Ruben Chenevat
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Research Interests
Ruben Chenevat has a total of 12 co-authors. Here are the top co-authors by number of shared publications:
- Alain Rapaport
MISTEA, Univ. Montpellier, INRAE, Institut Agro, 34060 Montpellier, France
3 shared publications - Bruno Cheviron
G-EAU, Univ Montpellier, AgroParisTech, BRGM, CIRAD, INRAE, Institut Agro, IRD, Montpellier
2 shared publications - Sebastien Roux
INRAE
2 shared publications Sébastien Roux
2 shared publications2 Bruno
1 shared publicationAlain Rapaport
1 shared publication
Latest Publications
- 9 July 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Optimal control of irrigation : double mathematical and agronomic modeling towards an application to the Optirrig model
Commande optimale de l'irrigation : double modélisation mathématique et agronomique vers une application au modèle Optirrig: Cette thèse étudie le sujet de l'optimisation des systèmes d'irrigation des cultures en agronomie, à l'échelle de la parcelle, sous serre ou en champ extérieur, dans un contexte de ressources en eau limitées. Ce contexte spécifique fait jouer un rôle crucial au pilotage tactique de l'irrigation et aux prises de décisions de l'opérateur au cours du temps. En utilisant une formalisation de l'irrigation des cultures en termes de problème de commande optimale, l'objectif est de développer des outils théoriques afin de fournir des stratégies de décision efficaces pouvant se transposer au monde opérationnel. La première partie de cette thèse se concentre sur l’analyse d’un problème d’irrigation dans un contexte de culture sous serre. Nous utilisons le modèle CCI (Controlled Crop Irrigation) qui est un modèle générique, décrivant de façon simple les processus biophysiques d’ordre 1 et permettant une étude des propriétés intrinsèques liés à ces phénomènes physiques principaux. Notre étude nous amène d’abord à revisiter le principe Bang-Bang dans une version portant sur les dynamiques affines par morceaux sous contraintes d’état et une version stochastique, permettant d’en déduire des propriétés structurelles des contrôles optimaux et de leurs trajectoires d’état associées. Ensuite, nous dérivons les conditions nécessaires d’optimalité en utilisant le Principe du Maximum de Pontryagin dans un cadre non-lisse, afin de caractériser les solutions optimales de problèmes d’irrigation sujets à différents types de contraintes et de critères. Ces conditions, combinées avec les précédentes propriétés structurelles, aboutissent à une formulation d’une classe de contrôles optimaux sous forme de retours d’état paramétrés en petite dimension. Cette petite dimensionnalité nous permet alors d’étudier en détail par une exploration numérique globale les propriétés des solutions optimales, notamment la sensibilité de l’instant de prise de décision en fonction des paramètres du système (plante, sol, matériel), et les conséquences (bienfaits et inconvénients) de décisions sous-optimales. La seconde partie se penche sur la question de l’application de ces résultats théoriques dans un cadre opérationnel plus proche du monde réel. Pour ce faire, nous adoptons tout d’abord une approche de double modélisation, consistant à établir des connections entre le modèle CCI (simple, théorique) et le modèle Optirrig (opérationnel, pratique) afin de confronter et d’affiner leurs hypothèses et résultats. Nous avons en particulier l’objectif de tester les scénarios théoriques d’irrigation optimale extraits du modèle CCI en les implémentant dans le modèle Optirrig et en évaluant leurs performances dans un cadre pratique. En complément, nous tirons profit des techniques de « contrôle à coût moyenné » pour formaliser le problème d’irrigation sous certains types d’incertitudes du monde réel. En effet, la connaissance des paramètres de modèle est souvent inexacte, et la résolution du problème d’irrigation sous la forme de contrôle à coût moyenné permet de rechercher des solutions optimales robustes vis-à-vis de ces incertitudes de modèle. Enfin, nous écrivons à nouveau le problème d’irrigation sous la forme de contrôle à coût moyenné, avec cette fois-ci des sauts de trajectoire correspondant à des événements pluvieux incertains, afin de rechercher des solutions optimales « en moyenne » vis-à-vis des de la variabilité météorologique.
- 9 July 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Optimal control of irrigation : double mathematical and agronomic modeling towards an application to the Optirrig model
Commande optimale de l'irrigation : double modélisation mathématique et agronomique vers une application au modèle Optirrig: Cette thèse étudie le sujet de l'optimisation des systèmes d'irrigation des cultures en agronomie, à l'échelle de la parcelle, sous serre ou en champ extérieur, dans un contexte de ressources en eau limitées. Ce contexte spécifique fait jouer un rôle crucial au pilotage tactique de l'irrigation et aux prises de décisions de l'opérateur au cours du temps. En utilisant une formalisation de l'irrigation des cultures en termes de problème de commande optimale, l'objectif est de développer des outils théoriques afin de fournir des stratégies de décision efficaces pouvant se transposer au monde opérationnel. La première partie de cette thèse se concentre sur l’analyse d’un problème d’irrigation dans un contexte de culture sous serre. Nous utilisons le modèle CCI (Controlled Crop Irrigation) qui est un modèle générique, décrivant de façon simple les processus biophysiques d’ordre 1 et permettant une étude des propriétés intrinsèques liés à ces phénomènes physiques principaux. Notre étude nous amène d’abord à revisiter le principe Bang-Bang dans une version portant sur les dynamiques affines par morceaux sous contraintes d’état et une version stochastique, permettant d’en déduire des propriétés structurelles des contrôles optimaux et de leurs trajectoires d’état associées. Ensuite, nous dérivons les conditions nécessaires d’optimalité en utilisant le Principe du Maximum de Pontryagin dans un cadre non-lisse, afin de caractériser les solutions optimales de problèmes d’irrigation sujets à différents types de contraintes et de critères. Ces conditions, combinées avec les précédentes propriétés structurelles, aboutissent à une formulation d’une classe de contrôles optimaux sous forme de retours d’état paramétrés en petite dimension. Cette petite dimensionnalité nous permet alors d’étudier en détail par une exploration numérique globale les propriétés des solutions optimales, notamment la sensibilité de l’instant de prise de décision en fonction des paramètres du système (plante, sol, matériel), et les conséquences (bienfaits et inconvénients) de décisions sous-optimales. La seconde partie se penche sur la question de l’application de ces résultats théoriques dans un cadre opérationnel plus proche du monde réel. Pour ce faire, nous adoptons tout d’abord une approche de double modélisation, consistant à établir des connections entre le modèle CCI (simple, théorique) et le modèle Optirrig (opérationnel, pratique) afin de confronter et d’affiner leurs hypothèses et résultats. Nous avons en particulier l’objectif de tester les scénarios théoriques d’irrigation optimale extraits du modèle CCI en les implémentant dans le modèle Optirrig et en évaluant leurs performances dans un cadre pratique. En complément, nous tirons profit des techniques de « contrôle à coût moyenné » pour formaliser le problème d’irrigation sous certains types d’incertitudes du monde réel. En effet, la connaissance des paramètres de modèle est souvent inexacte, et la résolution du problème d’irrigation sous la forme de contrôle à coût moyenné permet de rechercher des solutions optimales robustes vis-à-vis de ces incertitudes de modèle. Enfin, nous écrivons à nouveau le problème d’irrigation sous la forme de contrôle à coût moyenné, avec cette fois-ci des sauts de trajectoire correspondant à des événements pluvieux incertains, afin de rechercher des solutions optimales « en moyenne » vis-à-vis des de la variabilité météorologique.
- Open Access
- 1 January 2026
- Published by Banach Press LLC in Journal of Convex Analysis
- Vol. 33 (3&4) , 801-816
About the Bang-Bang Principle for Controlled Affine Dynamics with Brownian Noise
We revisit the Bang-Bang principle, established for deterministic dynamics with affine control, in a stochastic setting where the dynamics are subject to Brownian motion. We show that such a principle does not generally apply in this context. However, we demonstrate that it does apply under certain conditions with deterministic controls. With stochastic controls, we obtain, under certain conditions, that Mayer's problems with an expectation criterion and a compact control set are equivalent to the same problems with controls taking values in the closed convex hull of the control set. This result is illustrated by a linearized dynamics of the SIR epidemiological model.
- 1 January 2026
- Published by Banach Press LLC in Journal of Convex Analysis
- Vol. 33 (3&4) , 801-816
Open AccessAbout the Bang-Bang Principle for Controlled Affine Dynamics with Brownian Noise
We revisit the Bang-Bang principle, established for deterministic dynamics with affine control, in a stochastic setting where the dynamics are subject to Brownian motion. We show that such a principle does not generally apply in this context. However, we demonstrate that it does apply under certain conditions with deterministic controls. With stochastic controls, we obtain, under certain conditions, that Mayer's problems with an expectation criterion and a compact control set are equivalent to the same problems with controls taking values in the closed convex hull of the control set. This result is illustrated by a linearized dynamics of the SIR epidemiological model.
- 29 September 2025
- Published by Springer Nature in Journal of Optimization Theory and Applications
- Vol. 208 (1)
Optimal structures of crop irrigation strategies with state constraints
- 29 September 2025
- Published by Springer Nature in Journal of Optimization Theory and Applications
- Vol. 208 (1)
Optimal structures of crop irrigation strategies with state constraints
- Open Access
Optimal structures of crop irrigation strategies with state constraints
We investigate an optimal control problem of crop irrigation with non-autonomous and non-smooth dynamics. Depending on contexts and objectives, several formulations associated to different constraints and criteria can be derived. Our work aims at providing optimal feedback solutions for these problems by deriving and analyzing the optimality necessary conditions. To this end, we assemble the different problems into a common formulation, and we carry out a dedicated way of handling state constraints. We show that all optimal irrigation strategies belong to a family of simple parameterized time-varying feedback controls, independently of the context and objective, and suitable for computational purposes.
Open AccessOptimal structures of crop irrigation strategies with state constraints
We investigate an optimal control problem of crop irrigation with non-autonomous and non-smooth dynamics. Depending on contexts and objectives, several formulations associated to different constraints and criteria can be derived. Our work aims at providing optimal feedback solutions for these problems by deriving and analyzing the optimality necessary conditions. To this end, we assemble the different problems into a common formulation, and we carry out a dedicated way of handling state constraints. We show that all optimal irrigation strategies belong to a family of simple parameterized time-varying feedback controls, independently of the context and objective, and suitable for computational purposes.
- Open Access
Extension of the bang-bang principle for piecewise affine dynamics under constraints
As an extension of the classical bang-bang principle for linear systems, we show that for non-autonomous regional optimal control problems with state constraints, the bang-bang principle does not hold globally even when the dynamics is continuous with respect to the state variable. However, we show that there exist minimal time trajectories to reach a target with extreme controls at the loci where the dynamics is differentiable. We give two examples which exhibit singular arcs exactly at the loci of non-differentiability, i.e. at the boundaries of the regions.
Open AccessExtension of the bang-bang principle for piecewise affine dynamics under constraints
As an extension of the classical bang-bang principle for linear systems, we show that for non-autonomous regional optimal control problems with state constraints, the bang-bang principle does not hold globally even when the dynamics is continuous with respect to the state variable. However, we show that there exist minimal time trajectories to reach a target with extreme controls at the loci where the dynamics is differentiable. We give two examples which exhibit singular arcs exactly at the loci of non-differentiability, i.e. at the boundaries of the regions.