| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Author
| |
| alternative label
| - Stochastic dynamic linear programming in view of applications in energy modeling
|
| dc:subject
| - Thèses et écrits académiques
- Algorithmes
- Optimisation mathématique
- Programmation linéaire
- Processus stochastiques
- Programmation (mathématiques)
- Approximation stochastique
- Énergie
- Information incomplète
- Agrégation des scénarios
|
| preferred label
| - Programmation dynamique linéaire stochastique en vue des applications en modélisation de l'énergie
|
| Language
| |
| Subject
| |
| dc:title
| - Programmation dynamique linéaire stochastique en vue des applications en modélisation de l'énergie
|
| Degree granting institution
| |
| note
| - Cette thèse contribue au développement algorithmique de la programmation stochastique. Les algorithmes suggérés sont des algorithmes d'agrégation des scénarios. Pour une distribution de probabilités données, ils constituent, des alternatifs à l'algorithme de Rockafellar et Wets. Ils se distinguent par le fait qu'ils ne nécessitent pas l'introduction d'un terme quadratique aux sous-problèmes des scénarios. Dans le cas de l'information incomplète sur les probabilités, ils résolvent le minimax dynamique stochastique, c-à-d Le problème dynamique stochastique correspondant au plus défavorable des distributions des probabilités compatibles avec l'information incomplète disponible. Ils sont de simples généralisations de ceux relatifs aux probabilités connues. Cette thèse contribue également à intégrer ces algorithmes dans une approche d'aide à la décision et à discuter de la modélisation de deux problèmes dans le domaine de l'énergie : le raffinage et la gestion des contrats de gaz.
- This thesis contributes to the development of new algorithms for the computation of stochastic dynamic problems and their minimax variant. The proposed algorithms are scenarios aggregation type. For known probabilities, these algorithms constitute alternatives to Rockafellar and Wets algorithm. They don't require a quadratic term in the scenario sub-problems. For the case of imperfect knowledge on scenario probabilities, they resolve the stochastic minimax problem, i. e. The stochastic dynamic program corresponding to the most unfavorable probability distribution belonging to the class of probability distributions compatible with the imperfect knowledge. These algorithms simply generalize all the algorithms mentioned above for known probability distributions. These thesis also contributes to integrate all these algorithms in a decision support approach and to discuss the stochastic modeling of two energy problems: the refining and the portfolio gaz contracts.
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
