Académique Documents
Professionnel Documents
Culture Documents
Agregation Multicritere Rolland STP PDF
Agregation Multicritere Rolland STP PDF
ANALYSE MULTICRIT E
` LA D E CISION
POUR L AIDE A
18emes journees
GDR MACS
St-Etienne, 11 octobre 2013
Introduction Cadre
Utilites Surclassements
Autres methodes Conclusion
B IBLIOGRAPHIE
a` comparer Optimisation
il y a trop de possibilites
combinatoire
il y a plusieurs decideurs Theorie
du Choix Social
les consequences des actes ne sont pas sures
Decision dans lincertain
`
plusieurs criteres rentrent en compte aide multicritere
`
a` la decision
O N PEUT COMBINER !
` et combinatoire
multicritere
incertain et decision de groupe
` et decision
multicritere de groupe (vacances entre amis ?)
...
C ADRE FORMEL
Choix social `
Multicritere Incertain
Candidats Alternatives Actions
Votants `
Criteres Etats de la nature
Rangs Valeurs
Consequences
(Nombre) (Poids)
(Probabilites)
a` comparer Optimisation
il y a trop de possibilites
combinatoire
il y a plusieurs decideurs Theorie
du Choix Social
les consequences des actes ne sont pas sures
Decision
dans lincertain
`
plusieurs criteres rentrent en compte aide
` a` la decision
multicritere
`
critere= attribut muni dune relation binaire totale : ordre,
preordre, ordre dintervalle...
` doit etre
Une famille de critere :
` pour decrire
complete `
le probleme
(exhaustivite)
coherente `
vis-a-vis erence
des pref globale
aussi independante que possible (non redondance)
problematique
de la modelisation
de la decision [Tsoukias07]
problematique du choix
problematique du rangement
problematique du tri
N OTATIONS
x = (x1 , . . . , xn )
a a(x), a(y )
y = (y1 , . . . , yn )
c c0
c(x1 , y1 ), . . . , c(xn , yn )
a0 P(x, y)
c(y1 , x1 ), . . . , c(yn , xn )
lapproche quantitative agreger `
puis comparer (critere
`
unique de synthese)
lapproche qualitative comparer puis agreger
`
(surclassement de synthese)
`
critere appareil 1 appareil 2 appareil 3
Nb Pixel 20m 12m 16m
sensibilite 125-6400 80-12800 100-12800
vitesse 30s-1/2000 15s-1/4000 30s-1/4000
Macro 10cm 15cm X
Prix 490 C 450 C 1200 C
Methodes a` base dutilite
B IBLIOGRAPHIE
fonctions dagregation additives
ee
moyenne ponder
fonctions dagregation non additives
maximin, minimax, minimin maximax
OWA
integrale de Choquet
distances
optimisation multiobjectif
H YPOTH E` SES
les valeurs sur les differents `
criteres sont
commensurables
les valeurs sur les differents `
criteres peuvent se
compenser
`
les valeurs de toutes les alternatives sur tous les criteres
sont parfaitement connues
erence
on veut obtenir une relation de pref ` et
complete
transitive
F ONCTION D UTILIT E S
G(X) G(X)
1.2 1.2
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0 0.2 0.4 0.6 0.8 1 1.2 0 0.2 0.4 0.6 0.8 1 1.2
G(X) G(X)
1.2 1.2
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0 0.2 0.4 0.6 0.8 1 1.2 0 0.2 0.4 0.6 0.8 1 1.2
`
critere appareil 1 appareil 2 appareil 3
Nb Pixel 10 6 8
sensibilite 3 10 9
vitesse 5 5 10
Prix 9 10 4
M OYENNE POND E R E E
x % y WS(x) WS(y )
X
WS(x) = wi fi (x)
i
M OYENNE POND E R E E
x % y WS(x) WS(y )
X
WS(x) = wi fi (x)
i
`
critere coef appareil 1 appareil 2 appareil 3
Nb Pixel 0.2 10 6 8
sensibilite 0.3 3 10 9
vitesse 0.1 5 5 10
Prix 0.4 9 10 4
Score 7 8.7 6.9
etc...
`
critere appareil 1 appareil 2 appareil 3
Nb Pixel 10 6 8
sensibilite 3 10 9
vitesse 5 5 10
Prix 9 10 4
Min 3 6 4
Max 9 10 10
OWA [YAGER98]
x % y OWA(x) OWA(y )
X
OWA(x) = wi f(i) (x)
i
OWA [YAGER98]
x % y OWA(x) OWA(y )
X
OWA(x) = wi f(i) (x)
i
`
critere appareil 1 appareil 2 appareil 3
Nb Pixel 10 6 8
sensibilite 3 10 9
vitesse 5 5 10
Prix 9 10 4
OWA 6.2 7.3 7.4
integrale `
vis-a-vis dune mesure non additive (capacite ou
mesure floue)
permet de modeliser `
les interactions entre criteres
inclue WS, OWA, etc...
`
critere appareil 1 appareil 2 appareil 3
Nb Pixel 10 6 8
sensibilite 3 10 9
vitesse 5 5 10
Prix 9 10 4
Choquet Int. 5 6.2 7.6
` RE
OPTIMISATION MULTICRIT E
P RINCIPE
x % y d(x, z) d(y , z)
ou` d(, ) est une distance et z un point ideal
Exemple : methode TOPSIS [Hwang& Yoon81]
et du point anti-ideal
calcul du point ideal
calcul de la distance d au point ideal
calcul de la distance d 0 au point anti-ideal
d0
calcul du score : s = d+d 0
` RE
OPTIMISATION MULTICRIT E
P RINCIPE
x % y d(x, z) d(y , z)
ou` d(, ) est une distance et z un point ideal
`
critere appareil 1 appareil 2 appareil 3 Ideal Anti-Ideal
Nb Pixel 10 6 8 10 6
sensibilite 3 10 9 10 3
vitesse 5 5 10 10 5
Prix 9 10 4 10 4
Methodes a` base de surclassement
B IBLIOGRAPHIE
` a` la Decision
B. Roy et D. Bouyssou, Aide Multicritere :
Methodes et Cas, Economica 1993
D. Bouyssou, D. Dubois, M. Pirlot, H. Prade, Concepts et
methodes pour laide a` la decision,
`
volume 3, Hermes
2006
H YPOTH E` SES
acte de decision
= processus delaboration progressive
dune structure de pref erence
dincomparabilite des actions
lacceptation de lidee
avoir comme resultat erence
une structure de pref
beaucoup moins stricte quun pre-ordre total en vue
declairer le DM sur son choix
R ELATION DE SURCLASSEMENT
P RINCIPE
x % y C(x, y) DN C(y, x)
avec C(x, y ) = {i N|xi %i yi }
R ELATION DE SURCLASSEMENT
x surclasse y (xSy) si C(x, y) > SC et j N, non yj Vj xj
e a` y (xPy ou x y )
er
xSy et non ySx : x est pref
xSy et ySx : x et y sont indifferents (xIy ou x y )
non xSy et non ySx : x et y sont incomparables (xRy)
erences
La relation S donne un graphe des pref sur X
`
critere appareil 1 appareil 2 appareil 3
Nb Pixel 20m 12m 16m
sensibilite 125-6400 80-12800 100-12800
vitesse 30s-1/2000 15s-1/4000 30s-1/4000
Macro 10cm 15cm X
Prix 490 C 450 C 1200 C
`
critere appareil 1 appareil 2 appareil 3
appareil 1 0.4 0.4
appareil 2 0.6 0.4
appareil 3 0.4 0.4
avec w1 = w2 = w3 = w4 = w5 = 0.2
A. Rolland ` pour laide a` la decision
analyse multicritere 33 / 39
Introduction Cadre
Utilites Surclassements
Autres methodes Conclusion
(x) = y (y , x)
P
agregation des flux
Autres methodes
`
regles
de decisions
AHP
problematique du tri
utilise la dominance et les Rough sets
convient bien aux donnees imprecises
`
ou incompletes
` comprehensible
tres
par un decideur
P RINCIPE
Si x domine y alors x doit etre classe dans une categorie
au
moins aussi bonne que celle de y.
methode
pour determiner les poids dune somme
ponder ee
`
utilise les comparaisons dalternatives et de criteres
peut prendre en compte plusieurs decideurs.
P RINCIPE
Decomposer `
le probleme complexe en une structure
hierarchique (niveaux)
`
Effectuer les comparaisons entre criteres :de 1
(indifference) a` 9 (extreme
erence)
pref
Effectuer les comparaisons entre alternatives
Synthetiser les comparaisons (moyenne) pour obtenir un
classement
Coherence des jugements
A. Rolland ` pour laide a` la decision
analyse multicritere 38 / 39
Introduction Cadre
Utilites Surclassements
Autres methodes Conclusion
C E QU IL FAUT RETENIR
pas de methode miracle !
es
mais des propriet souhaitables... ou non
C E QU IL FAUT RETENIR
pas de methode miracle !
es
mais des propriet souhaitables... ou non
FIS
LES D E
lanalyse axiomatique
le passage a` lechelle
lelicitation `
des parametres (preference learning)