Mod�lisation d'�v�nements discrets et simulation de processus d�cision Markov

Les modèles de processus de décision de Markov (PDM) sont largement utilisés pour modéliser les problèmes de prise de décision dans de nombreux domaines de recherche. Les PDM peuvent être facilement conçus par modélisation et simulation (M&S) à l'aide du formalisme de spécification des systèmes à événements discrets (DEVS) en raison de leurs aspects modulaires et hiérarchiques, qui améliorent l'explicabilité des modèles. En particulier, la séparation entre l'agent et les composantes de l'environnement impliquées dans l'algorithme traditionnel d'apprentissage par renforcement, tel que l'apprentissage Q, est clairement formalisée pour améliorer l'observabilité et envisager l'intégration des composantes de l'IA dans le processus de prise de décision. L'objectif principal de ce travail est d'offrir la possibilité de concevoir un système markovien avec un formalisme de modélisation et de simulation afin d'optimiser un processus de prise de décision avec une plus grande explicabilité grâce à la simulation. En outre, le travail comprend une étude basée sur la gestion des processus financiers, sa spécification en tant que système RL basé sur MDP, et sa modélisation et simulation avec le formalisme DEVS.