Algorithmes pour la décision séquentielle dans l'incertain : optimisation de l'utilité espérée dépendant du rang et du critère de Hurwicz

par Gildas Jeantet

Thèse de doctorat en Informatique. Aide à la décision

Sous la direction de Patrice Perny.

Soutenue en 2010

à Paris 6 .

mots clés

• Incertitude
• Prise de décision

Résumé

Dans cette thèse, nous nous intéressons aux problèmes de décision séquentielle dans l'incertain. Ces problèmes concernent les situations d'incertitude dans lesquelles le décideur est amené à prendre plusieurs décisions étalées dans le temps (i. E. , établir une stratégie). Cette problématique est bien connue en intelligence artificielle, sous le nom de planification dans l'incertain, et est très étudiée du fait de ses applications multiples dans de nombreux domaines (diagnostic médical, joueurs artificiels, pilotage automatique, gestion de stocks. . . ). La communauté des économistes a fournit de nombreux critères de décision permettant de raisonner dans l'incertitude afin de pouvoir comparer des stratégies entre elles. Cependant, les difficultés liées à leur mise en oeuvre conduisent en pratique à utiliser des critères moins performants dans les problèmes de décision séquentielle. L'utilisation des critères performants est en effet freinée par l'absence d'algorithmes efficaces dans la littérature informatique. L'objet de cette thèse est justement de repousser ces verrous algorithmiques en proposant des algorithmes permettant leur application dans des problèmes de décision séquentielle.

Titre traduit

Algorithms for sequential decision problems under uncertain : optimisation of rank dependent expected utility and Hurwicz criteria

Pas de résumé disponible.