Letteratura scientifica selezionata sul tema "Programmation linéaire en dimension infinie"

Les nouvelles Tables INRA-AFZ 2004 fournissent, dans le domaine du phosphore (P), un ensemble de caractéristiques originales des matières premières qui ont conduit à la mise en place de nouveaux systèmes «phosphore» pour les différentes espèces animales. L’utilisation de ces divers éléments a été testée dans le cadre d’une étude de formulation unitaire d’aliments pour porc par programmation linéaire. Ces nouvelles normes ont été comparées à l’ancien système INRA 1989. Par ailleurs, différents modèles ont été proposés permettant d’intégrer l’action des phytases végétales des matières premières ainsi que celle des phytases microbiennes. L’effet des phytases sur la libération du P digestible a été étudié en se basant non seulement sur une liaison linéaire mais aussi à travers une relation non-linéaire tout en prenant en compte également une interaction entre les phytases végétales et microbiennes. De plus, ces modèles ont permis d’associer dans la formulation à moindre coût des régimes pour porc une dimension «rejets de phosphore», dont l’incidence économique a varié selon les contextes technico-économiques étudiés. Ce nouveau système, ainsi mis en œuvre, permet de concevoir des régimes qui couvrent de façon plus satisfaisante le besoin en P digestible de l’animal, en diminuant la place de la complémentation phosphorée. Il conduit à réduire l’apport en P total et, par conséquent, la fraction de P rejetée.

Cette thèse présente trois contributions principales liées à l'approche de programmation linéaire pour les jeux à champ moyen (MFGs).La première partie de la thèse traite les aspects théoriques des MFGs permettant simultanément arrêt optimal, contrôle stochastique et absorption. En utilisant la formulation de programmation linéaire pour ce type de MFGs, un résultat général d'existence pour les équilibres de Nash MFG est dérivé sous des hypothèses faibles à travers du théorème de point fixe de Kakutani-Fan-Glicksberg. Nous montrons que cette méthode de relaxation est équivalente à l'approche par martingales contrôlées/arrêtées pour les MFG, une autre méthode de relaxation utilisée dans des articles précédents dans le cas du contrôle. De plus, sous des conditions appropriées, nous montrons que notre notion de solution satisfait un système d'équations différentielles partielles (EDP), ce qui permet de comparer nos résultats avec la littérature sur les EDP.La deuxième partie se concentre sur un algorithme numérique pour l'approximation de l'équilibre de Nash MFG en tirant profit de l'approche par programmation linéaire. La convergence de cet algorithme est démontrée pour deux classes de MFG, les MFG avec arrêt optimal et absorption, et les MFG avec contrôle stochastique et absorption. Le schéma numérique appartient à la classe des procédures d'apprentissage. En particulier, nous appliquons l'algorithme Fictitious Play où la meilleure réponse à chaque itération est calculée en résolvant un problème de programmation linéaire.La dernière partie de la thèse porte sur une application des MFGs à la dynamique long terme de l'industrie de l'électricité. Différents scénarios macroéconomiques et de politique climatique sont possibles pour les années à venir, or le scénario exact reste incertain. Par conséquent, les producteurs conventionnels ou renouvelables visant à sortir du marché ou à y entrer, respectivement, sont confrontés à l'incertitude concernant le prix du carbone et les politiques climatiques à venir. Les deux classes de producteurs interagissent par le biais du prix de l'électricité. Des stratégies d'équilibre de Nash sur des temps d'arrêt sont considérées et le problème est analysé à travers d'un modèle MFG. À cette fin, nous développons l'approche de programmation linéaire pour les MFG d'arrêt optimal avec bruit commun et information partielle en temps discret. Nous montrons l'existence d'un équilibre de Nash MFG et l'unicité du prix de marché en équilibre. Enfin, nous étendons l'algorithme numérique développé dans la deuxième partie de la thèse pour illustrer le modèle avec un exemple empirique inspiré du marché de l'électricité britannique
This thesis presents three main contributions related to the linear programming approach for mean field games (MFGs).The first part of the thesis is concerned with the theoretical aspects of MFGs allowing simultaneously for optimal stopping, stochastic control and absorption. Using the linear programming formulation for this type of MFGs, a general existence result for MFG Nash equilibria is derived under mild assumptions by means of Kakutani-Fan-Glicksberg's fixed point theorem. This relaxation method is shown to be equivalent to the controlled/stopped martingale approach for MFGs, another relaxation method used in earlier papers in the pure control case. Furthermore, under appropriate conditions, we show that our notion of solution satisfies a partial differential equation (PDE) system, allowing to compare our results with the PDE literature.The second part focuses on a numerical algorithm for approximating the MFG Nash equilibrium taking advantage of the linear programming approach. The convergence of this algorithm is shown for two classes of MFG, MFGs with optimal stopping and absorption, and MFGs with stochastic control and absorption. The numerical scheme belongs to the class of learning procedures. In particular, we apply the Fictitious Play algorithm where the best response at each iteration is computed by solving a linear programming problem.The last part of the thesis deals with an application of MFGs to the long term dynamics of the electricity industry. Different macroeconomic and climate policy scenarios are possible for the coming years, and the exact scenario remains uncertain. Therefore, conventional or renewable producers aiming to exit or enter the market, respectively, are facing uncertainty about the future carbon price and climate policies. Both classes of producers interact through the electricity market price. Nash equilibrium strategies over stopping times are considered and the problem is analyzed through a MFG model. To this end, we develop the linear programming approach for MFGs of optimal stopping with common noise and partial information in discrete time. We show the existence of an MFG Nash equilibrium and the uniqueness of the equilibrium market price. Finally, we extend the numerical algorithm developed in the second part of the thesis to illustrate the model with an empirical example inspired by the UK electricity market

Ce mémoire illustre la difficile déclinaison du paradigme de l'optimalité lors de sa confrontation aux principes de réalité de systèmes toujours plus complexes. Après avoir récapitulé l'expérience de recherche acquise à travers des contributions variées, qui nous emmènent de problèmes de contrôle en dimension infinie à des applications dans les domaines du spatial, de l'énergie et de l'automobile, les développements spécifiques en matière de prospective long terme seront l'objet d'une attention particulière. Ainsi, le credo que l'optimalité est un canevas nécessaire pour envisager les enjeux d'une modélisation du long terme sera défendu, soutenant l'idée que cette approche devra rester centrale dans nos perspectives de recherche. Mais dans la tradition d'une formation "à la française", cette réflexion ne saura être menée sans revenir au préalable sur les grands principes sous jacents à l'optimalité et leur liaison naturelle avec l'étude des systèmes dynamiques.

Le travail présenté dans cette thèse porte sur la modélisation et la commande d'un système thermodynamique non linéaire de dimension infinie, le réacteur tubulaire. Nous abordons le problème de commande sur ce système non linéaire en nous appuyant sur les propriétés thermodynamiques du procédé. Cette approche nécessite l'utilisation d'un modèle ayant comme variables d'état les variables extensives thermodynamiques classiques. Nous utilisons la fonction de disponibilité thermodynamique ainsi qu'une autre fonction déduite de la précédente, la disponibilité réduite, comme fonction de Lyapunov candidate pour résoudre le problème de stabilisation du réacteur autour d'un profil d'équilibre en utilisant comme commande distribuée la température de la double enveloppe. Des simulations illustrent ces résultats ainsi que l'efficacité des commandes en présence de perturbations. Nous nous intéressons aussi à la représentation hamiltonienne à port des systèmes irréversibles de dimension infinie. La structure de Stokes-Dirac pour un modèle réaction diffusion est obtenue en étendant les vecteurs de variables de flux et d'effort. Nous présentons cette démarche pour les équations du système réaction-diffusion en prenant premièrement l'énergie interne comme Hamiltonien puis deuxièmement l'opposé de l'entropie. Nous montrons dans les deux cas qu'en utilisant une extension des couples de variables effort-flux thermodynamiques classiques nous obtenons une structure de Stokes-Dirac. Enfin nous donnons quelques résultats aboutissant à une représentation pseudo hamiltonienne. Enfin nous abordons le problème de commande à la frontière. L'objectif est d'étudier l'existence de solutions associées à un modèle linéarisé de réacteur tubulaire complet commandé à la frontière
The main objective of this thesis consists to investigate the problem of modelling and control of a nonlinear parameter distributed thermodynamic system : the tubular reactor. We address the control problem of this non linear system relying on the thermodynamic properties of the process. This approach requires to use the classical extensive variables as the state variables. We use the thermodynamic availability as well as the reduced thermodynamic availability (this function is formed from some terms of the thermodynamic availabilty) as Lyapunov functions in order to asymptotically stabilize the tubular reactor aroud a steady profile. The distributed temperature of the jacket is the control variable. Some simulations illustrate these results as well as the eficiency of the control in presence of perturbations. Next we study the Port Hamiltonian representation of irreversible infinite dimensional systems. We propose a Stokes-Dirac structure of a reaction-diffusion system by means of the extension of the vectors of the flux and effort variables. We illustrate this approach on the example of the reaction-diffusion system. For this latter we use the internal energy as well as the opposite of the entropy to obtain Stokes-Dirac structures. We propose also a pseudo-Hamiltonian representation for the two Hamiltonians. Finally we tackle the boundary control problem. The objective is to study the existence of solutions associated to a linearized model of the tubular reactor controlled to the boundary

L'objet de cette thèse est d'étudier l'applicabilité de la méthode d'approximation rationnelle en norme de Hankel à des systèmes dynamiques linéaires de dimension d'état infinie. On illustre par trois exemples concrets les possibilités d'utilisation des techniques d'approximation développées ces dernières années, notamment par Curtain, Glover et Partington. Les exemples choisis représentent des phénomènes d'évolution décrits par des équations aux dérivées partielles, par rapport au temps et aux variables d'espace. Il s'agit: d'un problème de diffusion de chaleur, de type parabolique, pour lequel les techniques d'approximation s'adaptent assez directement ; de deux problèmes hyperboliques décrivant l'évolution d'une poutre en flexion et en torsion, pour lesquels une méthode originale appelée ``relaxation'' a été mise au point: préalable à l'approximation de Hankel, elle permet son application lorsque les pôes associés au système hyperbolique croissent suffisamment rapidement.

La localisation de sites est une des décisions stratégiques les plus importantes pour les entreprises dans le contexte de la mondialisation d'aujourd'hui. Les travaux existant dans la littérature traitant ce type de problèmes se concentrent principalement sur la détermination de l'emplacement des sites et des flux de produits provenant les sites localisés aux clients dans le but de minimiser le coût total de construction, de production et logistiques. Cependant, il est très important de bien choisir simultanément la capacité et la localisation des sites parce que la taille des sites a une grande influence sur ces coûts sur le long terme. La détermination de la location et de capacité des sites reste encore un problème ouvert.Dans cette thèse, nous étudions trois nouvelles variantes de problèmes de location de sites à deux échelons avec la sélection de taille (TECFLP). Les deux premières parties concentrent sur les TECFLPs avec sélection séparée de taille d’usines ou de dépôts. La troisième partie étudie le TECFLP avec sélection simultanée des tailles d’usines et de dépôts. Pour ces problèmes, trois modèles de programmation linéaire mixte sont proposés. Ensuite les approches basées sur la relaxation lagrangienne selon les caractéristiques de chaque problème sont développés. Pour améliorer les meilleures solutions proposées par les approches de relaxation lagrangienne, une méthode de recherche tabou, une méthode hybride de recherche tabou et à voisinage variable, une méthode hybride du recuit simulé et de la recherche tabou sont respectivement adaptées pour ces trois problèmes. Les algorithmes développés sont testés et évalués à travers 810 instances générées aléatoirement. Les résultats numériques montrent que nos méthodes sont capables de fournir des solutions de qualité avec un temps de calcul raisonnable
Facility location is one of the most important strategic decisions for firms in globalization. Previous works on facility location in the literature mainly focus on determining the locations of facilities and the flows of products from facilities to customers with the goal of minimizing the sum of facility opening costs, production and logistic costs. However, it’s very important to determine at the same time the appropriate sizes for these facilities because they greatly affects these costs on the long term. Determining facility location and size is always an open problem.In this thesis, we study three new two-echelon capacitated facility location problems (TECFLP) with facility size selection. The two first parts of the wok focus on two-echelon facility location problems with plant and depot size selection, respectively. The third part concentrates on TECFLP considering simultaneously plant and depot size selection. For these problems, three corresponding mixed integer programming models are formulated and then Lagrangean relaxation approaches according to the problems’ characteristics are developed. To further improve the best solutions obtained by the Lagrangean Relaxation approaches, a tabu search, a hybrid variable neighborhood tabu search and a hybrid simulated annealing tabu search are adapted for the three problems respectively. The developed algorithms are tested and evaluated through 810 randomly generated instances. Computational results show ours algorithms can provide high quality solutions within a reasonable computation time

De nos jours, avec l'abondance croissante de données de très grande taille, les problèmes de classification de grande dimension ont été mis en évidence comme un challenge dans la communauté d'apprentissage automatique et ont beaucoup attiré l'attention des chercheurs dans le domaine. Au cours des dernières années, les techniques d'apprentissage avec la parcimonie et l'optimisation stochastique se sont prouvées être efficaces pour ce type de problèmes. Dans cette thèse, nous nous concentrons sur le développement des méthodes d'optimisation pour résoudre certaines classes de problèmes concernant ces deux sujets. Nos méthodes sont basées sur la programmation DC (Difference of Convex functions) et DCA (DC Algorithm) étant reconnues comme des outils puissants d'optimisation non convexe. La thèse est composée de trois parties. La première partie aborde le problème de la sélection des variables. La deuxième partie étudie le problème de la sélection de groupes de variables. La dernière partie de la thèse liée à l'apprentissage stochastique. Dans la première partie, nous commençons par la sélection des variables dans le problème discriminant de Fisher (Chapitre 2) et le problème de scoring optimal (Chapitre 3), qui sont les deux approches différentes pour la classification supervisée dans l'espace de grande dimension, dans lequel le nombre de variables est beaucoup plus grand que le nombre d'observations. Poursuivant cette étude, nous étudions la structure du problème d'estimation de matrice de covariance parcimonieuse et fournissons les quatre algorithmes appropriés basés sur la programmation DC et DCA (Chapitre 4). Deux applications en finance et en classification sont étudiées pour illustrer l'efficacité de nos méthodes. La deuxième partie étudie la L_p,0régularisation pour la sélection de groupes de variables (Chapitre 5). En utilisant une approximation DC de la L_p,0norme, nous prouvons que le problème approché, avec des paramètres appropriés, est équivalent au problème original. Considérant deux reformulations équivalentes du problème approché, nous développons différents algorithmes basés sur la programmation DC et DCA pour les résoudre. Comme applications, nous mettons en pratique nos méthodes pour la sélection de groupes de variables dans les problèmes de scoring optimal et d'estimation de multiples matrices de covariance. Dans la troisième partie de la thèse, nous introduisons un DCA stochastique pour des problèmes d'estimation des paramètres à grande échelle (Chapitre 6) dans lesquelles la fonction objectif est la somme d'une grande famille des fonctions non convexes. Comme une étude de cas, nous proposons un schéma DCA stochastique spécial pour le modèle loglinéaire incorporant des variables latentes
These days with the increasing abundance of data with high dimensionality, high dimensional classification problems have been highlighted as a challenge in machine learning community and have attracted a great deal of attention from researchers in the field. In recent years, sparse and stochastic learning techniques have been proven to be useful for this kind of problem. In this thesis, we focus on developing optimization approaches for solving some classes of optimization problems in these two topics. Our methods are based on DC (Difference of Convex functions) programming and DCA (DC Algorithms) which are wellknown as one of the most powerful tools in optimization. The thesis is composed of three parts. The first part tackles the issue of variable selection. The second part studies the problem of group variable selection. The final part of the thesis concerns the stochastic learning. In the first part, we start with the variable selection in the Fisher's discriminant problem (Chapter 2) and the optimal scoring problem (Chapter 3), which are two different approaches for the supervised classification in the high dimensional setting, in which the number of features is much larger than the number of observations. Continuing this study, we study the structure of the sparse covariance matrix estimation problem and propose four appropriate DCA based algorithms (Chapter 4). Two applications in finance and classification are conducted to illustrate the efficiency of our methods. The second part studies the L_p,0regularization for the group variable selection (Chapter 5). Using a DC approximation of the L_p,0norm, we indicate that the approximate problem is equivalent to the original problem with suitable parameters. Considering two equivalent reformulations of the approximate problem we develop DCA based algorithms to solve them. Regarding applications, we implement the proposed algorithms for group feature selection in optimal scoring problem and estimation problem of multiple covariance matrices. In the third part of the thesis, we introduce a stochastic DCA for large scale parameter estimation problems (Chapter 6) in which the objective function is a large sum of nonconvex components. As an application, we propose a special stochastic DCA for the loglinear model incorporating latent variables

Cette thèse est le résultat de recherche effectuée à Longwy au sein du département CID « Contrôle Identification et Diagnostic» du Centre de Recherche en Automatique de Nancy (CRAN). Elle concerne, d’une part, la synthèse des observateurs dynamiques (d’ordre plein et d’ordre réduit) et la commande basée observateur d’une classe de systèmes linéaires incertains, d’autre part, l’application de ces résultats aux systèmes de grande dimension. Dans une première partie, une nouvelle forme d’observateurs dynamiques H-infini est conçue pour les systèmes linéaires en présence d’entrées inconnues et de perturbations, pour les systèmes continus et discrets. L’observateur proposé généralise ceux existants tels que les observateurs proportionnels et proportionnels-intégrales. La conception d’observateur est fondée sur la résolution des inégalités matricielles linéaires (LMI). Ensuite, ces observateurs ont été utilisés dans la synthèse de contrôleurs basés observateur pour les systèmes incertains en présence de perturbations. Cette synthèse est basée sur le paramétrage des solutions des contraintes algébriques obtenues à partir des erreurs d’estimation. La solution est obtenue à partir de la résolution des inégalités matricielles bilinéaires en utilisant un algorithme à 2 étapes.Dans la dernière partie, les résultats obtenus ont été étendus aux systèmes de grande dimension. Dans ce cadre, les systèmes considérés sont décomposés en plusieurs sous-systèmes interconnectés de faible dimension, où les interconnections sont supposées non linéaires et satisfaire des contraintes quadratiques. Une commande décentralisée basée observateur dynamique est proposée pour les systèmes interconnectés incertains en présence de perturbations
The present thesis is the result of research conducted in Longwy, within the department Control, Identification, Diagnosis (CID) of Research Center for Automatic Control of Nancy (CRAN). This thesis investigates the problem of dynamic observer (full- and reduced-order) and observer-based control design and their applications to large-scale systems. Firstly, a new form of H-infinity dynamic observer is designed for linear systems in the presence of unknown inputs and disturbances. The proposed observer generalizes the existing results on proportional observer and proportional integral observer. The observer design is based on the solution of linear matrix inequalities (LMI). Both continuous-time and discrete-time systems are considered. Thereafter, by inserting the proposed observer into a closed-loop, an observer-based control is presented for uncertain systems in the presence of disturbances. Based on the parameterization of algebraic constraints obtained from the analysis of the estimation error, the control design is derived from the solution of bilinear matrix inequality, by using a two-steps algorithm. Finally, the obtained results have been extended to large-scale systems. A decentralized observer-based control is proposed for large-scale uncertain systems in the presence of disturbances. These systems are composed of several interconnected subsystems of low dimensions, where the interconnections are assumed to be nonlinear and satisfy quadratic constraints

Avec le vieillissement des populations occidentales et la volonté de désengorger les différentes structures médicales et paramédicales, le secteur des soins et des services à domicile est en pleine expansion et fait l'objet de nombreux travaux de recherche. De nouveaux problèmes organisationnels se posent pour les structures de soins et de services à domicile, qui doivent adapter leur fonctionnement interne afin de faire face à une demande croissante. Le processus de planification des tournées de soins et services, actuellement majoritairement réalisé à la main, représente donc un enjeu majeur et doit être automatisé. De plus, du fait de l'instabilité de l'état de santé des patients d'une part, et des conditions de travail peu gratifiantes pour les intervenants d'autre part, le secteur est soumis à un fort turnover. Ce phénomène perturbe le bon déroulement des plannings qui nécessitent alors des ajustements ou parfois même des réoptimisations complètes. Cela impacte directement la satisfaction des patients, qui constitue un élément-clé dans nos travaux. Pour limiter ce roulement, il convient de privilégier également la satisfaction des intervenants lors de la création des tournées. Nous portons un intérêt particulier à ce dernier aspect, peu étudié dans la littérature.Tout d'abord, nous étudions un problème de planification classique pour préserver la continuité de soins, qui revêt un aspect primordial dans les travaux de santé publique. Puis, nous proposons une méthode exacte pour réoptimiser les tournées de soins lorsque les départs et arrivées de patients ont rendu les plannings obsolètes. Ensuite, nous proposons une heuristique adaptée à une réoptimisation journalière des tournées pour faire face à l'absentéisme des intervenants. Enfin, nous réalisons une preuve de concept pour un cas réel en adaptant les méthodes développées dans le cadre de cette thèse. Nous mettons en évidence et analysons les écueils rencontrés pour passer d'une preuve de concept à une mise en pratique de notre approche
Due to the aging of western populations and the will of decreasing the number of admissions in hospitals and nursing homes, the Home Health Care (HHC) sector expanded in the last decades, as well as the research in this field. HHC agencies face new management issues. They have to modify their inner workings to deal with increasing demands. The routing and scheduling process, mostly done by hand, must be automatized to become faster and more efficient. What's more, the continuous changes within the pool of patients and in the staff make it difficult to plan the tours of the workers. As a result, it is unlikely to complete a schedule without undergoing some adjustments, or a full re-optimization. It directly impacts the satisfaction of the patients, which is one of our main concerns. To limit the turnover, the satisfaction of careworkers must also be encouraged in the routing and scheduling process. We are specifically interested in this last aspect, which received little attention in the literature.Firstly, we study a classic routing and scheduling problem with an unusual objective of preserving the continuity of care, which is a crucial topic in public health problems. Secondly, we suggest an exact method to re-optimize the planning whenever the variations within the pool of patients and careworkers made the current planning obsolete. Then, we develop a heuristic to address the punctual absences of careworkers. Finally, we present a case study. We highlight and analyze the difficulties of applying theoretical methods to real problems

Cette thèse expose la problématique récente concernant la résolution de problèmes de grande dimension. Nous présentons les méthodes permettant de les résoudre ainsi que leurs applications, notamment pour la sélection de variables dans le domaine de la fouille de données. Dans la première partie de cette thèse, nous exposons les enjeux de la résolution de problèmes de grande dimension. Nous nous intéressons principalement aux méthodes de recherche linéaire, que nous jugeons particulièrement adaptées pour la résolution de tels problèmes. Nous présentons ensuite les méthodes que nous avons développées, basées sur ce principe : CUS, EUS et EM323. Nous soulignons en particulier la très grande vitesse de convergence de CUS et EUS, ainsi que leur simplicité de mise en oeuvre. La méthode EM323 est issue d'une hybridation entre la méthode EUS et un algorithme d'optimisation unidimensionnel développé par F. Glover : l'algorithme 3-2-3. Nous montrons que ce dernier algorithme obtient des résultats d'une plus grande précision, notamment pour les problèmes non séparables, qui sont le point faible des méthodes issues de la recherche linéaire. Dans une deuxième partie, nous nous intéressons aux problèmes de fouille de données, et plus particulièrement l'analyse de données de puces à ADN. Le but est de classer ces données et de prédire le comportement de nouveaux exemples. Dans un premier temps, une collaboration avec l'hôpital Tenon nous permet d'analyser des données privées concernant le cancer du sein. Nous développons alors une méthode exacte, nommée delta-test, enrichie par la suite d'une méthode permettant la sélection automatique du nombre de variables. Dans un deuxième temps, nous développons une méthode heuristique de sélection de variables, nommée ABEUS, basée sur l'optimisation des performances du classifieur DLDA. Les résultats obtenus sur des données publiques montrent que nos méthodes permettent de sélectionner des sous-ensembles de variables de taille très faible,ce qui est un critère important permettant d'éviter le sur-apprentissage