GERMAIN, M Maximilien (2019) Apprentissage automatique pour les équations différentielles stochastiques progressives-rétrogrades de McKean-Vlasov et les jeux à champ moyen PFE - Projet de fin d'études, ENSTA.

Fichier(s) associé(s) à ce document :

[img]
Prévisualisation
PDF
1794Kb

Résumé

La théorie des jeux à champ moyen étudie une classe de jeux différentiels stochastiques entre de nombreux joueurs influencés par leur état moyen. Elle comporte des applications en finance, biologie et stockage d’énergie. Nous proposons de nouveaux schémas numériques fondés sur des techniques d’apprentissage automatique pour résoudre les jeux à champ moyen. Ces méthodes reposent sur la résolution d’équations différentielles stochastiques progressives-rétrogrades de McKean-Vlasov. Nous étudions le comportement numérique de nos algorithmes sur différents exemples, dont des modèles non linéaires quadratiques. À notre connaissance, ce travail est le premier à s’intéresser à la résolution de tels problèmes en grande dimension.

Type de document:Rapport ou mémoire (PFE - Projet de fin d'études)
Sujets:Sciences et technologies de l'information et de la communication
Mathématiques et leurs applications
Code ID :7617
Déposé par :Maximilien Germain
Déposé le :04 mars 2020 13:40
Dernière modification:04 mars 2020 13:40

Modifier les métadonnées de ce document.