Algorithmes pour la décision séquentielle dans l’incertain - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2010

Algorithms for sequential decision problems under uncertainty

Algorithmes pour la décision séquentielle dans l’incertain

Résumé

In this thesis, we are interested in sequential decision problems under uncertainty. These problems concern situations of uncertainty where the decision maker has to make several decisions spread over time (i.e., establish a strategy). This problem is much studied in artificial intelligence, known as planning under uncertainty, because of its several applications in many fields (medical diagnosis, artificial players, autopilot, inventory management, ...). The economist community has provided many decision under uncertainty in order to compare strategies. However, the difficulties associated with their implementation leads in practice to use decision problems. The use of performant criteria is indeed hindered by the lake of efficient algorithms in the computer science literature. The purpose of this thesis is precisely to tackle these algorithms locks by providing algorithms for optimizing these criteria in sequential decision problems.
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.
Fichier principal
Vignette du fichier
these.pdf (1.18 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03100305 , version 1 (08-01-2021)

Identifiants

  • HAL Id : tel-03100305 , version 1

Citer

Gildas Jeantet. Algorithmes pour la décision séquentielle dans l’incertain : optimisation de l’utilité espérée dépendant du rang et du critère de Hurwicz. Intelligence artificielle [cs.AI]. Université Pierre et Marie Curie (Paris VI), 2010. Français. ⟨NNT : ⟩. ⟨tel-03100305⟩
106 Consultations
474 Téléchargements

Partager

Gmail Facebook X LinkedIn More