AIDE MULTICRITÈRE À LA DÉCISION

n 4- METHODE DE
SURCLASSEMENT:ELECTRE I
o 4-1 Historique
l Méthode non compensatoire
introduite par B. ROY à la fin des
années 60
l Pallier les inconvénients de la
somme pondérée

o 4-2 Principe
l Sélectionner un sous-ensemble aussi
restreint que possible des actions
« les meilleures ».
l Étude d’une version simplifiée de
ELECTRE I

Page 1
 AIDE MULTICRITÈRE À LA DÉCISION

o 4-3 Concept de relation de

surclassement

Soient 2 actions a ΠA et bΠA

« a surclasse b » (aSb) ¤ il existe des

arguments suffisamment probants
pour accepter, en accord avec les
préférences du décideur, l’assertion
« a est au moins aussi bon que b »

Arguments fondés sur:

¢ Les vecteurs de performance des
actions a et b
¢ L’information préférentielle (poids,
seuils) qui permet de relativiser le
rôle joué par chaque critère.

Page 2
 AIDE MULTICRITÈRE À LA DÉCISION

n Remarques:
o S enrichit la relation de dominance
o S est réflexive aSa " a Œ A
o S n’est pas nécessairement transitive

n Les méthodes de surclassement

type ELECTRE I s'établissent en
deux phases:
o Construction de la relation de
surclassement
o Exploitation de la relation de
surclassement pour déterminer
une recommandation

Page 3
 AIDE MULTICRITÈRE À LA DÉCISION

n 4-4 Construction de la relation de

surclassement
n 4-4-1 Deux principes fondamentaux

o Principe de concordance
l Une majorité de critères,
compte-tenu de leur
importance, doit supporter
l’assertion aSb.
(principe majoritaire)

o Principe de non discordance

l Parmi les critères qui ne
supportent pas l’assertion aSb,
aucun ne doit exprimer un
désaccord trop fort.
(principe du respect des
minorités)
Page 4
 AIDE MULTICRITÈRE À LA DÉCISION

n 4-4-2 Concordance
o La contribution de chaque critère
gj relativement à l’assertion aSb
est examinée.
fi Définition d’un indice de concordance
partielle noté, cj(a,b) Œ [0, 1]
(j=1,2,..,p) tel que:
o cj(a,b)=1: le critère gj supporte totalement
l’assertion aSb :
gj(a) - gj(b) ≥ - qj

o cj(a,b)=0: le critère gj ne supporte pas

l’assertion aSb : gj(a) - gj(b) < - pj

o 0<cj(a,b)<1 cas intermédiaire :

-pj ≤ gj(a) - gj(b) < - qj

Page 5
 AIDE MULTICRITÈRE À LA DÉCISION

l Evaluation de la contribution
globale de l’ensemble des critères
à l’assertion aSb :
fi indice de concordance
globale
fi C(a,b) Œ [0, 1] défini par:

C(a,b) = Â l j c j (a,b)
j =1

où l j , le poids associé au critère g j t.q.

p

lj ≥ 0 et  lj = 1
k=1

Page 6
 AIDE MULTICRITÈRE À LA DÉCISION

o Exemple:
l Calcul des indices de
concordance partielle
¢ aSa "a cj(a,a)=1

¢ Critère g1
§ p1=q1=3: seuils
d’indifférence.
§ ex:
c1(a1,a2)=1 et
c1(a2,a1)=0

Page 7
 AIDE MULTICRITÈRE À LA DÉCISION

o 4-4-3 Discordance

l Parmi les critères non

concordants avec l’assertion
aSb
¢ Certains peuvent exprimer
une forte opposition fi
Introduction d’un VETO
conduisant à rejeter aSb

l Un critère gj met un veto à

l’assertion aSb Si gj(a) est
beaucoup plus petit que gj(b).

Page 8
 AIDE MULTICRITÈRE À LA DÉCISION

n Définir pour chaque critère gj un

seuil de Veto, vj (vj≥pj (j=1,…p)) tel
que:
SI (gj(b) > gj(a) + vj )
ALORS l’assertion aSb est rejetée

o Indice de discordance partielle :

dj(a,b)=1 si le critère gj met un
veto à l’assertion aSb
dj(a,b)=0 sinon.

o Plus vj est faible plus le pouvoir du

veto de gj est grand.

Page 9
 AIDE MULTICRITÈRE À LA DÉCISION

n Indice de discordance globale

n D(a,b)Œ {0,1} défini par
o D(a,b)=max{dj(a,b)}
j Œ {1, …,p}

n Exemple:
o Seuil de véto, vj=9 pour
j=1,2,3

Page 10
 AIDE MULTICRITÈRE À LA DÉCISION

n 4-5 Test de surclassement

o 4-5-1 Conditions d’acceptation

de l'assertion aSb

1- Condition de concordance
c(a, b) ≥ s
où
s: seuil de concordance (s >0.5)

2- Condition de non
discordance

gj(b) £ gj(a) + vj "j Œ {1,2,..,p}

Page 11
 AIDE MULTICRITÈRE À LA DÉCISION

a S b ¤ C(a,b).(1-D(a,b)) ≥ s

q Matrice de surclassement S
définie par
Sij =1 si ai S aj
=0 sinon

Page 12
 AIDE MULTICRITÈRE À LA DÉCISION

o 4-6 Exploitation de la relation de

surclassement
l 4-6-1 Objectif
¢ Trouver l’ensemble des actions
« les meilleures ».

l 4-6-2 Moyens
¢ Graphe de surclassement
¢ Soit un sous-ensemble d’actions N
(N Ã A)
¢ N, appelé Noyau du graphe, vérifie
les propriétés :

§ "a Œ N, "b Œ N non (aSb) et

non (bSa)
§ "b Œ A\ N $a Œ N t.q. aSb

Page 13
 AIDE MULTICRITÈRE À LA DÉCISION

Un noyau est donc un sous-ensemble

d’actions incomparables tel que toute
action ne faisant pas partie du noyau
est surclassée par au moins une action
du noyau.
¢ Propriété du noyau :

§ Tout graphe sans circuit

admet un noyau unique.

Page 14
 AIDE MULTICRITÈRE À LA DÉCISION

n 4-6-3 Détermination du noyau d’un graphe

o Algorithme pour les graphes sans

circuit

l Représenter le graphe par la liste

de ses prédécesseurs.
l TANT QUE POSSIBLE FAIRE
-1 Marquer tout sommet dont la
liste est vide.
-2 Barrer tout sommet qui
contient au moins un sommet
marqué dans la liste.
-3 Supprimer des listes les
sommets barrés
l L’ensemble des sommets
marqués à la fin de l’algorithme
représente le noyau du graphe

Page 15
 AIDE MULTICRITÈRE À LA DÉCISION

¢ Graphe avec circuits

§ Chercher les composantes fortement

connexes de G.

§ Tracer le graphe réduit G’ de G :

Æ chaque composante fortement
connexe de G est réduit à un sommet
de G’

§ Obtention d’un graphe sans circuit sur

lequel est appliqué l’algorithme
précédent.

Page 16
 AIDE MULTICRITÈRE À LA DÉCISION

o 4-6-5 Analyse de robustesse

l Nous pouvons rechercher les

noyaux correspondant aux
graphes associés aux matrices
de surclassement ayant des
seuils de concordance de 0,9
et 0,7.

l Les graphes correspondant

sont G2 et G1.

Page 17
 AIDE MULTICRITÈRE À LA DÉCISION

l Analyse de robustesse
¢ Au terme de notre analyse:
§ G1‡ {a1} (s=0.7)
§ G2‡ {a1,a4} (s=0.9)
§ G3‡ {a1 ,a2,a4} (s=1)

candidat sélectionné: a1

¢ Analyse insuffisante en
pratique
¢ Faire varier d'autres
paramètres critiques ‡
influence conjointe sur le
résultat.

Page 18