001074814
100  $a20130620                 y50      
101  $afre
2001 $aEstimation des paramètres de dérive dépendants du temps d'une équation différentielle stochastique$bressource électronique
210  $d07/02/2013
215  $a85 p. $cill.$d30 cm.
328 1$bMagister$cRecherche opérationnelle et optimation$d07/02/2013
330  $aDans ce travail, on étudie le problème de l'estimation des paramètres de dérive dépendants du temps d'un système dynamique régi par une équation différentielle stochastique non linéaire unidimensionnelle excitée par des bruits brownien. D'une part, on montre que si les paramètres des bruits sont connus on peut, sous certaines conditions, construire une structure statistique. Puis on utilise le lemme de Randon-Nikodym pour approcher le problème d'estimation par la méthode du maximum de vraisemblance. On donne la forme générale de la fonction log-vraisemblance, et de sa dérivée première et seconde. D'autres part, on formule le problème d'estimation des paramètres de dérive  d'une EDS analytiquement par un problème d'optimisation (maximisation de log-vraisemblance), où les paramètres de dérive sont les paramètres inconnus qu'on cherche à déterminer. Dans la pratique, ce problème est un problème d'optimisation stochastique: sa fonction objectif (log vraisemblance) évolue au cours du temps. L'approche principalement adoptée dans cette étude consiste à adapter des algorithmes génétiques à codage réel RCGA pour l'estimation des paramètres qui sont en fonction du temps. Les RCGA, offrent généralement l'avantage d'être mieux adaptées aux problèmes d'optimisation numérique continu.  Ils  sont  plus pratique, plus rapide, plus précis (surtout pour les larges domaines qui requièrent une représentation trop longue avec les algorithmes génétiques à codage binaire BCGA); ils sont plus consistants de générations en générations, car les opérateurs agissent directement sur le phénotype et non pas sur le génotype
337  $asupport papier accompagné d'un CD-Rom ; Bibliogr. p. 91-92
610  $aEstimation de paramètres 
610  $a Intégrales stochastiques 
610  $a Métaheuristiques 
610  $a Processus gaussiens : Mouvement brownien
700  $aBENSALLOUA, meriem
701  $aArray
801 0$aDZ$bCERIST PNST
901$ac
990  $a515.45