Modèles d’appariement stochastiques et leurs applications à l'équilibrage de l'offre et de la demande

Stochastic matching models and their applications to demand-supply balancing

• Auteur / Autrice : Arnaud Cadas
• Direction : Marc Lelarge
• Type : Projet de thèse
• Discipline(s) : Mathématiques
• Date : Inscription en doctorat le 01/09/2017
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : DIENS - Département d'informatique de l'École normale supérieure
• Partenaire(s) de recherche : établissement opérateur d'inscription : École normale supérieure (Paris ; 1985-....)

Mots clés

Mots clés libres

Modèles d’appariement stochastiques

Processus de décision markovien

Contrôle Optimal

Paradoxe de Braess

Apprentissage par renforcement

Stochastic matching models

Markov decision processes

Optimal control

Braess paradox

Reinforcement learning

Résumé

L'objectif de cette thèse est de développer de nouvelles techniques pour l'évaluation de la performance et l'optimisation des modèles dynamiques de matching. Les pistes de recherche porteront sur : L'approximation par traffic-intensif pour différents types de modèles de matching. L'utilisation d'apprentissage par renforcement pour approximer dans un cadre plus général. Considérer des coûts sur la longueur des files et/ou sur le poids des arêtes. Appliquer les résultats à des systèmes d'économies collaborative.

The objective of this thesis is to develop new techniques for performance evaluation and optimization in dynamic matching models. The research directions will be on: Heavy-traffic approximations for different types of matching models. Using reinforcement learning to approximate in more general case. Considering costs on buffer lengths and/or edges weights. Applications to collaborative economy networks.