Agregation Multicritere Rolland STP PDF

` RE
ANALYSE MULTICRIT E
` LA D E CISION
POUR L AIDE A
A NTOINE R OLLAND , Universite LYON II
18emes journees
GDR MACS
St-Etienne, 11 octobre 2013
Introduction Cadre
Utilites Surclassements
Autres methodes Conclusion
B IBLIOGRAPHIE
Quelques ouvrages en francais pour une premiere ` approche

` a` la Decision,
Ph Vincke, LAide Multicritere Editions de
Universite de Bruxelles - Editions Ellispses , 1989
B. Roy et D. Bouyssou, Aide Multicritere` a` la Decision
:

Methodes et Cas, Economica 1993
D. Bouyssou, D. Dubois, M. Pirlot, H. Prade, Concepts et

methodes pour laide a` la decision,
3 volumes, Hermes `
2006

M. Grabisch and P. Perny. Agregation `
multicritere. In
Logique floue, principes, aide a` la decision,
B.
Bouchon-Meunier, C. Marsala (eds), Hermes, ` 2003
A. Rolland ` pour laide a` la decision

analyse multicritere 2 / 39
Introduction Cadre
P RENDRE UNE D E CISION EST DIFFICILE QUAND ...
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


Introduction Cadre
O N PEUT COMBINER !
` et combinatoire
multicritere

incertain et decision de groupe
` et decision
multicritere de groupe (vacances entre amis ?)
...

Introduction Cadre
C ADRE FORMEL
Choix social `
Multicritere Incertain
Candidats Alternatives Actions
Votants `
Criteres Etats de la nature
Rangs Valeurs
Consequences
(Nombre) (Poids)
(Probabilites)
Choix social : pref erences

individuelles pref
erences

globales
` : pref
Multicritere erences
`
sur les criteres pref
erences

sur les alternatives
erences
Incertain : pref
sur les consequences
erences
pref sur les actions

Introduction Cadre
P RENDRE UNE D E CISION EST DIFFICILE QUAND ...
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

Introduction Cadre
D E FINITION DES CRIT E` RES [R OY B OUYSSOU 96]
`
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)

Introduction Cadre
D E FINITION DES PROBL E MATIQUES [R OY B OUYSSOU 96]

problematique
de la modelisation
de la decision [Tsoukias07]

problematique du choix

problematique du rangement

problematique du tri

Introduction Cadre
N OTATIONS
X est lensemble des alternatives x, y, . . .

N = {1, . . . , n} est lensemble des criteres
`
gi : X R, i N sont les fonctions criteres
`
` i,
gi (x) est la valeur prise par lalternative x sur le critere
aussi xi
notee

Introduction Cadre
D EUX APPROCHES STRUCTURANTES [G RABISCH P ERNY 03]
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)

Introduction Cadre
C HOISIR UN APPAREIL PHOTO

Introduction Cadre
`
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

Introduction Cadre

Methodes a` base dutilite

Introduction Cadre
B IBLIOGRAPHIE
Fishburn Utility theory for Decision Making, 1970, Wiley

Keeney-Raiffa Decisions with multiple objectives ;
preferences and trade-off, 1976, Wiley
Marichal, Aggregation Operators for Multicriteria Decision
`
Aid, Institute of Mathematics, University of Liege, 1998
M. Ehrgott. Multicriteria Optimization. Second edition.
Springer, Berlin, 2005.

Introduction Cadre

fonctions dagregation additives
ee
moyenne ponder

fonctions dagregation non additives
maximin, minimax, minimin maximax
OWA

integrale de Choquet
distances
optimisation multiobjectif

Introduction Cadre
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

Introduction Cadre
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

Introduction Cadre
`
Nb Pixel 10 6 8
sensibilite 3 10 9
vitesse 5 5 10
Prix 9 10 4

Introduction Cadre
F ONCTION D AGR E GATION ADDITIVES
M OYENNE POND E R E E
x % y WS(x) WS(y )
X
WS(x) = wi fi (x)
i
facile a` comprendre et a` utiliser

mais ne favorise pas les solutions de compromis
(ex : A(18,3) ; B(3,18), C(10,10))

Introduction Cadre
F ONCTION D AGR E GATION ADDITIVES
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

Introduction Cadre
F ONCTIONS D AGR E GATION NON ADDITIVES (1)

M AX ET M IN
maximin (pessimiste prudent)
x % y min(fi (x)) min(fi (y))

i i
maximax (optimiste joueur)
x % y max(fi (x)) max(fi (y))

i i
etc...
`
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

Introduction Cadre
OWA [YAGER98]
x % y OWA(x) OWA(y )
X
OWA(x) = wi f(i) (x)
i
avec f(1) (x) f(2) (x) . . . f(3) (x)
aux rangs des valeurs et non aux

les poids sont affectes
`
criteres
permet de retrouver (et composer) tous les indices
statistiques de position

Introduction Cadre
OWA [YAGER98]
x % y OWA(x) OWA(y )
X
OWA(x) = wi f(i) (x)
i
avec f(1) (x) f(2) (x) . . . f(3) (x)
`
Nb Pixel 10 6 8
sensibilite 3 10 9
vitesse 5 5 10
Prix 9 10 4
OWA 6.2 7.3 7.4
Avec le jeu de poids (0.3 ;0.3 ;0.2 ;0.2)

Introduction Cadre
I NT E GRALE DE C HOQUET [CHOQUET53]

x % y C(x) C(y)
X
C(x) = (Ai ) f(i) (x) f(i+1) (x)
i
avec f(1) (x) f(2) (x) . . . f(3) (x)

une mesure sur 2N et Ai = {1, . . . , i}.

integrale `
vis-a-vis dune mesure non additive (capacite ou
mesure floue)

permet de modeliser `
les interactions entre criteres
inclue WS, OWA, etc...

Introduction Cadre
Exemple de capacite (4 criteres=16

` `
parametres) :
({c1 }) = 0.2 ({c2 }) = 0.1 ({c3 }) = 0.2 ({c4 }) = 0.1

({c1 , c2 }) = 0.3 ({c1 , c3 }) = 0.6 ({c1 , c4 }) = 0.2 ({c2 , c3 }) = 0.6
({c2 , c4 }) = 0.2 ({c3 , c4 }) = 0.3 ({c1 , c2 , c3 }) = 0.7 ({c1 , c2 , c4 }) = 0.4
({c1 , c3 , c4 }) = 0.5 ({c2 , c3 , c4 }) = 0.4 ({c1 , c2 , c3 , c4 }) = 1 () = 0
`
Nb Pixel 10 6 8
sensibilite 3 10 9
vitesse 5 5 10
Prix 9 10 4
Choquet Int. 5 6.2 7.6

Introduction Cadre
` 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

Introduction Cadre
` 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

Introduction Cadre

Methodes a` base de surclassement

Introduction Cadre
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

Introduction Cadre
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

Introduction Cadre
R ELATION DE SURCLASSEMENT
P RINCIPE
x % y C(x, y) DN C(y, x)
avec C(x, y ) = {i N|xi %i yi }

Introduction Cadre
L A M E THODE ELECTRE [R OY 68]
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
Alors que fait-on ?

Electre analyse une situation mais ne resout pas tous les
`
problemes !

on peut reduire le graphe en fusionnant les cycles en une
nouvelle alternative
on peut faire varier les seuils pour une analyse de
sensibilite
Introduction Cadre
L A M E THODE ELECTRE [R OY 68]
`
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
`
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
Introduction Cadre
AUTRE EXEMPLE : PROMETHEE [B RANS E TA L 84]
comparer les alternatives avec intensite de pref

erence

Pi (x, y) = p(gi (x) gi (y))
P(x, y ) = 0 pas de pref
erence
de x sur y
P(x, y ) = 1 pref
erence
forte de x sur y
P
erence
indicateur de pref (a, b) = i i Pi (a, b) and
(b, a)
calcul des flux + (x) = y (x, y ) and
P
(x) = y (y , x)
P

agregation des flux

Introduction Cadre

Autres methodes

Introduction Cadre
`
regles
de decisions
AHP

Introduction Cadre
R E` GLES DE D E CISIONS [S LOWINSKY E TA L 01]

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.

Introduction Cadre
AHP [S AATY 71, S AATY 80]

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
Introduction Cadre
C E QU IL FAUT RETENIR

pas de methode miracle !
es
mais des propriet souhaitables... ou non

Introduction Cadre
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)


Agregation Multicritere Rolland STP PDF

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

Agregation Multicritere Rolland STP PDF

Transféré par

Droits d'auteur :

Formats disponibles

` RE

A NTOINE R OLLAND , Universite LYON II

Quelques ouvrages en francais pour une premiere ` approche

A. Rolland ` pour laide a` la decision

P RENDRE UNE D E CISION EST DIFFICILE QUAND ...

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

Choix social : pref erences

A. Rolland ` pour laide a` la decision

P RENDRE UNE D E CISION EST DIFFICILE QUAND ...

A. Rolland ` pour laide a` la decision

D E FINITION DES CRIT E` RES [R OY B OUYSSOU 96]

A. Rolland ` pour laide a` la decision

D E FINITION DES PROBL E MATIQUES [R OY B OUYSSOU 96]

A. Rolland ` pour laide a` la decision

X est lensemble des alternatives x, y, . . .

A. Rolland ` pour laide a` la decision

D EUX APPROCHES STRUCTURANTES [G RABISCH P ERNY 03]

A. Rolland ` pour laide a` la decision

C HOISIR UN APPAREIL PHOTO

A. Rolland ` pour laide a` la decision

C HOISIR UN APPAREIL PHOTO

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

Fishburn Utility theory for Decision Making, 1970, Wiley

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

C HOISIR UN APPAREIL PHOTO

A. Rolland ` pour laide a` la decision

F ONCTION D AGR E GATION ADDITIVES

facile a` comprendre et a` utiliser

A. Rolland ` pour laide a` la decision

F ONCTION D AGR E GATION ADDITIVES

A. Rolland ` pour laide a` la decision

F ONCTIONS D AGR E GATION NON ADDITIVES (1)

x % y min(fi (x)) min(fi (y))

maximax (optimiste joueur)

x % y max(fi (x)) max(fi (y))

A. Rolland ` pour laide a` la decision

F ONCTIONS D AGR E GATION NON ADDITIVES (2)

avec f(1) (x) f(2) (x) . . . f(3) (x)

aux rangs des valeurs et non aux

A. Rolland ` pour laide a` la decision

F ONCTIONS D AGR E GATION NON ADDITIVES (2)

avec f(1) (x) f(2) (x) . . . f(3) (x)

Avec le jeu de poids (0.3 ;0.3 ;0.2 ;0.2)

A. Rolland ` pour laide a` la decision

F ONCTIONS D AGR E GATION NON ADDITIVES (3)

I NT E GRALE DE C HOQUET [CHOQUET53]

avec f(1) (x) f(2) (x) . . . f(3) (x)

A. Rolland ` pour laide a` la decision

F ONCTIONS D AGR E GATION NON ADDITIVES (3)

Exemple de capacite (4 criteres=16

({c1 }) = 0.2 ({c2 }) = 0.1 ({c3 }) = 0.2 ({c4 }) = 0.1

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision

A. Rolland ` pour laide a` la decision