Algorithmes pour la décision séquentielle dans l'incertain : optimisation de l'utilité espérée dépendant du rang et du critère de Hurwicz
Auteur / Autrice : | Gildas Jeantet |
Direction : | Patrice Perny |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique. Aide à la décision |
Date : | Soutenance en 2010 |
Etablissement(s) : | Paris 6 |
Mots clés
Mots clés contrôlés
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.