Les problèmes de gestion optimale de l'information sont omniprésents sur les marchés financiers (délit d'initié, problèmes de défaut, etc). Leurs études nécessitent une conception stratégique des interactions entre agents : les ordres placés par un agent informé influencent les cours futurs des actifs par l'information qu'ils véhiculent. Cette possibilité d'influencer les cours n'est pas envisagée par la théorie classique de la finance. Le cadre naturel de l'étude des interactions stratégiques est la théorie des jeux. Cette thèse a précisément pour objet de développer une théorie financière basée sur la théorie des jeux. Nous prendrons comme base l'article de De Meyer et Moussa Saley , "On the origin of Brownian Motion in finance". Cet article modélise les interactions entre deux teneurs de marché asymétriquement informés sur le futur d'un actif risqué par un jeu répété à somme nulle à information incomplète. Cette étude montre en particulier que le mouvement Brownien, souvent utilisé en finance pour décrire la dynamique des prix, a une origine partiellement stratégique : il est introduit par les acteurs informés afin de tirer un bénéfice maximal de leur information privée. Cette thèse traite de diverses extensions de ce modèle concernant l'influence de la grille des prix, l'asymétrie bilatérale d'information, le processus de diffusion de l'information.

L’inférence du modèle de préférence à partir des jugements préférentiels fournis par le décideur, Élicitation des Préférences (EP), est fondamentale au sein de l’Aide Multicritère à la Décision (AMCD), car l’élaboration des recommandations à la fois plausibles, constructives et convaincantes requiert que l’analyste construise un modèle de préférence qui rende compte fidèlement du jugement du décideur. Cependant, l’EP est une mission délicate, parce qu’il s’agit d’attribuer des valeurs aux paramètres du modèle de préférence choisi. Dans ce cadre, plusieurs aspects sont étudiés. Puisque les modèles de préférence étant de plus en plus complexes, on fait alors appel à des algorithmes sophistiqués, et il faut d’autant plus tenir compte de l’aspect computationnel.Ce travail de thèse vise à concevoir des algorithmes afin d’inférer du modèle de préférence à partir des comparaisons par paire (possiblement incohérentes), et de considérer des données de (relativement) grande taille. En particulier, nous nous sommes intéressés à un modèle de rangement multicritère récemment proposé et faisant appel à un certain nombre de points de référence. Ce modèle fait référence à la méthode intitulée “Ranking with Multiple Profiles” (RMP). Plus précisément, nous considérons une version particulière, dite S-RMP. Nos contributions sont divisées en trois parties. Du point de vue théorique, nous nous adressons sur (1) l’interprètabilité des points de référence et (2) la discriminabilité du modèle S-RMP. En termes d’algorithmes, nous présentons, d’abord, (3) un nouveau programme linéaire pour inférer du modèle S-RMP en tenant compte les incohérences et (4) une version robuste améliorée; en outre, (5) une métaheuristique qui procède avec des données massives. (6) Nous menons alors les analyses numériques. (7) Le développement de deux services web est également inclus. En termes d’application, (8) nous présentons une étude de cas. / The inference of preference model from holistic statements provided by the decision maker (DM), namely, Preference Elicitation (PE), is fundamental to Multi-Criteria Decision Aid (MCDA). In order to conduct plausible, constructive and convincing recommendations, the decision analyst should always take the DM’s preference system into account. However, PE might be tricky, as it involves setting appropriately a series of parameter values of the considered model. Various aspects should be considered. Since the preference models are becoming more and more complicated, PE usually relies on sophisticated algorithms, whereas this brings additionally the computational aspect into consideration.This PhD thesis aims at developing new elicitation algorithms dealing with (possibly inconsistent) pairwise comparisons and processing with (relatively) large input datasets. In particular, a recently introduced multi-criteria ranking method making use of a certain number of reference points is considered. It is known as RMP method as abbreviated for Ranking with Multiple reference Points. More specifically, we are interested in one of its Simplified version, namely S-RMP method. Our contributions are divided into three parts. From the theoretical perspective, we are concerned about (1) the interpretation of reference points in such models and (2) the discriminability of S-RMP model. From the algorithmic perspective, we propose firstly (3) a new linear programming formulation for eliciting S-RMP models from inconsistent pairwise comparisons and also (4) an improved robust elicitation algorithm; besides, (5) a metaheuristic for learning S-RMP models from massive data. (6) Numerical analyses are then performed. (7) The development of two web services is also included. From the practical perspective, (8) we present a realistic case study.

Les travaux présentés dans cette thèse portent sur le placement et l'ordonnancement d'applications de flux de données sur des plates-formes hétérogènes. Dans ce contexte, nous nous concentrons sur trois types différents d'applications :<br />Placement de répliques dans les réseaux hiérarchiques - Dans ce type d'application, plusieurs clients émettent des requêtes à quelques serveurs et la question est : où doit-on placer des répliques dans le réseau afin que toutes les requêtes puissent être traitées. Nous discutons et comparons plusieurs politiques de placement de répliques dans des réseaux hiérarchiques en respectant des contraintes de capacité de serveur, de qualité<br />de service et de bande-passante. Les requêtes des clients sont connues a priori, tandis que le nombre et la position des serveurs sont à déterminer. L'approche traditionnelle dans la littérature est de forcer toutes les requêtes d'un client à être traitées par le serveur le plus proche dans le réseau hiérarchique. Nous introduisons et étudions deux nouvelles politiques. Une principale contribution de ce travail est l'évaluation de l'impact de ces nouvelles politiques sur le coût total de replication. Un autre but important est d'évaluer l'impact de l'hétérogénéité des serveurs, d'une perspective à la<br />fois théorique et pratique. Nous établissons plusieurs nouveaux résultats de complexité, et nous présentons plusieurs heuristiques <br />efficaces en temps polynomial.<br />Applications de flux de données - Nous considérons des applications de flux de données qui peuvent être exprimées comme des graphes linéaires. Un exemple pour ce type d'application est le traitement numérique d'images, où les images sont traitées en<br />régime permanent. Plusieurs critères antagonistes doivent être optimisés, tels que le débit et la latence (ou une combinaison) ainsi que la latence et la fiabilité (i.e. la probabilité que le calcul soit réussi) de l'application. Bien qu'il soit possible de trouver<br />des algorithmes polynomiaux simples pour les plates-formes entièrement homogènes, le problème devient NP-difficile lorsqu'on s'attaque à des plates-formes hétérogènes. Nous présentons une formulation en programme linéaire pour ce dernier problème. De<br />plus nous introduisons plusieurs heuristiques bi-critères efficaces en temps polynomial, dont la performance relative est évaluée par des simulations extensives. Dans une étude de cas, nous présentons des simulations et des résultats expérimentaux (programmés en MPI) pour le graphe d'application de l'encodeur JPEG sur une grappe de calcul.<br />Applications complexes de streaming - Considérons l'exécution d'applications organisées en arbres d'opérateurs, i.e. l'application en régime permanent d'un ou plusieurs arbres d'opérateurs à données multiples qui doivent être mis à jour continuellement à différents endroits du réseau. Un premier but est de fournir à l'utilisateur un ensemble de processeurs qui doit être acheté ou loué pour garantir que le débit minimum de l'application en régime permanent soit atteint. Puis nous étendons notre modèle aux applications multiples : plusieurs applications concurrentes sont exécutées en même<br />temps dans un réseau, et on doit assurer que toutes les applications puissent atteindre leur débit requis. Une autre contribution de ce travail est d'apporter des résultats de complexité pour des instances variées du problème. La troisième contribution est l'élaboration<br />de plusieurs heuristiques polynomiales pour les deux modèles d'application. Un objectif premier des heuristiques pour applications concurrentes est la réutilisation des résultats intermédiaires qui sont partagés parmi différentes applications.

Les travaux de recherche développés dans le cadre de cette thèse traitent d'une manière générale du problème de la commande dynamique ''orientée tâche'' de systèmes sous-actionnés et redondants en considérant plus spécifiquement les systèmes robotiques humanoïdes. Nous avons cherché à apporter des contributions au problème de la ''synthèse par la commande d'activités motrices'' pour des systèmes contraints par leurs capacités intrinsèques et par leurs interactions. Les problèmes plus spécifiques qui ont été traités sont relatifs à : 1) la commande dynamique des systèmes humanoïdes pour la réalisation d'activités motrices nécessitant la coordination tâche/posture perturbées par des interactions physiques, 2) l'enchaînement dynamique continu des activités d'un répertoire de coordinations motrices, 3) la planification et l'adaptation des activités élémentaires dans l'objectif d'un enchaînement automatique supervisé pour la réalisation de tâches complexes dans des contextes non déterministes. Le premier chapitre de ce mémoire de thèse est consacré à la description d'un moteur de simulation physique et de lois de commande pour le développement de comportements dynamiques. Le deuxième chapitre propose une commande générique fondée sur la réalisation de plusieurs tâches sous contraintes. Le troisième chapitre développe une implémentation de ce contrôleur générique sur des activités types au travers du modèle virtuel du robot iCub. Le quatrième chapitre développe un contrôleur haut-niveau permettant de planifier et d'adapter une séquence pour la matérialisation d'activités plus complexes, tout en garantissant la continuité de la commande.

Le travail de thèse présenté dans ce mémoire porte sur des méthodes d'optimisation pour la conception conjointe des nomenclatures d'une famille de produits et de sa chaîne logistique. Dans les milieux industriels comme dans les services, le contexte commercial très concurrentiel oblige les entreprises à diversifier leurs offres pour mieux répondre aux demandes de leurs clients. La gestion de cette diversité est alors une problématique centrale : comment proposer une large variété de produits pour satisfaire les besoins des clients tout en maîtrisant les coûts de production, d'inventaire et de logistique ? Les réponses à ce problème relèvent des disciplines habituellement séparées : la conception des produits, la production et la logistique. Si une majorité des approches existantes traitent ces problématiques de façon séquentielle, l'interdisciplinarité apparaît cependant comme un élément essentiel dans la gestion de la diversité. L'objectif de cette thèse est de chercher comment améliorer les interactions entre la conception de familles de produits et l'optimisation des réseaux logistiques en proposant une étape de conception intermédiaire et en développant des outils mathématiques, avec un intérêt particulier porté aux problématiques de développement durable.

Le travail de thèse présenté dans ce mémoire porte sur des méthodes d'optimisation pour la conception conjointe des nomenclatures d'une famille de produits et de sa chaîne logistique. Dans les milieux industriels comme dans les services, le contexte commercial très concurrentiel oblige les entreprises à diversifier leurs offres pour mieux répondre aux demandes de leurs clients. La gestion de cette diversité est alors une problématique centrale : comment proposer une large variété de produits pour satisfaire les besoins des clients tout en maîtrisant les coûts de production, d'inventaire et de logistique ? Les réponses à ce problème relèvent des disciplines habituellement séparées : la conception des produits, la production et la logistique. Si une majorité des approches existantes traitent ces problématiques de façon séquentielle, l'interdisciplinarité apparaît cependant comme un élément essentiel dans la gestion de la diversité. L'objectif de cette thèse est de chercher comment améliorer les interactions entre la conception de familles de produits et l'optimisation des réseaux logistiques en proposant une étape de conception intermédiaire et en développant des outils mathématiques, avec un intérêt particulier porté aux problématiques de développement durable. / This PhD thesis addresses the problem of joint bills-of-materials and supply chain design for a product family. In industry as well as in services, the highly competitive business environment obliges companies to diversify their offers to meet the demands of their customers. Then, managing diversity is a central issue: how to offer a wide variety of products to meet customer needs while controlling costs of production, inventory and logistics? Answers to theses problems are usually in separate disciplines: product design, production and logistics. If most of existing approaches tackle these problems sequentially, interdisciplinarity, however, appears as a key aspect of diversity management. The objective of this thesis is to investigate how to improve the interaction between product families design and supply chain optimization and to develop mathematical tools, with a focus on sustainable development.

L'informatique en nuage (Cloud Computing) est un modèle à grande échelle et en évolution continue, permettant le provisionnement et l'utilisation des ressources informatiques à la demande, selon un modèle rentable de facturation à l'usage "pay-as-you-go". Ce nouveau paradigme a rapidement révolutionné l'industrie IT et a permis de nouvelles tendances en matière de prestation de services informatiques, y compris l'externalisation des infrastructures IT vers des prestataires tiers spécialisés. Cependant, la nature multi-utilisateur des plateformes d'hébergement, ainsi que la complexité des demandes, soulèvent plusieurs défis liés à la gestion des ressources Cloud. Malgré l'attention croissante portée à ce sujet, la plupart des efforts ont été axés sur des solutions centrées utilisateur, et malheureusement beaucoup moins sur les difficultés rencontrées par les fournisseurs pour maximiser leurs bénéfices. Dans ce contexte, la fédération de Cloud a été récemment proposée comme une solution clé pour répondre à l'augmentation et la fluctuation des charges de travail. Les fournisseurs ayant des besoins complémentaires en ressources au fil du temps, peuvent collaborer et partager leurs infrastructures respectives via l'externalisation ("Outsourcing") pour mieux satisfaire les demandes et exigences des utilisateurs. Cette thèse aborde le problème d'optimisation du profit via la fédération et l'allocation optimale des ressources parmi plusieurs fournisseurs d'infrastructures Cloud. L'étude examine les principaux défis et opportunités liés à la maximisation des revenus dans une fédération de Clouds, et définit des stratégies efficaces pour diriger les fournisseurs dans leurs décisions de coopération. Le but est de fournir des algorithmes qui automatisent la sélection du plan d'allocation le plus rentable, qui satisfait à la fois la demande des utilisateurs et les exigences de mise en réseau. Nous visons des modèles d'allocation génériques et robustes qui répondent aux nouvelles tendances Cloud, et de traiter les requêtes simples ainsi que complexes nécessitant le provisionnement de services composites avec différentes ressources distribuées et connectées. Conformément aux objectifs de la thèse, nous avons mené une étude approfondie des travaux antérieurs traitant la problématique de provisionnement des ressources d'infrastructure dans les environnements Cloud. L'analyse a porté notamment sur les modèles d'allocation ayant pour objectif la maximisation de profit et les lacunes et défis associés dans les fédérations de Clouds. Dans un deuxième temps, nous avons proposé un programme linéaire en nombre entiers (ILP), pour aider les fournisseurs de services dans leurs décisions de coopération via des actions optimales d'externalisation (outsourcing), d'internalisation (insourcing) et d'allocation en local. Ces différentes décisions d'allocation sont traitées conjointement dans une formule d'optimisation globale qui partitionne les graphes de requêtes entre les membres de la fédération, tout en satisfaisant les exigences de communication entre les services élémentaires. En plus de la topologie des graphes de ressources, ce partitionnement prend en compte les prix dynamiques et les quotas proposés par les membres de la fédération ainsi que les coûts d'hébergement des ressources et de leur mise en réseau. Enfin, nous avons proposé un algorithme heuristique pour améliorer les temps de convergence avec les instances de problèmes à grande échelle. L'approche proposée utilise un algorithme de "clustering" basé sur les arbres de Gomory-Hu pour le partitionnement des graphes et une stratégie de meilleur ajustement (Best-Fit matching) pour l'allocation et le placement des sous-graphes résultants. L'utilisation conjointe de ces deux techniques permet de capturer l'essence du problème d'optimisation et de respecter les différents objectifs fixés, tout en améliorant le temps de convergence vers les solutions quasi-optimales de plusieurs ordres de grandeur / Cloud computing is a steadily maturing large-scale model for providing on-demand IT resources on a pay-as-you-go basis. This emerging paradigm has rapidly revolutionized the IT industry and enabled new service delivery trends, including infrastructure externalization to large third-party providers. The Cloud multi-tenancy architecture raises several management challenges for all stakeholders. Despite the increasing attention on this topic, most efforts have been focused on user-centric solutions, and unfortunately much less on the difficulties encountered by Cloud providers in improving their business. In this context, Cloud Federation has been recently suggested as a key solution to the increasing and variable workloads. Providers having complementary resource requirements over time can collaborate and share their respective infrastructures, to dynamically adjust their hosting capacities in response to users' demands. However, joining a federation makes the resource allocation more complex, since providers have to also deal with cooperation decisions and workload distribution within the federation. This is of crucial importance for cloud providers from a profit standpoint and especially challenging in a federation involving multiple providers and distributed resources and applications. This thesis addresses profit optimization through federating and allocating resources amongst multiple infrastructure providers. The work investigates the key challenges and opportunities related to revenue maximization in Cloud federation, and defines efficient strategies to govern providers' cooperation decisions. The goal is to provide algorithms to automate the selection of cost-effective distributed allocation plans that simultaneously satisfy user demand and networking requirements. We seek generic and robust models able to meet the new trends in Cloud services and handle both simple and complex requests, ranging from standalone VMs to composite services requiring the provisioning of distributed and connected resources. In line with the thesis objectives, we first provide a survey of prior work on infrastructure resource provisioning in Cloud environments. The analysis mainly focuses on profit-driven allocation models in Cloud federations and the associated gaps and challenges with emphasis on pricing and networking issues. Then, we present a novel exact integer linear program (ILP), to assist IaaS providers in their cooperation decisions, through optimal "insourcing", "outsourcing" and local allocation operations. The different allocation decisions are treated jointly in a global optimization formulation that splits resource request graphs across federation members while satisfying communication requirements between request subsets. In addition to the request topology, this partitioning takes into account the dynamic prices and quotas proposed by federation members as well as the costs of resources and their networking. The algorithm performance evaluation and the identified benefits confirm the relevance of resource federation in improving providers' profits and shed light into the most favorable conditions to join or build a federation. Finally, a new topology-aware allocation heuristic is proposed to improve convergence times with large-scale problem instances. The proposed approach uses a Gomory-Hu tree based clustering algorithm for request graphs partitioning, and a Best-Fit matching strategy for subgraphs placement and allocation. Combining both techniques captures the essence of the optimization problem and meets the objectives, while speeding up convergence to near-optimal solutions by several orders of magnitude