Matrice Multi Critères

0
0-0
Dcision multicritres
Hlne Fargier, Michel Lematre
daprs beaucoup dautres ... fargier@irit.fr "Dcision Multicritre", 2009-2010, Sup Aro (SSP)
1. Introduction
ISAE
Dcision Multi critres
1. I NTRODUCTION
Quelques problmes de dcision et dvaluation

Choisir le site dimplantation dune usine, dun magasin ... Engager du personnel. Acheter du matriel. valuer la qualit des fournisseurs. valuer des projets. Choisir une stratgie dinvestissement.
ISAE Dcision Multi critres 1. I NTRODUCTION
Modle unicritre
Modle unicritre : Optimiser {g (a), a A} o g : A R Mathmatiquement bien pos : Notion de solution optimale; Classement complet des actions; conomiquement mal pos : Un seul critre ? seuils de perception, ... Exigence de critres numriques
Choix dune automobile

alternatives Citroen Peugeot prix (1000 ) critres consommation puissance (kW) type le nombre ni critres le nombre ni dalternatives aucune ne simpose a priori (nest meilleure sur tous les critres)
Renault 21 7.2 58 gpl
Ford 16 7.8 55 diesel
22 7.1 55 essence
20 7.0 65 gpl
Exemple : choix dun candidat

alternatives Durant prtentions critres ge exprience 53 31 7 Dupont 50 25 2 top Dubois Dubosc 53 32 7 top 45 38 15 forte
comptences moyennes
ISAE
1. I NTRODUCTION
Modle multicritre
Modle multicritre : Optimiser {g1 (a), g2 (a) . . . gn (a), a A} o gi : A R Comment optimiser sur **plusieurs** fonctions ? Les critres sont Souvent contradictoires (puissance et prix) Exprims dans des units diffrentes (puissance et prix) Difciles mesurer quantitativement (type moteur): les critres qualitatifs ordonnent plutt que nvaluent
Dmarche gnrale en dcision/optimisation multicritre

dnir lensemble des alternatives possibles (les objets sur lesquels portent la dcision : candidats, ordonnancements, plans), et leurs attributs dnir les diffrents points de vue sur lesquels on jugera les alternatives, tablir des prfrences sur ces points de vue, les traduire en critres (de manire ordinale ou cardinale)
ISAE
1. I NTRODUCTION
Attributs et critres
Attribut: Caractristique dcrivant chaque objet (ge, diplme, rsultats aux tests daptitude, prtentions) Critre : exprime les prfrences du dcideur relativement un point de vue (ex: comptence); Intgre la structure de prfrence du dcideur sur ce critre (minimiser les prtentions, maximiser la comptence) Tableau des attributs Tableau des performances Gnralement (et pour la suite) : attribut critre
ISAE
1. I NTRODUCTION
10
Dmarche gnrale en dcision/optimisation multicritre - cont

dnir lensemble des alternatives possibles (les objets sur lesquels portent la dcision : candidats, ordonnancements, plans), et leurs attributs dnir les diffrents points de vue sur lesquels on jugera les alternatives, tablir des prfrences sur ces points de vue, les traduire en critres (de manire ordinale ou cardinale) synthtiser une structure de prfrence globale sur les alt. exploiter cette structure de prfrence globale pour dcider (algorithmes, calculs)
11
Problmatiques daide la dcision MCDM

Donnes: un ensemble dalternatives, values ou classes par des critres Problmes: Slection : Choix dune solution (la meilleure) ou dun ensemble de (meilleures) solutions Affectation : Tri rsultant de laffectation de chaque alternative une catgorie parmi n (prfnies) Classement : ordonner lensemble des alternatives
ISAE
1. I NTRODUCTION
12
Plan
Introduction Principes de base pour la modlisation des prfrences Agrger puis comparer : les principales approches par fonction dagrgation Comparer puis agrger : les mthodes de surclassement Conclusion
ISAE
1. I NTRODUCTION
13
Exercice 1 alternatives Citroen Peugeot Renault prix (1000 ) critres consommation puissance (kW) type 22 7.1 55 essence 20 7.0 65 gpl 21 7.2 58 gpl Ford 16 7.8 55 diesel
Avec gpl > essence, diesel; minimiser prix et consommation, maximiser performance Quelles sont les meilleures solutions ? Que dire si on ne tient compte que des critres prix et consommation ? Reprsenter les alternatives dans lespace de ces deux critres.
14
2. Principes de base
ISAE
2.P RINCIPES BE BASE
15
2.1 Modlisation des prfrences
Dans un problme multicritre, on distingue: 1. Les prfrences locales, exprimes par les critres 2. La prfrence globale du dcideur sur lensemble des alternatives En gnral, les prfrence locales forment la donne du problme, et on cherche synthtiser la prfrence globale. Les deux niveaux utilisent les mmes modles pour exprimer les prfrences. Attention ne pas les confondre.
ISAE Dcision Multi critres 2.P RINCIPES BE BASE
16
Le modle relationnel
Ce modle dcrit explicitement toutes les comparaisons deux deux entre alternatives. On reprsente les prfrences par une relation signiant que a est prfr au sens large b. sur A: a b
Hypothse minimale : est doit tre rexive (a est toujours au moins aussi bon que a). Le problme de classement: synthtiser un g global partir des critres, cad de prfrences locales i , i = 1, n.
ISAE
17
Prfrence stricte, indiffrence et incomparabilit

dnit 3 relations exclusives sur A : la prfrence stricte, lindiffrence, lincomparabilit, note : note : note : ab ab a b< a a (a b (b bb a a) a)
b) (b
ISAE
18
Transitivit
Dnition [(Quasi) Transitivit] Une relation R est transitive def aRb et bRc implique aRc. Une relation est quasi-transitive def sa partie stricte est transitive. Les relations dindiffrence (et donc les relations sont pas toujours transitives ) ne
Les relations de prfrence stricte sont gnralement transitives Par exemple dans la vie courante ?
19
Critres seuil ou "quasi critres"
Un quasi critre se dni partir dun attribut g numrique A maximiser : a i.e. b g (a) + q g (b) avec q > 0
a b g (a) > g (b) + q , a b |g (a) g (b)| q
Attribut minimiser: a b g (a) q g (b) (i.e. a b quand g (b) q > g (a)) Ex: pour lachat voiture, le critre consommation ne fait une diffrence qu plus de 0.1 litre aux 100.
20
Quasi critres (cont.)
La relation dindiffrence nest pas transitive en gnral Peugeot (7 l) conso Citroen (7.1 l) car 7.1 7 0.1 Citroen (7.1 l) conso Renault (7.2 l ) car 7.2 7.1 0.1 Mais Peugeot conso Renault (car 7.2 7.0 > 0.1) La relation de prfrence stricte obtenue par un critre seuil est toujours transitive.
ISAE
21
Vote la majorit Cest une rgle pour synthtiser la prfrence globale partir des prfrences locales ("rgle de dcision") a
M aj
b |{i, a a 1 b 1 c c 2 a 2 b b 3 c 3 a
b}| |{i, b
a}|
Votant 1: Exemple: Votant 2: Votant 3:
|{1, 2}| > |{3}| : a M aj b, |{1, 3}| > |{2}| : b M aj c, mais |{2, 3}| > |{1}| : c M aj a
ISAE
22
Compltude
Dnition [relation complte)] Une relation def a b ou b a pour tout a et b. est complte est vide. Un critre seuil dnit une prfrence locale complte Le vote la majorit dnit une prfrence globale complte est complte
ISAE
23
La rgle dunanimit
Une rgle de dcision a minima : a b i, a b Ford 16 7.8 55 diesel
U na
Citroen Peugeot prix (1000 ) critres consommation puissance (kW) type 22 7.1 55 essence 20 7.0 65 gpl
Renault 21 7.2 58 gpl
Peugeot U na Citroen; Peugeot U na Renault. Ford et Peugeot sont incomparables; Citroen et Renault le sont aussi.
24
Le modle ordinal : le prordre complet

Dnition [prordre] Un prordre est une relation binaire rexive et transitive. Exercice 2 Montrer que la relation de prfrence lunanimit est un prordre (partiel) Exercice 3 Montrer que si est un prordre, est une relation dquivalence (rexive, symtrique, transitive) et une relation dordre (antisymtrique, transitive)
ISAE
25
Le modle ordinal : le prordre complet (cont.)

Un prordre dni donc un ordre sur les classes dquivalence des ex-quo possibles. Un prordre complet dnit un ordre total sur les classes dquivalence (on peut ranger). Modle ordinal prordre complet sur les alternatives Un critre ordinal peut tre reprsent par une fonction g:A N
ISAE
26
Le modle cardinal
Dnition [critre numrique cardinal] Un critre cardinal est une fonction g : A R Par rapport au modle ordinal (qui peut aussi tre reprsent numriquement), le modle cardinal permet dexploiter des diffrences dintensits entre prfrences. On suppose une information riche. Un critre cardinal induit une relation de prfrence ordinale: a b g (a) g (b) (si maximisation) Exercice 4 Le prouver.
27
Reprsentation des prfrences: en bref

Trois principaux modles pour exprimer des prfrences : le modle relationnel modles acceptant lincomparabilit : Pareto dominance, surclassement modles acceptant lintransitivit: quasicritres, dcision la majorit le modle ordinal = modle relationnel + compltude + transitivit le modle cardinal = information ordinale + intensits cardinales
28
On fait lhypothse simplicatrice que les prfrences sont locales reprsentes par des critres numriques, ordinaux ou cardinaux, ( maximiser, par convention) gi : A R, i = 1, n Problme de classement: synthtiser la prfrence globale du dcideur ( g ) qui en dcoule. Problme de slection: slectionner une alternative prfre au sens de g .
ISAE
29
Hypothse simplicatrice (cont)

Puisque les prfrences locales sont des critres numriques gi : A Ri R, i = 1, n ... ... tout a correspond un vecteur g1 (a), g2 (a), . . . gn (a) des valeurs de a sur les critres, quon appelle prol de a. On le note par convention a = a1 , a2 , . . . , an , avec ai = gi (a) ... on peut passer de lespace des alternatives lespace des prols: on travaille maintenant sur A = R1 Rn
ISAE
30
2.2 Quelques principes de base pour une rgle de dcision

Le principe duniversalit: pour toute paire a, b A, on doit pouvoir dcider si a g b ou non. Le principe dunanimit: si a est au moins aussi bon que b sur tous les critres, alors il faut que a g b
ISAE
31
Pareto-unanimit
Pareto : conomiste, premire rfrence historique la dcision multicritre (1896). Dnition [dominance faible] a domine faiblement b def i, ai bi Dnition [Principe dunanimit] g satisfait le principe dunanimit si et seulement si, si a domine faiblement b alors a g b.
ISAE
32

Le principe duniversalit: pour toute paire a, b A, on doit pouvoir dcider si a g b ou non. Le principe dunanimit: si a est au moins aussi bon que b sur tous les critres, alors il faut que a g b Le principe defcacit: a est au moins aussi bon que b sur tous les critres et meilleur sur certaines (a "domine" b), alors il faut que a g b
ISAE
33
Pareto-optimalit et efcacit
Dnition [dominance (forte)] a domine b def i, ai bi et i, a >i b Dnition [Principe defcacit] : g satisfait le principe defcacit si et seulement si, si a domine b alors a g b. Dnition [Pareto-optimalit] Une alternative a est dite Pareto-optimale si elle nest domine par aucune autre.
Une alternative Pareto-optimale ne peut tre amliore au regard dun critre sans la dtriorer pour un autre. Slection: rechercher uniquement des Pareto optimales
ISAE
34

Le principe duniversalit: pour toute paire a, b A, on doit pouvoir dcider si a g b ou non. Le principe dunanimit: si a est au moins aussi bon que b sur tous les critres, alors il faut que a g b Le principe defcacit: a est au moins aussi bon que b sur tous les critres et meilleur sur certaines (a "domine" b), alors il faut que a g b Le principe dindpendance prfrentielle (ou "sparabilit"): la prfrence entre a et b ne dpend pas des critres sur lesquels a et b reoivent la mme valuation.
35
Principe dindpendance prfrentielle mutuelle (ou "sparabilit")

Assure que les dcisions sont cohrentes "toutes choses gales par ailleurs" Dnition [] g satisfait le principe de sparabilit ssi, quel que soit I X , quels que soient a, b, c, d Rn : aIc
g
bIc aId
bId
o xIy dsigne le prol t tel que ti = xi si i I , ti = yi sinon. Informellement, la prfrence globale entre deux alternatives ne dpend pas des critres qui ne les dpartagent pas.
36
Exemple du tlviseur [Vincke] a - prix critres image son SAV 5 5 4 b 4 5 4 c 5 3 5 d 4 3 5
-1000 -800
-1000 -800
Le principe de sparabilit dit que, si le dcideur prfre a b, alors il prfre c d (et rciproquement)
ISAE
37
Exercices
Exercice 5 Montrer que : est asymtrique : a b implique non b a est irrexive : non a a est rexive : a a est symtrique : a b implique b a est irrexive : non a a est symtrique : a b implique b a
38
Exercice 6 On dnit gnralement , , depuis a b a a b a b et non b b et b a a a
a b non a
b et non b
On pourrait inversement partir de deux relations exclusives (asymtrique) et (rexive, symtrique) et poser: a b def a b ou a b dnie partir de et est rexive.
Montrer que
ISAE
39
Exercice 7 Montrer que toute relation de prfrence globale qui est transitive, sparable et satisfait le principe de projection des chelles: a, b, c, h, i : ai
i
bi ai {i}h
bi {i}h
satisfait aussi le principe defcacit
ISAE
40
3. Agrgation multi critre
ISAE
3. A GRGATION MULTI CRITRE
41
3.1 Introduction
Types dapproches Agrger puis comparer: calculer une note globale pour chaque alternative, puis prfrer celle qui obtient la meilleure (ce chapitre) Comparaison par paires: tablir la prfrence entre deux alternatives en fonction des degrs de surclassement obtenus sur chaque critre (chapitre suivant)
ISAE
42
Principe de base
La relation de prfrence globale est donne par un critre cardinal global h : A R obtenu par agrgation des critres numriques par une fonction dagrgation f : Rn R. Le critre cardinal global est dni par h(a) = f (a1 , . . . , an ). "Agrger puis comparer" : a
g
b h(a) h(b)
ISAE
43
Proprits des approches par fonction dagrgation

a
g
b f (a1 , . . . , an ) f (b1 , . . . , bn )
La relation de prfrence globale est forcment un prordre total. Le principe dunanimit exige que f soit monotone croissante. Le principe defcacit exige que f soit monotone strictement croissante. Selon les fonctions dagrgation, les principes defcacit et de sparabilit peuvent tre ou non satisfaits
ISAE Dcision Multi critres 3. A GRGATION MULTI CRITRE
44
3.2 Fonctions dagrgation additives

n
h(a) =
i=1
ui (ai )
avec ui monotones strictement croissantes (ui : fcts. dutilit) Cas particulier de la combinaison linaire des critres (ou somme pondre): ui (ai ) = i . ai h(a) =
i
i . ai , i > 0
Exercice 8 Montrer que le maximum dune fonction dagrgation additive correspond des alternatives Pareto-optimales.
45
Sparabilit
= cohrence des dcisions toutes choses gales par ailleurs. Proprit Les fonctions dagrgation additives satisfont le principe de sparabilit. Exercice 9 Le dmontrer Thorme (Debreu 1960) Si A est connexe, sparable et ordonn w.r.t. g , alors il existe une fonction dagrgation additive reprsentant la relation g . Inversement, si g nest pas sparable, aucune fonction dagrgation additive ne peut la reprsenter.
46
Le cas particulier de la somme pondre

u(a) =
i=1,n
wi ai , wi > 0
Interprtation des poids wi ? un point dlicat : les poids wi reprsentent des taux de substitution entre critres (w1 = bw2 signie (0, b, ....) (1, 0, ......))) plutt quune importance vhicule lide de compensations possibles entre critres (ab) (a , b + ) : le gain de compense la perde de . suppose implicitement que tous les critres peuvent sexprimer indirectement dans la mme unit (euros, secondes, ...) : pb. de normalisation des chelles
47
Somme pondre : critique 2)

limine des alternatives Pareto-optimales qui peuvent tre intressantes car quilibres et peut donc favoriser des alternatives extrmes.
wi g1 g2 0.5
0.5 20
5 12
5 20 12
Les deux alternatives extrmes a et b sont considres quivalentes, et meilleures que lalternative quilibre c.
48
Somme pondre : critique 3)

Une faible variation des poids peut entraner de grandes consquences sur la prfrence globale. wi g1 g2 0.499 0.501 a 20 b c
5 12
5 20 12
Le jeu de poids 0.499, 0.501 entrane b a, mais le jeu 0.501, 0.499 entrane a b.
ISAE
49
3.3 La fonction min
h(a) = min ui (ai )

i
On cherche maximiser le critre le moins satisfait. Contrairement aux agrgations additives, elle est adapte aux critres ordinaux comme aux critres cardinaux. Utilis plutt en dcision cooprative (ex: des allocations montaires aux agents) :maximiser la satisfaction de lagent le moins satisfait
50
Sparabilit
Loprateur min ne distingue pas entre les prols dont les minimaux sont gaux. Exemple : 4, 2, 3, 2 et 2, 4, 2, 2 sont indistingus. Le min ne satisfait pas le principe de sparabilit: 5, 4 5, 3 mais 2, 4 2, 3 Le principe defcacit nest pas respect non plus : 2, 4 2, 3
ISAE
51
Un rafnement du min : le leximin

Rattraper le faible pouvoir de dcision du min en rafnant lordre quil propose. Lide est donc dter les paires dutilits minimum gales avant de prendre le min, jusqu ce quils soient diffrents. Ici : 4, 2, 3, 2 : 2, 4, 2, 2 4, 3, 2 : 4, 2, 2 4, 3 : 4, 2 .
ISAE
52
Le leximin (2)
Ordre leximin = tris non dcroissant des vecteurs, puis ordre lexicographique (inverse) Exemples : 1, 2, 3, 4 =leximin 4, 2, 1, 3 , car 1, 2, 3, 4 1, 2, 3, 4 4, 2, 3, 2 leximin 9, 2, 2, 2 , car 2, 2, 3, 4 prcde 2, 2, 2, 9 dans lordre lexicographique inverse
Lordre leximin rafne lordre induit par le min : v min u v leximin u

53
3.5 Lintgrale de Choquet
Le principe de sparabilit est loin tre respect lorsque lon observe des dcideurs en situation Il est battu en brche lorsquil y a des interactions entre critres (redondances, oppositions)
ISAE
54
Un contre exemple la sparabilit

alternatives = clubs de tennis critres = quipements: tennis,sauna, hammam, tir larc Critres sauna hammam Cat Alternatives Cht Cats Chts non non oui oui non OUI non OUI arc OUI non OUI non tennis oui oui oui oui
La plupart des gens prfrent Cht Cat , mais Cats Chts . La sparabilit nest pas respecte
55
Mesure oue
Il faut exprimer explicitement limportance des combinaisons de critres. Dnition [Mesure oue] Une mesure oue sur X est une fonction : 2X [0, 1], avec (X ) = 1, () = 0, S T = (S ) (T )(monotonie) (tend la notion de poids un sous-ensemble de critres)
ISAE
56
Mesure oue (cont.)

Sur lexemple: ({ten.}) = 0.6, ({arc}) = 0.1, ({sauna}) = 0.25, ({ham.}) = 0.25 Donc, ({sauna, arc}) = 0.35 alors que ({sauna, ham.}) = 0.3, et ce bien que "arc" soit un critre bien moins prioritaire que "hammam" ({ten.} A) = 0.6 + (A) (A t.q. ten. / A) ({arc} A) = 0.1 + (A) ({sauna, ham.}) = 0.3 (A t.q. arc / A)
ISAE
57
Extension de la somme pondre aux critres dependants : Intgrale de Choquet

Comment calculer une utilit agregge partir dune fonction dutilit u et dune capacit sur les critres ? Retournons dabord sur le cas de la somme pondre Ex: 3 critres, hyp. (non restrictive) : u(a3 ) u(a2 ) u(a1 )) h(a) = h(a) = + + u(a3 ).w3 + u(a1 ) (u(a2 ) u(a1 ))) (u(a3 ) u(a2 )) u(a2 ).w2 . . . + u(a1 ).w1 (w3 + w2 + w1 ) (w3 + w2 ) (w3 )
ISAE
58
Extension de la somme pondre aux critres dependants : Intgrale de Choquet
Pour une capacit additive ((A) = iA ({i})): Maximiser j =m...1 (j j 1 ) . (Aj ) Avec L = m > > 1 et Aj = {i, u(ai ) j }
Pour une capacit quelconque Maximiser Ch((a1 , . . . , an )) =

j =m...1 (j
j 1 ) . (Aj )
ISAE
59
Lintgrale de Choquet
Scruter la dcision par niveau de satisfaction i , croissant. Au niveau de satisfaction de plus bas (1 ) : soutien de A1 = S - force (S ) = 1 Pour chaque increment dutilit i i1 , i = 2, m, soutien : Ai = {j, u(aj ) i }, Utilit pondre pour lincrement i i1 : (i i1 ) (Ai ) A sommer sur tous les increments de satisfaction: Ch((a1 , . . . , an )) = 1 . (A1 ) + i=2,m (i i1 ) . (Ai )
Pour retrouver les moyenne pondres, poser (A) = j A ({j })
60
Lintgrale de Choquet (cont.)

Avec 1 = non (u(non) = 0) et 2 = oui (u(oui) = 1)
C (Cat ) C (Cht ) C (Cats ) C (Chts ) = 0 ({ham., ten., sauna, arc}) = ({arc, ten.}) = 0.7 = 0 ({ham., ten., sauna, arc}) = ({ham., ten.}) = 0.85 = 0 ({ham., ten., sauna, arc}) = ({arc, ten., sauna}) = 0.95 = 0 ({ham., ten., sauna, arc}) = ({ham, ten., sauna}) = 0.9 + (1 0) ({ham, ten., sauna} + (1 0) ({arc, ten., sauna}) + (1 0) ({ham., ten.}) + (1 0) ({arc, ten.})
ISAE
61
Lintgrale de Choquet (cont.)

Le min est une intgrale de Choquet particulire Exercice 10 Le montrer Plus gnralement, on peut montrer que les moyennes pondres ordonnes sont des intgrales de Choquet particulires. En fait, les intgrales de Choquet recouvrent toute une gamme de compromis entre le min et le max, en passant par les moyennes pondres et la mdiane.
ISAE
62
3.6 Utilisation des approches agregatives thorie de lutilit multi attribut

On ne connait pas au dpart les critres du dcideur, mais simplement lespace des vecteurs dattributs A = A1 An . Le dcideur ne peut pas exprimer toute sa relation de prfrence sur A. Le problme: Essayer, en fonction des proprits souhaites de la rgle de dcision et dexemples de deviner et calibrer la rgle de dcision ("Thorie du Mesurage Conjoint"). Puis lutiliser en situation de dcision.
63
Lutilit multiattribut
Cest LE modle standard, traditionnel, appel aussi modle dit de lcole amricaine . Ref: R. L. Keeney and H. Raiffa, 1976: Decisions with Multiple Objectives: Preferences and Value Tradeoffs. Hypothse fondamentale : La relation de prfrence globale g est un prordre total, donc il existe un critre global u : A R, (fonction dutilit globale) avec a b u(a) u(b)
Cette relation est pr-existante mais cache. Le rle dune mthode daide la dcision est de rvler cette relation.
64
Lutilit multiattribut (cont.)

Autres hypothses : les prfrences sur les points de vue sexpriment par des attributs numriques (utilits) g1 , g2 , . . . , gn lutilit globale ne dpend que des critres, est donne par une fonction dagrgation : u(a) = f (a1 , a2 , . . . , an ) avec ai = gi (a).
ISAE
65
Lutilit multiattribut cas sparable

Lorsquon admet la sparabilit des critres, on se tourne (quasi) forcment vers un modle additif (Debreu) u(a) = i=1,n ui (ai ) croissantes avec ui monotones strictement
La question essentielle reste donc de trouver les ui . Principales voies : 1. apprentissage des ui par points partir dune base dalternatives values sur tous les critres et classes globalement. Dans cette voie : mthode UTA, logiciel UTA+ 2. recherche de courbes iso-prfrence.
66
Cas non sparable

Lorsque la proprit de sparabilit nest pas vrie on cherche exprimer des synergies entre critres Se tourner plutt vers des fonction dagrgation non additives : des fonctions simples comme u(a) = [u1 (a1 ) + u2 (a2 )] u3 (a3 ) les moyennes pondres ordonnes (OWA) les intgrales de Choquet A paramtrer correctement (liciter les poids ou plus gnralement la mesure oue .....)
67
Exercice 11 Montrer que lordre leximin est un prordre complet et respecte le principe defcacit. Exercice 12 Imaginez un exemple raliste dune situation de dcision multicritre pour laquelle la proprit de sparabilit des critres nest pas vrie. 1. Donnez pour votre exemple (1) le tableau alternatives / critres habituel, (2) les prfrences globales du dcideur sur les alternatives, et montrez pourquoi la proprit nest pas vrie. 2. Quelle consquence majeure cela a-t-il sur lexpression de relation de prfrence globale du dcideur ? 3. Sur votre exemple, imaginez une fonction dutilit globale, agrgeant les critres, capable dexprimer les prfrences globales.
68
Exercice 13 (prfrence globale lexicographique) On se donne un ordre total (un classement sans ex-aequos) sur les critres, reprsentant leur importance. Soit deux alternatives a et b. Si on peut dcider laquelle est la meilleure au regard du premier critre seul (le plus important), alors on ne tient pas compte des autres. Sinon, cest que ces alternatives sont indiscernables au regard du premier critre. On cherche alors trancher entre celles-ci laide du second critre, ... et ainsi de suite. Questions : 1) exprimer formellement la relation de prfrence globale. 2) est-ce bien un prordre complet ? est t il sparable ? efcace ? 3) On supposera que les domaines des critres sont nis. laborer un critre cardinal global reprsentant la relation de prfrence globale.
69
4. Mthodes de surclassement
ISAE
4. M THODES DE SURCLASSEMENT
70
4.1 Introduction
Lapproche par fonctions dagrgation procde par rduction dune logique multicritre au cas monocritre, au prix dhypothses extrmement restrictives Dans le monde rel les critres ne sont pas sparables les chelles des diffrents critres ne sont pas commensurables (unit commune ?) lindiffrence nest pas transitive lindiffrence (on peut choisir au hasard) est diffrente de lincomparabilit (incapacit choisir si critres en conit)
ISAE Dcision Multi critres 4. M THODES DE SURCLASSEMENT
71
Rsum de la dmarche
Contrairement au modle traditionnel, on ne prsuppose pas quune relation de prfrence sur les dcisions soit totale, ni transitive, ni mme quelle pr-existe. Laide la dcision multicritre est plutt considre comme un processus dlaboration dune structure de prfrences. Recherche dun compromis entre la relation de dominance au sens de Pareto, juge trop pauvre, et une relation dordre total dcoulant dune agrgation juge trop arbitraire et rductrice (nalement, cest du monocritre).
72
Exemple: la mthode interactive "STEM"

Aider lutilisateur se dplacer dans lespace des alternatives. Par exemple, optimiser sur deux critres = 1. Optimiser sur le premier, puis sur le second (ex: maximiser h(a) = g1 (a) + g 2(a) avec grand) 2. Demander lutilisateur de combien il peut en rabattre sur C1 : poser une contrainte g1 (a) sur C1 et optimiser sur C2 3,4,5,... : On recommence : Demander lutilisateur de combien il peut en rabattre sur C2 et optimiser sur C1, etc.
ISAE
73
Mthodes de surclassement (outranking)

Une mthode de surclassement cherche tablir et explorer une relation de surclassement. aSb def il existe sufsamment darguments pour admettre que a est au moins aussi bonne que b, sans quil y ait de raison importante de refuser cette afrmation. Deux tapes : la construction de la relation de surclassement (pas forcement transitive ni quasi transitive) son exploitation: en extraire un "noyau" de bonnes alternatives
74
4.2 Construction dune relation de surclassement

La dmarche : on compare (phase 1) puis on agrge (phase 2)
Phase 1 : les alternatives sont compares par paires (a, b), Pour chaque critre i, une fonction i : R R R, tablit le degr de surclassement de a sur b: On obtient n indices i (ai , bi )
75
Construction dune relation de surclassement (cont.)

Phase 1 n indices i (ai , bi ) Phase 2 : on agrge les rsultats des comparaisons par une fonction : Rn R ce qui dcide de la prfrence globale : aSb 1 a1 , b1 , . . . , n an , bn 0
En gnral cela donne une relation de prfrence globale qui nest pas un prordre complet, donc pouvant tre difcile exploiter.
76
Exemple: surclassement la majorit

Exemple trs simple (majorit relative, mthode de Condorcet) i (x, y ) = 1 si x >i y, i (x, y ) = 0 si x =i y, i (x, y ) = 1 si x <i y . = .
Autrement dit : aSb (i.e. i (ai , bi ) 0) si une majorit de critres (votants) prfrent a b.
Exercice 14 Construire, selon cette mthode, un exemple pour lequel la relation de prfrence nest pas transitive (paradoxe de Condorcet).
77
4.3 Exploitation de la relation de surclassement

On fait correspondre S un graphe sur A. On cherche un sous-ensemble N dalternatives incomparables entre elles et tel que toute alternative qui nest pas dans N est surclasse par au moins une alternative de N ; formellement : b A N , a N : aSb a, b N : aSb Lensemble N sappelle le noyau du graphe. Il reprsente un ensemble dalternatives intressantes parmi lesquelles le ou les dcideurs devraient faire leur choix.
78
Dtermination du noyau
Tout graphe sans circuit admet un noyau unique. Un graphe avec circuits admet 0, 1 ou plusieurs noyaux.
Le problme gnral de dcider si un graphe possde un noyau de moins de k nuds est NP-complet (dc on ne connat pas dautres algorithmes que croissant exponentiellelement avec la taille des donnes). Ce problme nadmet pas dalgorithme dapproximation polynmial.
ISAE
79
4.4 Un exemple historique : la mthode ELECTRE I
(Roy, 1968), la plus ancienne mais bien reprsentative.
ISAE
80
ELECTRE I : dnition de la relation de surclassement

on attribue chaque critre gi un seuil dindiffrence i et un poids pi retant son importance (avec i pi = 1) matrice de concordance : on calcule pour chaque paire dalternatives (a, b) le nombre c(a, b) =
i:ai +i bi
pi
Le nombre c(a, b) est un rel entre 0 et 1 ; il rsume la force des arguments qui ne sopposent pas aSb , par une sorte de vote pondr.
81
ELECTRE I : dnition de la relation de veto

on attribue chaque critre gi un seuil de veto vi matrice de veto : on calcule pour chaque paire dalternatives (a, b) le nombre d(a, b) = 1 si i, bi > ai + vi , d(a, b) = 0 sinon
d(a, b) = 1 veto sur la prfrence aSb car b est bien meilleur que a sur un critre au moins i
ISAE
82
ELECTRE I : dnition de la relation de surclassement

Finalement: on se xe un seuil de concordance avec 0 < 1 on dnit aS b def c(a, b) et d(a, b) = 1
Exercice 15 Exprimer la relation de surclassement de la mthode ELECTRE I dans le modle gnral des relations de surclassement.
ISAE
83
ELECTRE Is : dnition du Noyau et +

Tout graphe sans circuit admet un noyau unique. Ide : supprimer les cycles dans S en condensant les classes dquivalence et supprimant des artes (selon une matrice de robustesse) En gnral on revient ensuite la phase 1 et on essaie dautres seuils de concordance, voire dautres poids (analyse de sensibilit), an de conforter les opinions. Logiciels associs bureau dtude.
ISAE
84
Autres mthodes ELECTRE

ELECTRE-1, ELECTRE-1S choix dune ou de quelques alternatives ELECTRE-TRI tri (dans des classes prdnies) ELECTRE III et IV rangement (prordre)
ISAE
85
Exercices
Exercice 16 Soit la proprit de monotonie suivante : a, b : j : gj (a) gj (b) et i = j : gi (a) = gi (b) implique aSb Quelles exigences sur les et i peuvent traduire cette hypothse ?
ISAE
86
Exercice 17 Un cabinet de recrutement fait subir 3 tests aux 6 candidats un poste. Ces tests concernent les points de vue suivants: lvaluation des comptences (critre g1 ), la culture gnrale (critre g2 ) et la motivation (critre g3 ). Chaque test est not sur une chelle de 0 20. Les rsultats sont les suivants candidats A g1 critres g2 g3 B C D 4 E F 6 16 10 18 18 16 14 18 12 16 12 6
10 14
20 12 18
On considre que le critre de comptence est primordial (poids relatif 0.6), le critre de motivation deux fois moins important (poids relatif 0.3) et le critre de culture gnrale secondaire (poids relatif 0.1).
87
Quels sont les alternatives pareto efcaces Quelles seraient les meilleurs candidats au sens de la somme pondre candidats A g1 critres g2 g3 B C D 4 E F 6 16 10 18 18 16 14 18 12 16 12 6
10 14
20 12 18
Comptence: 0.6; motivation : 0.3 ; culture gnrale : 0.1. Etablir la matrice de concordance (pour chacun des critres, on prend un seuil dindiffrence egal 3) et la matrice de vto (seuil de vto gal 9). On rappelle que c(a, b) = j :aj +qj bj pj et
88
d(a, b) = 1 si j, aj + vj < bj , d(a, b) = 0 sinon. Etablir la relation de surclassement pour un seuil 1 correspondant aux conditions les plus svres. Extraire le noyau. Dterminer un ou deux autres seuil(s) offrant une relation plus riche sans pour autant introduire de cycle. Quel serait daprs cette analyse le meilleur candidat ? Comparer les resultats obtenus par les deux mthodes (somme pondre et surclassement)
ISAE
89
5. Conclusion: loptimisation multicritre en pratique
ISAE
5. C ONCLUSION : L OPTIMISATION MULTICRITRE EN PRATIQUE
90
Loptimisation multicritre en pratique

Problmatiques essentielles: Quelles sont les proprits souhaitables/intressantes de la relation de prfrence globale ? monotonie, sparabilit des critres, compltude, transitivit, compensation possibles entre critres Lorsque cest possible (hypothses fortes) se tourner vers un approche agrgative: Quelle est la bonne fonction dagrgation ? comment la paramtrer (ex: utilit multi attribut) ?
ISAE Dcision Multi critres 5. C ONCLUSION : L OPTIMISATION MULTICRITRE EN PRATIQUE
91
Le modle additif ou non ?

Le modle additif fait des hypothses fortes : compltude, commensurabilit donc compensations possibles entre points de vue, sparabilit, transitivit Il convient bien pour les applications de type technique (critres quantitatifs mesurables objectivement) rptitif dans le temps Les modles non additifs : pour prendre en compte des interactions entre critres (synergies, non-sparabilit), la non commensurabilit, lordinalit des valuations
ISAE
92
Approches constructives
Approches constructives: "fonder progressivement une conviction plutt que de rvler un optimum ou une prfrence pr-existante On ne prsuppose pas quune relation de prfrence sur les dcisions soit totale, ni transitive, ni mme quelle pr-existe. Laide la dcision multicritre est plutt considre comme un processus dlaboration dune structure de prfrences.
ISAE
93
Optimiser sur un espace combinatoire

Approches agregatives simples (critres indpendants) Programmation par contraintes, contraintes values Critres dpendants: Choquet en programmation par contraintes (a commence) Mthodes de surclassement: plus dur, il faut comparer un nombre exponentiel de paires Mais on peut toutefois garder laspect interactif (ex: STEM)
ISAE
D ecision Multicrit` ere Exercices corrig es eme 3` ann ee ISAE

H el` ene Fargier 2009-2010
Choix dune automobile

On considere le probl` eme de choix dune automobile suivant :
alternatives Citroen Peugeot Renault Ford prix (1000 ) 22 20 21 16 crit` eres consommation 7.1 7.0 7.2 7.8 puissance (kW) 55 65 58 55 type essence gpl gpl diesel Avec gpl > essence, diesel ; minimiser prix et consommation, maximiser performance Quelles sont les meilleures solutions ? Que dire si on ne tient compte que des crit` eres prix et consommation ? Repr esenter les alternatives dans lespace de ces deux crit` eres. Si lon compare les alternatives sur les 4 crit` eres : Peugeot domine Renault (consomption plus faible, plus puissante et moins cher pour le m eme type de moteur). Elle domine egalement Citroen. En revanche, elle ne domine pas Ford. Ford ne domine ni nest domin ee par aucune autre alternative. Peugeot et Ford sont appel ees d ecisions ecaces ou Pareto-optimales. Ce sont les deux meilleures solutions M eme r esultat si lon ne prend en compte que les crit` eres consommation et prix : C et R sont domin ees par P (moins bonnes sur les deux crit` eres. Elles peuvent donc etre rejet ees a priori.
Pr ef erence ` a lunanimit e
Montrer que la relation de pr ef erence a ` lunanimit e est un pr eordre (partiel)
On montre facilement ` a partir de sa d enition que la relation de pr ef erence globale ` a lunanimit e que la r eexivit e des pr ef erences locales ( i, ai i ai ) entra ne celle de la relation globale. Pour la transitivit e, on suppose que a U na b et b U na c, i.e. par d enition, i, ai U na bi et i, bi U na ci . Donc i, ai U na bi et bi U na ci . Par transitivit e des i , cela donne i, ai i ci . Donc i, a U na c. a U na est transitive. Reexive et transitive, U na est un pr eordre. Il est partiel (pas complet) : on peut exhiber un cas dincomparabilit e, e.g. sur lexemple du choix dautomobiles.
D ecompositions dun pr eordre
Montrer que si est un pr eordre, est une relation d equivalence (r eexive, sym etrique, transitive) et une relation dordre (antisym etrique, transitive) est r eexive parce que lest. est sym etrique : supposons a b. Par d enition on a a de b a.
betb
a ce qui est aussi la d enition
est transitive : a b et b c s ecrit a b et b c et b a et c b. Par transitivit e de , cela donne a c et c a donc a c. est irr eexive : a a est par d enition a aetnona a ce qui est impossible. Donc non(a a). est transitive : supposons a b et b c. On a donc les assertions suivantes : a b, non(b a), b c, non(c b). De l` a nous tirons que a c par transitivit e de . Pour montrer maintenant que non(c a), supposons que cela soit : c a. Par transitivit e de , avec a b, nous tirons c b, ce qui est en contradiction avec non(c b). Donc on a non(c a). Mais nous avions montr e a c, ce qui, avec non(c a), s ecrit a c et termine la d emonstration. Supposons a b. On doit montrer que est asym etrique, cest-` a-dire non(b a). Supposons que cela soit, cest-` a-dire b a. Par la transitivit e on tire a a, en contradiction avec lirr eexibilit e d emontr ee plus haut. G est donc asym etrique.
Relation de pr ef erence induite par un crit` ere num erique

b g (a) g (b) (si
Montrer quun crit` ere cardinal induit une relation de pr ef erence ordinale : a maximisation)
On pose a b g (a) g (b) et on montre les propri et es de ainsi d enie : est vide : Evident : on a soit g (a) > g (b) soit g (b) > g (a), soit g (a) = g (b), et jamais impossibilit e de comparer. est complete (ou compl` ete) : a b ou b a pour tout aetb A parce que est vide et sont transitives : Evident : par transitivit e de > et = et donc = est r eexive et transitive (cest un pr eordre) est reexive parce que lest. est transitive parce que et le sont.
D ecomposition dune relation de pr ef erence quelconque

Soit une relation de pr ef erence. Montrer que : est asym etrique : a b implique non b a est irr eexive : non a a est r eexive : a a est sym etrique : a b implique b a est irr eexive : non a a est sym etrique : a b implique b a
Trivial a partir des d enitions
D enition dune relation ` a partir de ses parties stricte et assym etrique

On d enit g en eralement , , depuis a b a b et non b a a b a b et b a a b non a b et non b a :
On pourrait inversement partir de deux relations exclusives (asym etrique) et (r eexive, sym etrique) et poser : a bab mbox ou a b Montrer que d enie a ` partir de et est r eexive.
Evident : a a donc a
Relation de pr ef erence ` a lunanimit e
Montrer que toute relation de pr ef erence globale qui est transitive, s eparable et satisfait le principe de projection des echelles : a, b, c, h, i : ai i bi ai {i}h bi {i}h satisfait aussi le principe decacit e Se d emontre par r ecurrence sur le nombre de crit` eres o` u ai i bi . Cas 1 : Si pour tous les crit` eres sauf un, aj = bj (sur ces crit` eres, les deux vecteurs sont identiques), et que sur le dernier crit` ere, disons i, ai i bi . Le principe de projection des echelles assure que ai {i}h bi {i}h, en posant h = a = b, cela donne ai {i}a bi {i}b, i.e. a b. Cas m + 1 : Supposons que , quels que soient a et b, si sur tous crit` eres sauf m, aj = bj et que sur les m autres crit` eres ai i bi , alors a b. On choisit maintenant a et b tels que, sur tous crit` eres sauf m + 1, aj = bj et que sur les m + 1 autres crit` eres ai i bi . On note j lun des crit` eres o` u ai i bi . Par r ecurrence, a{j }a a{j }b et ` a cause du principe de projection a{j }b b{j }b. Par transitivit e, a{j }a b{j }b, i.e. a b
Aggr egation additive et Pareto optimalit e
Montrer que le maximum dune fonction dagr egation additive correspond a ` des alternatives Paretooptimales. Rappel : une fonction dagr egation additive est de la forme h(a) = i=1 fi (ai ) o` u les fi sont des fonctions monotones strictement croissantes. Soit a une alternative maximisant sur A la fonction h(a), et supposons que cette alternative ne soit pas Pareto optimale. Il existe donc une alternative a qui la domine, et donc :
i : a i ai , et i : ai > ai n
Utilisons maintenant le fait que les fonctions fi sont monotones strictement croissantes par d enition :
i : fi (a i ) fi (ai ), et i : fi (ai ) > fi (ai )
et donc
fi (a i) >
i=1 i=1
fi (a i ),
do` u une contradiction puisque a ne maximiserait pas h(a).
S eparabilit e des m ethodes dagr egation additives
Montrer que les relations de pr ef erence d enies par de es fonctions dagr egation additives satisfont le principe de s eparabilit e. Soient a, b, c trois alternatives et V un ensemble de crit` eres tels que aV c bV c au sens dune agr egation additive, i.e. iV f i(ai ) + i f i ( c ) f i ( b ) + f i ( c ). Ceci est logiquement e quivalent a ` i iV i i /V i /V iV f i(ai ) iV f i(bi ), cette derni` ere in egalit e etant elle m eme equivalente ` a iV f i(ai )+i f i ( d ) i /V iV f i(bi ) + i bV c est logiquement equivalent ` a / V f i(di ), quel que soit lalternative d. Donc aV c aV d bV d.
10
Le min comme int egrale de Choquet
Montrer que le min est une int egrale de Choquet particuli` ere Pour exprimer le min par une int egrale de Choquet, on pose (S ) = 1, (A) = 0A = S . Pour exprimer un OWA quelconque par une int egrale de Choquet, poser (A) = i=nCard(A)+1,n wi Voir : M. Grabisch, On equivalence classes of fuzzy connectives : The case of fuzzy integrals. IEEE Transactions on Fuzzy Systems 3 1 (1995), pages 96 ` a 109.
11
Le leximin et le principe decacit e
Montrer que lordre leximin est un pr eordre complet et respecte le principe decacit e. Lordre leximin est complet car on peut toujours comparer lexicographiquement (ordre du dictionnaire) deux vecteurs. Il est r eexif car lordre lexicographique sur les vecteurs est r eexif. Supposons que a leximin b et b leximin c. Si on a deux indi erences, cest que les trois vecteurs sont identiques ` a une permutation pr` es ; une fois rang es ils sont donc equivalent pour lordre lexicographique. Donc ils sont equivalents pour le leximin. Si a leximin b et b leximin c, cela signie que, jusqu` a une composante i les vecteurs classes correspondant ` a a et ` a b, not es a et b sont identiques, et quen i , a eme fa con, jusqu` a i > bi . De la m . > b une composante j les vecteurs classes correspondant ` a b et ` a c, sont identiques, et quen j , b j j Soit k = min(i , j ). Jusquen k , les trois vecteurs class es sont identiques ; en k , soit a k > bk et b etant identiques k = ck , soit ak = bk et bk > ck . Donc en k ak > ck . Les vecteurs classes a et c jusquen k , avec de plus ak > ck , on a par d enition a leximin c. Pour prouver le principe decacit e, prenons a et b tels que a domine b au sens de Pareto (sens fort). a leximin b est impossible car les deux vecteurs classes sont di erent du fait de la dominance. Consid erons les deux vecteurs class es, et supposons que b leximin a. Cela signie quil existe une composante des vecteurs class es tels que a i < bi et j < i, aj = bj . ere, ak bk , puisque a domine b au sens de Pareto par Soit k le crit` ere qui fournit ai ; sur ce crit` hypoth` ese . Ce crit` ere bk ne peut pas apparaitre dans les vecteur class e b apr` es le rang i car toutes les notes a partir du rang i sont sup erieurs ou egales ` a bi et bi > ai = ak . On fait le m eme raisonnement pour tous les crit` eres qui fournissent les a j , j < i : aucun dentre deux ne peut pas apparaitre dans les vecteur class e b apr` es le rang i. Soient donc i + 1 notes a appara tre avant le rang i, ce qui est impossible.
12
Un contre exemple ` a la s eparabilit e
Imaginez un exemple r ealiste dune situation de d ecision multicrit` ere pour laquelle la propri et e de s eparabilit e des crit` eres nest pas v eri ee. 1. Donnez pour votre exemple (1) le tableau alternatives / crit` eres habituel, (2) les pr ef erences globales du d ecideur sur les alternatives, et montrez pourquoi la propri et e nest pas v eri ee. 2. Quelle cons equence majeure cela a-t-il sur lexpression de relation de pr ef erence globale du d ecideur ? 3. Sur votre exemple, imaginez une fonction dutilit e globale, agr egeant les crit` eres, capable dexprimer les pr ef erences globales. On compare 4 types dautomobiles selon 3 crit` eres : prix (en kE), consommation (en l/100 km), confort (not e sur 20). a -10 15 -10 -35 alternatives b c -9 -10 13 15 -10 -30 -34 -40 d -9 13 -30 -43
crit` eres
g1 consommation g2 confort g3 prix g
On suppose que les pr ef erences globales du d ecideur sont d c a b. Le d ecideur pr ef` ere b a `a (lorsque le prix est faible, il privil egie la consommation au confort), mais il pr ef` ere c ` a d (lorsque le prix est elev e, il privil egie le confort ` a la consommation). 4
La cons equence importante de la non-s eparabilit e est que la pr ef erence globale ne peut pas etre repr esent ee par une fonction dutilit e qui soit une fonction dagr egation additive sur les crit` eres. Pour aller au plus simple, on va utiliser un crit` ere global h le crit` ere global d eni par test sur le crit` ere co ut (on aurait pu alternativement construire une int egrale de Choquet) : si g3 < 20 : h = g1 + 2g2 + 2g3 si g3 20 : h = 3g1 + g2 + 2g3 . Les valeurs de g sont repr esent ees dans le tableau ci-dessus. Elles permettent de repr esenter les pr ef erences globales : (x y ) (h(x) < h(y ))
13
Pr ef erence globale lexicographique
On se donne un ordre total (un classement sans ex-aequos) sur les crit` eres, repr esentant leur importance. Soit deux alternatives a et b. Si on peut d ecider laquelle est la meilleure au regard du premier crit` ere seul (le plus important), alors on ne tient pas compte des autres. Sinon, cest que ces alternatives sont indiscernables au regard du premier crit` ere. On cherche alors a ` trancher entre celles-ci a ` laide du second crit` ere, ... et ainsi de suite. Questions : 1) exprimer formellement la relation de pr ef erence globale. 2) est-ce bien un pr eordre complet ? est t il s eparable ? ecace ? 3) On supposera que les domaines des crit` eres sont nis. Elaborer un crit` ere cardinal global repr esentant la relation de pr ef erence globale. On classe les crit` eres du moins important (petit indices) au plus important (gros indices). 1) exprimer formellement la relation de pr ef erence globale. a b ssi existe un crit` ere j tel que aj > bj et si ak = bk pour tous les crit` eres k plus importants que j , i.e. pour tout k > j . a b ssi ak = bk pour tout k . comme = . 2) est-ce bien un pr eordre complet ? complete, forc ement : si deux alternatives ont les m eme evaluations sur tous les crit` eres, elle sont jug ees indi erente. Sinon, on consid` ere le plus important des crit` eres o` u les notes di` erent, et l` a ce crit` ere impose sa pr ef erence stricte. r eexif evident aussi car a a pour tout a, par d enition transitif : est transitif, elle correspond ` a lidentit e des vecteurs. Soient a, b, c tel que a b et b c. Soit k le plus important des crit` eres sur lesquels soient a di` ere de b, soit b di` ere de a. Sur tous les crit` eres plus importants, ai = bi = ci . En k , on a soit ak >k bk et bk k ck , soit ak k bk et bk >k ck ; dans les deux cas, par transitivit e des pr ef erences locale, ak > ck . Puisque ai = ci i > k et ak > ck la denition induit a c. Donc est transitive. Puisque la relation est compl` ete et que ses deux composantes et sont transitives, elle est transitive. 3) elaborer un crit` ere num erique global repr esentant la relation de pr ef erence globale On va chercher ` a encoder la relation de pr ef erence globale par une somme pond er ee. h(a) = i ai . pi Pour y parvenir, il faut que les niveaux de pr ef erence sur chaque crit` ere soient en nombre ni. Supposons quon sy ram` ene, avec par exemple N + 1 niveaux par crit` ere, par exemple entre 0 et N (ceci se fait sans perte de g en eralit e). Soit n le nombre de crit` eres. Le cas le moins favorable pour une pr ef erence lexicographique a b est quand, sur le crit` ere d ecisif k , ak bk = 1 et que sur tous les crit` eres moins important que k , b est excellent (note N ) et a mauvais (note 0). La traduction de a b par une somme pond er ee exige que : i>k ai . pi + ak . pk + 0 > i>k bi . pi + bk . pk + i<k N.pi ce qui est equivalent ` a
ak . pk + 0 > +bk . pk + i<k N.pi Une condition susante pour que cette in equation soit v eri ee est ak . pk + 0 > +bk . pk + (n 1)N.pk1 k Soit (ak bk ) . pk > (n 1)N.pk1 k , i.e. pk > (n 1)N.pk1 Il sut alors que choisir les poids pk de mani` ere ` a respecter cette in equation. Par exemple pk = nk .N k . En eet nk N k > (n 1).N.nk1 .N k1 , puisque n 1. La somme pond er ee choisie est donc celle o` u pour tout crit` ere i, pi = ni N i (ou pi = M 2i avec M = max(n, N )), les indices de crit` eres devant etre dautant plus forts que le crit` ere est important. En toute rigueur, il faut maintenant prouver que a est meilleur que b au sens lexicographique ssi a est meilleur que b au sens de cette somme pond er ee. Il est evident que si a est indierent ` a b au sens lexicographique, cest quil a les m eme evaluations sur tous les crit` eres et que donc il re coit la m eme note au sens de la somme pond er ee. Maintenant, si a est strictement pr ef er e` a b par la r` egle lexicographique, on utilise la condition elabor ee plus haut pour montrer que cest egalement vrai en utilisant la somme pond er ee. La relation etant compl` ete, on en d eduit que a lexicographique b au sens lexicographique ssi a sommepondere b.
14
Le paradoxe de Condorcet
Construire, selon la m ethode de classement a ` la majorit e, un exemple pour lequel la relation de pr ef erence nest pas transitive (paradoxe de Condorcet).
Trois alternatives a, b, c. g1 (a) = 3, g1 (b) = 2, g1 (c) = 1 g2 (a) = 2, g2 (b) = 1, g2 (c) = 3 g3 (a) = 1, g3 (b) = 3, g3 (c) = 2
15
Electre I comme instance du mod` ele comparer puis agr eger
Exprimer la relation de surclassement de la m ethode ELECTRE I dans le mod` ele g en eral des relations de surclassement.
avec M un nombre susamment grand. Et pour on fait la somme. V erication : sil y a veto dun crit` ere, alors s(a, b) = (1 (g1 (a), g1 (b)), . . . , n (gn (a), gn (b)) < 0, et on ne peut avoir a b. Sil ny a pas veto, alors (a, b) =
j :aj bj
On suppose P = 1 (somme des pj ). (1 ) pj si aj bj (j est daccord pour a b) M si (aj , bj ) Dj (veto de j pour a b) i (aj , bj ) = pj sinon
(1)
(1 ) pj
j :aj <bj
pj = (
j :aj bj
pj )
(2)
et s(a, b) 0 est equivalent ` a c(a, b) , cqfd.
16
Contruction de relations de surclassement monotone
Soit la propri et e de monotonie suivante : a, b : j : gj (a) gj (b) et i = j : gi (a) = gi (b) implique aSb 6
Quelles exigences sur les et i peuvent traduire cette hypoth` ese ? Soit la propri et e de monotonie suivante : a, b : j : aj bj et i = j : ai = bi = a b Quelles exigences sur les et i permettent dassurer cette propri et e? On suppose i (v, v ) = 0v, i, i croissantes sur le premier argument et d ecroissante sur le second ( i (u, v ) croit quand u croit et d ecro t quand v croit, et ce pour tout i ). Sur , on suppose (0, ....., 0) = 0 et que est croissante avec ses arguments. Dans ce cas en eet, pour tous les i = j , i (ai , bi ) = i (ai , ai ) = 0. Comme les i sont croissante dans leur premier argument, j (aj , bj ) j (bj , bj ) = 0. Comme j (aj , bj ) 0, que i (ai , bi ) = 0 pour tout i = j , et que est croissante (j (aj , bj ), 0, ..., 0) (0, ....., 0). Puisque psi(0, ....., 0) = 0, on obtient (a, b) 0 donc a b
17
Electre I
candidats A B C D E F g1 (0.6) 16 10 18 18 16 6 crit` eres g2 (0.1) 14 18 12 4 10 14 g3 (0.3) 16 12 6 20 12 18 1 - Alternatives pareto optimales : toutes, sauf E qui est domin e par A 2 - Alternative optimale pour la moyenne pond er ee : D, qui a une note globale pond er ee de 17.2 (suivi de A : 15.8) 3 - Matrice de concordance : A B C D E F A 1 0.9 1 0.7 1 1 1 0.4 0.1 0.4 0.7 B 0.1 C 0.7 0.6 1 0.7 0.7 0.7 1 0.9 0.9 D 0.9 0.9 0.9 E 0.6 0.9 1 0.7 1 0.6 F 0.4 0.3 0.4 0.4 0.4 1 4 - Matrice de discordance : veto sur (C, A), (C, D), (C, F ), (D, A), (D, B ), (D, F ), (F, A),(F, C ), (F, D), donc des 1 sur ces cases, 0 sur les autres et non discordance 5- Matrice de concordance : et non discordance A B C D E F A 1 0.9 1 0.7 1 1 B 0.1 1 0.4 0.1 0.4 0.7 C v 0.6 1 v v 0.7 v v 0.9 1 0.9 v D 1 0.7 1 0.6 E 0.6 0.9 F v 0.3 v v 0.4 1 Avec = 1, la relation de surclassement est la relation de dominance forte aux seuils dindi erence pr` es. Cest une relation tr` es pauvre (peu de couples la satisfont) : A surclasse C , E et F ; E surclasse C ; Noyau {A, B, D} On obtient des relations plus riches pour = 0.9 et = 0.7. Le noyau est {A, D} dans le premier cas, {A} dans le second. On recommande A, qui est dans tous les noyaux lorsque lon fait varier le seuil (en dessous de 0.7, le consensus devient vraiment mou ; en dessous de 0.5, na pas de sens). avec la somme pond er ee, D se d etache tr` es nettement, bien quil ne soit pas equilibr e (sa culture g en erale est catastrophique). A se detache avec lapproche par surclassement : cette approche limite les eets de compensation et degage des candidats plus equilibr es.
SupAro - SID 3 ime Anne - Examen de Dcembre 2008
Dcision Multi critres (H. Fargier)

Une entreprise dsire renouveller son parc informatique. Elle doit valer 5 proposition faites par des quipementiers. Trois critres sont dnis : le cot ( g1 ), le support technique ( g2 ), la performance (g3 ), la abilit (g4 ). Le service informatique de l'entreprise a valu les 5 propositions sur une echelle commune de 0 20. Les rsultats de cette valuation sont les suivants :
critres propositions
cot (g1 ) support (g2 ) performance (g3 ) abilit (g4 )
A 16 18 16 18
B 10 18 12 10
C 18 12 6 15
D 16 4 18 20
E 16 10 12 10
1. Chaque solution est elle Pareto optimale ? Doit-on, le cas chant, on carter celles qui ne le sont pas : quand le but est selectionner une proposition unique ? quand le but est de classer les propositions ? 2. Donner le classement obtenu sur les propositions en utilisant la rgle du min 3. Donner le classement obtenu sur les propositions en utilisant la rgle du leximin 4. En premire analyse, les experts considrent que le cout est un critre primordial, que la performance, la abilit et le support sont des critres non ngligeables. Ce qui se traduit par la distribution de poids suivante :
p1 = 0.4 p2 = 0.2 p3 = 0.2 p4 = 0.2
Donner le classement obtenu sur les propositions en utilisant la rgle de la somme pondre.
5. On explore maintenant les propositions l'aide le la mthode Electre, en reprenant le jeu de poids prcdent. On xe le mme seuil d'indirence gal 3 pour tous les critres et le mme seuil de vto gal 9 pour tous les critres. Complter les matrices de concordance et de veto suivantes : A B C D E A B C D E A 1 1 1 1 A 0 0 0 0 0 1 0.4 0.2 0.6 B 0.2 B 0 0 0 1 0 C 0.6 0.6 C 1 0 0 1 0 1 0.6 0.8 D D 0.8 0.8 1 0.8 E 0.4 0.8 0.8 0.6 1 E 0 0 0 1 0 7. A partir de la matrice de concordance et de la matrice de veto prcdentes, dterminer la relation de surclassement pour un niveau de concordance mu = 0.7 Dessiner le graphe de la relation de surclassement en donner un noyau. 8. Identier quelle serait un bon choix de proposition partir des rponses aux question 2, 3, 4 et 7. 9. L'un des expert fait remarquer que le support doit avoir moins d'importance sur les matriels ables. Ce qui se traduit par la capacit suivante sur les coalitions de critres :
(A) = gi A pi
si g4 /A
(A) = gi A qi
si g4 A
o q1 = 0.4 q2 = 0.1 q3 = 0.2 q4 = 0.3
Donner la valeur de l'intgrale de Choquet pour les alternatives A et D. Quel serait votre choix nal ?
SupAro - SID 3 ime Anne - Examen de Dcembre 2008
Dcision Multi critres (H. Fargier)

Une entreprise dsire renouveller son parc informatique. Elle doit valer 5 proposition faites par des quipementiers. Trois critres sont dnis : le cot ( g1 ), le support technique ( g2 ), la performance (g3 ), la abilit (g4 ). Le service informatique de l'entreprise a valu les 5 propositions sur une echelle commune de 0 20. Les rsultats de cette valuation sont les suivants :
critres propositions
cot (g1 ) support (g2 ) performance (g3 ) abilit (g4 )
A 16 18 16 18
B 10 18 12 10
C 18 12 6 15
D 16 4 18 20
E 16 10 12 10
1. Chaque solution est elle Pareto optimale ? Doit-on, le cas chant, on carter celles qui ne le sont pas : quand le but est selectionner une proposition unique ? quand le but est de classer les propositions ?
Non. E et B ne sont pas pareto optimales (elle sont domines strictement par A) On peut les ecarter pour le problme de slection, mais pas pour le problme de classication
2. Donner le classement obtenu sur les propositions en utilisant la rgle du min

A (16) > B (10) = E (10) > C (6) > D (4)
3. Donner le classement obtenu sur les propositions en utilisant la rgle du leximin A>B>E>C>D 4. En premire analyse, les experts considrent que le cout est un critre primordial, que la performance, la abilit et le support sont des critres non ngligeables. Ce qui se traduit par la distribution de poids suivante :
p1 = 0.4 p2 = 0.2 p3 = 0.2 p4 = 0.2
Donner le classement obtenu sur les propositions en utilisant la rgle de la somme pondre. A (16,4) > D (14,8) > C (13,8) > E (12,8)> B (12)
5. On explore maintenant les propositions l'aide le la mthode Electre, en reprenant le jeu de poids prcdent. On xe le mme seuil d'indirence gal 3 pour tous les critres et le mme seuil de vto gal 9 pour tous les critres. Complter les matrices de concordance et de veto suivantes : A B C D E A 1 1 1 1 B 0.2 1 0.4 0.2 0.6 C 0.6 0.6 1 0.6 0.8 0.8 0.8 1 0.8 D E 0.4 0.8 0.8 0.6 1
c(a, d) = 0.4(g 1) + 0.2(g 2) + 0.2(g 3) + 0.2(g 4) = 1 c(d, a) = 0.4(g 1) + 0.2(g 3) + 0.2(g 4) = 0.8
A B C D E A 0 0 0 0 0 B 0 0 0 1 0 C 1 0 0 1 0 D E 0 0 0 1 0 il y a veto contre D > A et D > B . la ligne manquante est donc 1 1 0 0 0 1
BB C C, E E B, C, E D D, E, C
A partir de la matrice de concordance et de la matrice de veto prcdentes, dterminer la relation de surclassement pour un niveau de concordance mu = 0.7 Dessiner le graphe de la relation de surclassement en donner un noyau. On fusionne la matrice de concordance et la matrice de veto : A B C D E A 1 1 1 1 1 1 0.4 veto 0.6 B 0.2 C veto 0.6 1 veto 0.8 1 0.8 D veto veto 0.8 E 0.4 0.8 0.8 veto 1 Avec un seuil de concordance egal 0.7, cela donne la matrice de surclassement A B C D E A 1 1 1 1 1 B 0 1 0 0 0 C 0 0 1 0 1 D 0 0 1 1 1 E 0 1 1 0 1 Soit A A, B, C, D, E
7.
A est un noyau vident.

8. Identier quelle serait les deux meilleures propositions partir des rponses aux questions 2, 3, 4 et 7. Justier
votre rponse.
Pour toutes les mthodes, A est de loin le meilleur. En second choix, on peut hsiter entre B et D : un dcideur prudent choisirait B, qui est bien quilibr (et qui bien que pareto domin, peut trs bien tre pris en second choix, voir la question 1), mais si l'on accepte que D n'a de trs mauvaise performances que sur un critre peu important, et que le veto joue contre B > D comme il joue contre D > B, on peut galement dfendre le choix D qui a une excellente evaluation sur tous les critre sauf un critre mineur.
9. L'un des expert fait remarquer que le support doit avoir moins d'importance sur les matriels ables. Ce qui
se traduit par la capacit suivante sur les coalitions de critres :

() = gi pi () = gi qi
si si
g4 /A g4 A
o o
p1 = 0.4 p2 = 0.2 p3 = 0.2 p4 = 0.2 q1 = 0.4 q2 = 0.1 q3 = 0.2 q4 = 0.3
La valeur de l'intgrale de Choquet pour A est alors Ch(A) == 16 (({g1, g2, g3, g4}) ({g2, g4})) + 18
({g 2, g 4}) = 16 (1 0.4) + 18 0.4 = 16.8
Donner la valeur de l'intgrale de Choquet pour l'alternative D.

Ch(D) = 4 (({g 1, g 2, g 3, g 4}) ({g 1, g 3, g 4})) + 16 (({g 1, g 3, g 4}) ({g 3, g 4})) + 18 (({g 3, g 4}) ({g 4})) + 20 ({g 4}) = 4 (1 0.9) + 16 (0.9 0.5) + 18 (0.5 0.3) + 20 0.3 = 16.4 Identier nouveau quelle seraient les deux meilleures propositions ; justiez votre rponse.
A et D, sont les deux meilleures alternatives au sens de l'intgrale de Choquet. Les autres mthodes (moyenne, electre) ne peuvent pas tre utilises ici car on est in prsence de critres dpendants.

Matrice Multi Critères

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Matrice Multi Critères

Transféré par

Droits d'auteur :

Formats disponibles

0

Dcision Multi critres

Quelques problmes de dcision et dvaluation

Choix dune automobile

Renault 21 7.2 58 gpl

Ford 16 7.8 55 diesel

Exemple : choix dun candidat

Dcision Multi critres

Dmarche gnrale en dcision/optimisation multicritre

Dcision Multi critres

Dcision Multi critres

Dmarche gnrale en dcision/optimisation multicritre - cont

Problmatiques daide la dcision MCDM

Dcision Multi critres

Dcision Multi critres

Dcision Multi critres

2.P RINCIPES BE BASE

2.1 Modlisation des prfrences

Dcision Multi critres

2.P RINCIPES BE BASE

Prfrence stricte, indiffrence et incomparabilit

Dcision Multi critres

2.P RINCIPES BE BASE

Critres seuil ou "quasi critres"

a b g (a) > g (b) + q , a b |g (a) g (b)| q

Quasi critres (cont.)

Dcision Multi critres

2.P RINCIPES BE BASE

Votant 1: Exemple: Votant 2: Votant 3:

Dcision Multi critres

2.P RINCIPES BE BASE

Dcision Multi critres

2.P RINCIPES BE BASE

Renault 21 7.2 58 gpl

Le modle ordinal : le prordre complet

Dcision Multi critres

2.P RINCIPES BE BASE

Le modle ordinal : le prordre complet (cont.)

Dcision Multi critres

2.P RINCIPES BE BASE

Reprsentation des prfrences: en bref

Dcision Multi critres

2.P RINCIPES BE BASE

Hypothse simplicatrice (cont)

Dcision Multi critres

2.P RINCIPES BE BASE

2.2 Quelques principes de base pour une rgle de dcision

Dcision Multi critres

2.P RINCIPES BE BASE

Dcision Multi critres

2.P RINCIPES BE BASE

2.2 Quelques principes de base pour une rgle de dcision

Dcision Multi critres

2.P RINCIPES BE BASE

Dcision Multi critres

2.P RINCIPES BE BASE

2.2 Quelques principes de base pour une rgle de dcision

Principe dindpendance prfrentielle mutuelle (ou "sparabilit")

Exemple du tlviseur [Vincke] a - prix critres image son SAV 5 5 4 b 4 5 4 c 5 3 5 d 4 3 5

Dcision Multi critres

2.P RINCIPES BE BASE

Exercice 6 On dnit gnralement , , depuis a b a a b a b et non b b et b a a a

Dcision Multi critres