classification binaire à l'aide de SVM de grandes tailles et passons en revue les algorithmes d'optimisation stochastiques du premier ordre. Afin de prendre en compte les incertudes, nous proposons un modèle d'apprentissage qui ajuste sa robustesse en fonction du bruit. La méthode évite les situations où le modèle est trop conservatif et que l'on rencontre parfois avec les formulations SVM robustes. L'amplitude des pertubations liées au bruit qui sont incorporées dans le modèle est controllée par l'optimisation d'une erreur de généralisation. Aucune hypothèse n'est faite sur la distribution de probabilité du bruit. Seule une borne estimée des pertubations est nécessaire. Le problème peut s'écrire sous la forme d'un programme biniveaux de grande taille. Afin de le résoudre, nous proposons un algorithme biniveau qui réalise des déplacements stochastiques très peu coûteux et donc adapté aux problèmes de grandes tailles. La convergence de l'algorithme est prouvée pour une classe générale de problèmes. Nous présentons des résultats numériques très encourageants qui confirment que la technique est meilleure que l'approche SOCP (Second Order Cone Programming) pour plusieurs bases de données publiques. Les expériences numériques montrent également que la nonlinéarité additionnelle générée par l'incertitude sur les données pénalise la classification des chromosomes et motivent des recherches futures sur une version nonlinéaire de la technique proposée. Enfin, nous présentons également des résultats numériques de l'algorithme biniveau stochastique pour la sélection automatique de l'hyperparamètre de pénalité dans les SVM. L'approche évite les coûteux calculs que l'on doit inévitablement réaliser lorsque l'on effectue une validation croisée sur des problèmes de grandes tailles. / The genome is highly organized within the cell nucleus. This organization, in particular the localization and dynamics of genes and chromosomes, is known to contribute to gene expression and cell differentiation in normal and pathological contexts. The exploration of this organization may help to diagnose disease and to identify new therapeutic targets. Conformation of chromosomes can be analyzed by distance measurements of distinct fluorescently labeled DNA sites. In this context, the spatial organization of yeast chromosome III was shown to differ between two cell types, MATa and MATa. However, imaging data are subject to noise, due to microscope resolution and the living state of yeast cells. In this thesis, the aim is to develop new classification methods to discriminate two mating types of yeast cells based on distance measurements between three loci on chromosome III aided by estimation the bound of the perturbations. We first address the issue of solving large scale SVM binary classification problems and review state of the art first order optimization stochastic algorithms. To deal with uncertainty, we propose a learning model that adjusts its robustness to noise. The method avoids over conservative situations that can be encountered with worst case robust support vector machine formulations. The magnitude of the noise perturbations that is incorporated in the model is controlled by optimizing a generalization error. No assumption on the distribution of noise is taken. Only rough estimates of perturbations bounds are required. The resulting problem is a large scale bi-level program. To solve it, we propose a bi-level algorithm that performs very cheap stochastic gradient moves and is therefore well suited to large datasets. The convergence is proven for a class of general problems. We present encouraging experimental results confirming that the technique outperforms robust second order cone programming formulations on public datasets. The experiments also show that the extra nonlinearity generated by the uncertainty in the data penalizes the classification of chromosome data and advocates for further research on nonlinear robust models. Additionally, we provide the experimenting results of the bilevel stochastic algorithm used to perform automatic selection of the penalty parameter in linear and non-linear support vector machines. This approach avoids expensive computations that usually arise in k-fold cross validation.

Cette thèse porte sur la modélisation du trafic dans les réseaux routiers et comment celle-ci est intégrée dans des modèles d'optimisation. Ces deux sujets ont évolué de manière plutôt disjointe: le trafic est prédit par des modèles mathématiques de plus en plus complexes, mais ce progrès n'a pas été incorporé dans les modèles de design de réseau dans lesquels les usagers de la route jouent un rôle crucial. Le but de cet ouvrage est d'intégrer des modèles d'utilités aléatoires calibrés avec de vraies données dans certains modèles biniveaux d'optimisation et ce, par une décomposition de Benders efficace. Cette décomposition particulière s'avère être généralisable par rapport à une grande classe de problèmes communs dans la litérature et permet d'en résoudre des exemples de grande taille. Le premier article présente une méthodologie générale pour utiliser des données GPS d'une flotte de véhicules afin d'estimer les paramètres d'un modèle de demande dit recursive logit. Les traces GPS sont d'abord associées aux liens d'un réseau à l'aide d'un algorithme tenant compte de plusieurs facteurs. Les chemins formés par ces suites de liens et leurs caractéristiques sont utilisés afin d'estimer les paramètres d'un modèle de choix. Ces paramètres représentent la perception qu'ont les usagers de chacune de ces caractéristiques par rapport au choix de leur chemin. Les données utilisées dans cet article proviennent des véhicules appartenant à plusieurs compagnies de transport opérant principalement dans la région de Montréal. Le deuxième article aborde l'intégration d'un modèle de choix de chemin avec utilités aléatoires dans une nouvelle formulation biniveau pour le problème de capture de flot de trafic. Le modèle proposé permet de représenter différents comportements des usagers par rapport à leur choix de chemin en définissant les utilités d'arcs appropriées. Ces utilités sont stochastiques ce qui contribue d'autant plus à capturer un comportement réaliste des usagers. Le modèle biniveau est rendu linéaire à travers l'ajout d'un terme lagrangien basé sur la dualité forte et ceci mène à une décomposition de Benders particulièrement efficace. Les expériences numériques sont principalement menés sur un réseau représentant la ville de Winnipeg ce qui démontre la possibilité de résoudre des problèmes de taille relativement grande. Le troisième article démontre que l'approche du second article peut s'appliquer à une forme particulière de modèles biniveaux qui comprennent plusieurs problèmes différents. La décomposition est d'abord présentée dans un cadre général, puis dans un contexte où le second niveau du modèle biniveau est un problème de plus courts chemins. Afin d'établir que ce contexte inclut plusieurs applications, deux applications distinctes sont adaptées à la forme requise: le transport de matières dangeureuses et la capture de flot de trafic déterministe. Une troisième application, la conception et l'établissement de prix de réseau simultanés, est aussi présentée de manière similaire à l'Annexe B de cette thèse. / The subject of this thesis is the modeling of traffic in road networks and its integration in optimization models. In the literature, these two topics have to a large extent evolved independently: traffic is predicted more accurately by increasingly complex mathematical models, but this progress has not been incorporated in network design models where road users play a crucial role. The goal of this work is to integrate random utility models calibrated with real data into bilevel optimization models through an efficient Benders decomposition. This particular decomposition generalizes to a wide class of problems commonly found in the literature and can be used to solved large-scale instances. The first article presents a general methodology to use GPS data gathered from a fleet of vehicles to estimate the parameters of a recursive logit demand model. The GPS traces are first matched to the arcs of a network through an algorithm taking into account various factors. The paths resulting from these sequences of arcs, along with their characteristics, are used to estimate parameters of a choice model. The parameters represent users' perception of each of these characteristics in regards to their path choice behaviour. The data used in this article comes from trucks used by a number of transportation companies operating mainly in the Montreal region. The second article addresses the integration of a random utility maximization model in a new bilevel formulation for the general flow capture problem. The proposed model allows for a representation of different user behaviors in regards to their path choice by defining appropriate arc utilities. These arc utilities are stochastic which further contributes in capturing real user behavior. This bilevel model is linearized through the inclusion of a Lagrangian term based on strong duality which paves the way for a particularly efficient Benders decomposition. The numerical experiments are mostly conducted on a network representing the city of Winnipeg which demonstrates the ability to solve problems of a relatively large size. The third article illustrates how the approach used in the second article can be generalized to a particular form of bilevel models which encompasses many different problems. The decomposition is first presented in a general setting and subsequently in a context where the lower level of the bilevel model is a shortest path problem. In order to demonstrate that this form is general, two distinct applications are adapted to fit the required form: hazmat transportation network design and general flow capture. A third application, joint network design and pricing, is also similarly explored in Appendix B of this thesis.