La géométrie stochastique est un outil puissant pour modéliser des grands réseaux sans fil avec une grande variation de la position des nœuds. Dans ce cadre, une hypothèse courante est que l'emplacement des nœuds forme une réalisation d'un processus ponctuel de Poisson (PPP). En utilisant les résultats disponibles concernant la transformée de Laplace du processus bruit de grenaille associé à des PPPs, on peut obtenir des solutions de forme fermée des métriques de performance de réseau telles que la probabilité d'accès au médium (MAP), la probabilité de couverture (COP) et de la densité spatiale de débit (SDT). Cependant, dans de nombreux déploiements de réseaux sans fil, il y a un mécanisme de détection des porteuses(CS) pour empêcher nœuds qui sont trop proches les uns des autres de transmettre en même temps. Dans ces réseaux, le processus des nœuds qui transmettent simultanément à tout moment ne forme plus une réalisation d'un PPP, ce qui rend l'analyse des performances des réseaux dans ces cas, un problème difficile. L'objectif de cette thèse est d'étudier ce problème dans deux directions. Dans la première direction, nous proposons un cadre complet de la géométrie stochastique qui utilise des processus ponctuels avec exclusion pour modéliser des transmetteurs dans différents types de réseaux sans fil avec un mécanisme de CS. Les réseaux considérés sont les réseaux à accès multiple en cherchant à détecter une porteuse (Carrier Sensing Multiple Access-CSMA) avec un mécanisme de détection (CS) parfait, les réseaux de radio-communications cognitifs où les utilisateurs secondaires utilisent la détection de porteuse pour détecter les utilisateurs principaux et les réeseaux CSMA avec un CS imparfait. Pour les deux premiers cas, nous dérivons des approximations des métriques de performances principales de réseau, c'est-à-dire la MAP, la COP et la SDT. Pour le dernier cas, nous donnons des bornes sur la densité spatiale critique des nœuds où CSMA commence à se comporter comme ALOHA (c'est-à-dire le processus de des nœuds qui transmettent simultanément dans le réseau forme une réalisation d'un PPP). Bien que ce phénomène ait été étudié auparavant par simulations, aucun résultat d'analyse n'a été connu à de notre connaissance. Dans la seconde direction, nous étudions la distribution processus ponctuel s' associés avec les classique Matérn modèles de type II et type III [Matérn 68]. Ce sont les deux modèles utilisés pour modéliser les réseaux CSMA avec un CS parfait. Bien que ces modèles aient été introduits il y a longtemps et qu'ils aient de nombreuses applications dans de nombreuses disciplines, la distribution de leurs processus ponctuels associés et la transformation de Laplace des processus bruit de grenaille correspondant est encore un problème ouvert. Nous montrons ici que la fonctionnelle génératrice des probabilités de ces processus ponctuels, lorsqu'elle est correctement paramétrée, est la solution unique de certain système d'équations différentielles. Grace à l'utilisation de ce système d'équations, on peut obtenir une borne inférieure et une borne supérieure de ces fonctionnelle. Ce résultat peut ensuite être appliqué au cadre de la géométrie stochastique mentionnée ci-dessus pour mieux connecter les cadres d'analyse mathématiques et les déploiements de réseaux pratiques.

Cette thèse est consacrée à l'étude de quelques propriétés mathématiques de deux modèles de population : le processus Fleming-Viot généralisé d'une part et le processus de branchement d'autre part. Dans les deux cas, la population est composée d'une infinité d'individus, chacun étant caractérisé par un type génétique. Au cours du temps les fréquences asymptotiques de ces types évoluent de façon aléatoire au travers d'événements de reproduction où un individu tiré aléatoirement donne naissance à une descendance portant le même type génétique. Mathématiquement ces deux modèles sont décrits par des processus aléatoires à valeurs mesures. Afin de donner un sens à la généalogie de la population sous-jacente, plusieurs approches ont été proposées au cours des quinze dernières années. La contribution principale de cette thèse consiste en l'unification de deux constructions : la représentation lookdown définie par Peter Donnelly et Thomas Kurtz en 1999 et les flots stochastiques de ponts (ou de subordinateurs) introduits au début des années 2000 par Jean Bertoin et Jean-François Le Gall. Cette unification nécessite l'introduction d'objets nouveaux (les Eves, les flots stochastiques de partitions) et repose sur une étude fine des comportements asymptotiques des deux modèles mentionnés précédemment. En particulier, nous définissons la propriété d'Eve comme suit : si la fréquence asymptotique d'un type génétique tend vers $1$ lorsque $t$ devient grand alors la population descend asymptotiquement d'un seul individu au temps initial, appelé l'Eve de la population. Dans le cas des processus de branchement nous obtenons une condition nécessaire et suffisante sur le paramètre du modèle (aussi appelé mécanisme de branchement) qui assure que cette propriété d'Eve est vérifiée. Nous obtenons également une classification complète de tous les autres comportements possibles. Dans le cas des processus Fleming-Viot généralisés, nous obtenons une classification partielle des comportements possibles en fonction du paramètre du modèle. Enfin, lorsque la propriété d'Eve est vérifiée, nous construisons de façon trajectorielle la représentation lookdown à partir d'un flot stochastique de ponts (ou de subordinateurs). Nous présentons également une étude complète du processus de branchement explosif conditionné à la non-explosion et faisons apparaître une famille infinie de mesures quasi-stationnaires pour ce processus. Finalement nous nous intéressons au processus des longueurs du coalescent de Kingman dynamique et présentons une construction alternative à celle de Pfaffelhuber, Wakolbinger et Weisshaupt.

Depuis septembre 2006, je suis maître de conférences à l'université Montesquieu Bordeaux IV en mathématiques appliquées. Je suis membre du GREThA (groupement de recherche en économie théorique et appliquée), de l'IMB (Institut de Mathématiques de Bordeaux, équipe probabilités et statistique) et de l'équipe Inria CQFD (contrôle de qualité et fiabilité dynamique). Depuis mon arrivée à Bordeaux, mes travaux de recherche se poursuivent dans deux directions principales : l'une concerne les processus auto-régressifs de bifurcation sur des arbres binaires et l'autre le développement d'outils numériques pour le contrôle des processus markoviens déterministes par morceaux. Il s'agit de processus en temps continu qui changent de régime de façon markovienne au cours du temps. Ce mémoire présente uniquement mes travaux réalisés à Bordeaux depuis 2006.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal

La prise en compte de l'aléa dans le calcul des structures est souvent nécessaire pour le dimensionnement de celle-ci. Des méthodes stochastiques sont alors proposées. De plus, dans de nombreux cas, des altérations ou défauts affectent localement le comportement de la structure, alors que le reste n'est que faiblement impacté. Il n'est alors pas raisonnable d'utiliser une échelle d'analyse fine sur l'ensemble de la structure. On fait alors appel aux méthodes dites multi-échelles. Dans ce contexte, nous nous intéressons à l'estimation d'une quantité d'intérêt spécifique locale lorsque la méthode Arlequin est utilisée pour coupler un modèle déterministe à un modèle stochastique. Dans un premier temps, nous donnons les éléments nécessaires à l'utilisation de la méthode dans ce cadre de couplage stochastique. Pour contrôler ensuite la qualité de l'approximation obtenue par une telle approche, une méthode d'estimation d'erreur de type Goal-Oriented est proposée. En introduisant le résidu du problème de référence et un problème adjoint, une stratégie d'estimation de l'erreur est décrite. Nous étudions aussi les contributions des différentes sources de l'erreur à l'erreur totale (erreur de modèle, erreur de discrétisation, erreur stochastique). Nous proposons une technique pour estimer ces différentes erreurs et piloter un processus d'adaptation afin de contrôler l'erreur totale commise. Finalement, la méthode décrite est utilisée pour l'étude de l'infiltration de résine médicale dans le cas du traitement de la carie.

Cette thèse développe une nouvelle méthodologie permettant d'établir des approximations analytiques pour les prix des options européennes. Notre approche combine astucieusement des développements stochastiques et le calcul de Malliavin afin d'obtenir des formules explicites et des évaluations d'erreur précises. L'intérêt de ces formules réside dans leur temps de calcul qui est aussi rapide que celui de la formule de Black et Scholes. Notre motivation vient du besoin croissant de calculs et de procédures de calibration en temps réel, tout en contrôlant les erreurs numériques reliées aux paramètres du modèle. On traite ainsi quatre catégories de modèles, en réalisant des paramétrisations spécifiques pour chaque modèle afin de mieux cibler le bon modèle proxy et obtenir ainsi des termes correctifs faciles à évaluer. Les quatre parties traitées sont : les diffusions avec sauts, les volatilités locales ou modèles à la Dupire, les volatilités stochastiques et finalement les modèles hybrides (taux-action). Il faut signaler aussi que notre erreur d'approximation est exprimée en fonction de tous les paramètres du modèle en question et est analysée aussi en fonction de la régularité du payoff.

L'utilisation d'équipes de robots a pris de l'ampleur ces dernières années. Cela est dû aux avantages que peut offrir une équipe de robot par rapport à un robot seul pour la réalisation d'une même tâche. Cela s'explique aussi par le fait que ce type de plates-formes deviennent de plus en plus abordables et fiables. Ainsi, l'utilisation d'une équipe de véhicules aériens devient une alternative viable. Cette thèse se concentre sur le problème du déploiement d'une équipe de Micro-Véhicules Aériens (MAV) pour effectuer des missions de surveillance sur un terrain inconnu de morphologie arbitraire. Puisque la morphologie du terrain est inconnue et peut être complexe et non-convexe, les algorithmes standards ne sont pas applicables au problème particulier traité dans cette thèse. Pour y remédier, une nouvelle approche basée sur un algorithme d'optimisation cognitive et adaptatif (CAO) est proposée et évaluée. Une propriété fondamentale de cette approche est qu'elle partage les mêmes caractéristiques de convergence que les algorithmes de descente de gradient avec contraintes qui exigent une connaissance parfaite de la morphologie du terrain pour optimiser la couverture. Il est également proposé une formulation différente du problème afin d'obtenir une solution distribuée, ce qui nous permet de surmonter les inconvénients d'une approche centralisée et d'envisager également des capacités de communication limitées. De rigoureux arguments mathématiques et des simulations étendues établissent que l'approche proposée fournit une méthodologie évolutive et efficace qui intègre toutes les contraintes physiques particulières et est capable de guider les robots vers un arrangement qui optimise localement la surveillance. Finalement, la méthode proposée est mise en œuvre sur une équipe de MAV réels pour réaliser la surveillance d'un environnement extérieur complexe.

Le système de FitzHugh-Nagumo stochastique est un modèle qualitatif pour la propagation de l'influx nerveux dans un neurone. Ce système lent-rapide s'écrit εdxt = (xt - xt3 + yt) dt + √εσ1 dWt(1), dyt = (a - bxt - cyt) dt + σ2 dwt(2) où a, b et c sont des réels, ε est un petit réel positif, σ1 et σ2 sont deux réels positifs représentant l'intensité du bruit, Wt(1) et Wt(2) sont deux mouvements browniens standards indépendants. Dans cette thèse, nous étudions d'abord le système déterministe associé (σ1 = σ2 = 0) et montrons qu'il est excitable. Nous regardons ensuite le cas particulier où b = 0. Dans ce cas, le comportement au voisinage du point d'équilibre est le même que celui d'un autre modèle, celui de Morris-Lecar. Nous étudions alors la loi du temps de sortie de ce voisinage. Dans le cas général, après avoir mis en évidence trois principaux régimes, nous montrons des résultats généraux sur la distribution du nombre de petites oscillations N entre deux spikes consécutifs en introduisant une chaîne de Markov. Puis nous étudions le cas particulier du régime de bruit faible.

Le travail présenté ici s'intéresse à la résolution numérique de problèmes de commande optimale stochastique de grande taille. Nous considérons un système dynamique, sur un horizon de temps discret et fini, pouvant être influencé par des bruits exogènes et par des actions prises par le décideur. L'objectif est de contrôler ce système de sorte à minimiser une certaine fonction objectif, qui dépend de l'évolution du système sur tout l'horizon. Nous supposons qu'à chaque instant des observations sont faites sur le système, et éventuellement gardées en mémoire. Il est généralement profitable, pour le décideur, de prendre en compte ces observations dans le choix des actions futures. Ainsi sommes-nous à la recherche de stratégies, ou encore de lois de commandes, plutôt que de simples décisions. Il s'agit de fonctions qui à tout instant et à toute observation possible du système associent une décision à prendre. Ce manuscrit présente trois contributions. La première concerne la convergence de méthodes numériques basées sur des scénarios. Nous comparons l'utilisation de méthodes basées sur les arbres de scénarios aux méthodes particulaires. Les premières ont été largement étudiées au sein de la communauté "Programmation Stochastique". Des développements récents, tant théoriques que numériques, montrent que cette méthodologie est mal adaptée aux problèmes à plusieurs pas de temps. Nous expliquons ici en détails d'où provient ce défaut et montrons qu'il ne peut être attribué à l'usage de scénarios en tant que tel, mais plutôt à la structure d'arbre. En effet, nous montrons sur des exemples numériques comment les méthodes particulaires, plus récemment développées et utilisant également des scénarios, ont un meilleur comportement même avec un grand nombre de pas de temps. La deuxième contribution part du constat que, même à l'aide des méthodes particulaires, nous faisons toujours face à ce qui est couramment appelé, en commande optimale, la malédiction de la dimension. Lorsque la taille de l'état servant à résumer le système est de trop grande taille, on ne sait pas trouver directement, de manière satisfaisante, des stratégies optimales. Pour une classe de systèmes, dits décomposables, nous adaptons des résultats bien connus dans le cadre déterministe, portant sur la décomposition de grands systèmes, au cas stochastique. L'application n'est pas directe et nécessite notamment l'usage d'outils statistiques sophistiqués afin de pouvoir utiliser la variable duale qui, dans le cas qui nous intéresse, est un processus stochastique. Nous proposons un algorithme original appelé Dual Approximate Dynamic Programming (DADP) et étudions sa convergence. Nous appliquons de plus cet algorithme à un problème réaliste de gestion de production électrique sur un horizon pluri-annuel. La troisième contribution de la thèse s'intéresse à une propriété structurelle des problèmes de commande optimale stochastique : la question de la consistance dynamique d'une suite de problèmes de décision au cours du temps. Notre but est d'établir un lien entre la notion de consistance dynamique, que nous définissons de manière informelle dans le dernier chapitre, et le concept de variable d'état, qui est central dans le contexte de la commande optimale. Le travail présenté est original au sens suivant. Nous montrons que, pour une large classe de modèles d'optimisation stochastique n'étant pas a priori consistants dynamiquement, on peut retrouver la consistance dynamique quitte à étendre la structure d'état du système

Dans les situations convexes, le problème d'optimisation globale peut être abordé par un ensemble de méthodes classiques, telles, par exemple, celles basées sur le gradient, qui ont montré leur efficacité en ce domaine. Lorsque la situation n'est pas convexe, ces méthodes peuvent être mises en défaut et ne pas trouver un optimum global. La contribution de cette thèse est une méthodologie pour la détermination de l'optimum global d'une fonction non convexe, en utilisant des algorithmes hybrides basés sur un couplage entre des algorithmes stochastiques issus de familles connues, telles, par exemple, celle des algorithmes génétiques ou celle du recuit simulé et des algorithmes déterministes perturbés aléatoirement de façon convenable. D'une part, les familles d'algorithmes stochastiques considérées ont fait preuve d'efficacité pour certaines classes de problèmes et, d'autre part, l'adjonction de perturbations aléatoires permet de construire des méthodes qui sont en théorie convergents vers un optimum global. En pratique, chacune de ces approches a ses limitations et insuffisantes, de manière que le couplage envisagé dans cette thèse est une alternative susceptible d'augmenter l'efficacité numérique. Nous examinons dans cette thèse quelques unes de ces possibilités de couplage. Pour établir leur efficacité, nous les appliquons à des situations test classiques et à un problème de nature stochastique du domaine des transports.