Essais sur le dilemme exploration-exploitation.

Auteurs
  • BOUHLEL Imen
  • FESTRE Agnes
  • GUERCI Eric
  • MARENGO Luigi
  • FESTRE Agnes
  • GUERCI Eric
  • MARENGO Luigi
  • VRIEND Nicolaas
  • MARENGO Luigi
  • VRIEND Nicolaas
Date de publication
2019
Type de publication
Thèse
Résumé Au cours des deux dernières décennies, de nombreux travaux empiriques ont mis en lumière des divergences dans les choix individuels lorsque ceux-ci sont faits à partir d’une description de l’espace des états du monde et de leurs probabilités sous-jacentes (decision from description), et lorsqu’ils résultent de l’expérimentation de cet espace via l’échantillonnage (decision from experience). En effet, dans le premier cas, l’individu dispose d’une connaissance parfaite de l’espace des états du monde. Par différence, dans le second cas, l’individu ne connaît pas à l’avance toutes les alternatives possibles ou/et leurs probabilités de survenance. Cette divergence entre les choix individuels observés dans ces deux configurations est communément qualifiée de description/experience gap. Le phénomène d’undersearch est l’une des causes avancées dans la littérature pour expliquer cet écart. Etant donnée l’importance de la question du choix en incertitude en économie, le processus de search mérite une attention plus approfondie. Cette thèse a pour but de contribuer à la littérature théorique et expérimentale qui étudie ce processus et le dilemme exploration-exploitation qui lui est inhérent, tant au niveau individuel que collectif. La thèse est composée de 3 essais combinant modélisation théorique, modélisation multi-agents, algorithmes évolutionnistes et expériences en laboratoire. Le premier chapitre de cette thèse examine les déterminants du processus de search dans le contexte d’un problème individuel d’arrêt optimal (optimal stopping problem). Les résultats obtenus montrent que ce processus dépend en grande partie du degré de certitude de l’information et que le regret et l’anticipation y jouent un rôle important. Le deuxième chapitre étudie le comportement de partage d’informations dans le cadre d’une recherche collective concurrentielle à l’aide de simulations multi-agents et d’algorithmes évolutionnistes. Il met en évidence l’existence de bénéfices individuels au partage, même lorsque les autres ne partagent pas en retour, à condition que deux mécanismes soient présents: l’imitation avec un certain niveau d’innovation et la visibilité locale. Le troisième chapitre teste et valide expérimentalement ces résultats et souligne le rôle crucial de l’apprentissage.
Thématiques de la publication
Thématiques détectées par scanR à partir des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr