Thèse Optimisation Combinatoire et Apprentissage de Politiques pour la Gestion Conjointe des Stocks et de la Tarification dans les Réseaux de Location de Véhicules H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Données Algorithmes pour une ville intelligente et durable Direction de la thèse : Dominique BARTH Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-15T23:59:59 Ce sujet de thèse porte sur la gestion conjointe de la tarification dynamique et des stocks dans les réseaux de location de véhicules, dans un contexte de forte concurrence et de transformation des services de mobilité. Une entreprise exploitant un réseau d'agences doit décider, à chaque demande, du prix à proposer et de la manière de satisfaire cette demande en fonction de l'état courant et anticipé de ses ressources, tout en tenant compte des possibilités de repositionnement de véhicules entre agences.
Le problème est intrinsèquement dynamique et non stationnaire, dans la mesure où les décisions prises influencent l'évolution future des stocks. La tarification est modélisée comme un jeu dynamique entre entreprises concurrentes, tandis que la gestion des ressources repose sur des décisions combinatoires complexes, proches de problèmes de flots, de logistique ou de routage.
L'objectif de la thèse est de proposer un cadre algorithmique unifié combinant optimisation combinatoire et apprentissage de politiques. Une attention particulière sera portée à l'analyse de la complexité des modèles, au développement de méthodes heuristiques et métaheuristiques adaptées à grande échelle, ainsi qu'à l'intégration de techniques d'apprentissage par renforcement pour approximer des stratégies de décision dans ce contexte dynamique et stratégique.
Les travaux s'appuieront sur des données réelles fournies par un partenaire industriel, avec pour objectif de proposer des méthodes à la fois théoriquement fondées et opérationnellement pertinentes.
Projet de recherche au sein duy laboratoire DAVID, en partenariat existant avec l'entreprise WeYield L'objectif de cette thèse est de proposer un cadre algorithmique pour la gestion conjointe des stocks et de la tarification dynamique en environnement concurrentiel, en s'appuyant sur une modélisation combinatoire explicite des décisions logistiques.

Le ou la candidat(e) devra être titulaire d'un Master 2 en informatique, mathématiques appliquées ou domaine connexe, avec une spécialisation en algorithmique ou optimisation. Une solide formation en algorithmique et complexité est attendue, ainsi qu'une bonne maîtrise de la modélisation et des problèmes combinatoires. Des compétences en programmation (Python, C++ ou équivalent) sont requises. Une ouverture vers le machine learning, en particulier l'apprentissage par renforcement, constituera un atout. Un intérêt pour les approches hybrides entre optimisation et apprentissage est essentiel.