Vous êtes sur la page 1sur 36

Universit de Boumerds, Facult des sciences de

lingnieur, dpartement MI
MMI-15 anne universitaire: 2016/2017
La Recherche Oprationnelle

OPTIMISATION Multi-
Objective

Par

K.TOUKA
M.MENTSEUR
Plan de La prsentation
Introduction
Principaux concepts en MOO
Diffrentes mthodes utilises
Cas pratique
Outils et logiciels
Conclusion
Introduction
On rencontre gnralement
des problmes technologiques
complexes qui peuvent
frquemment tre exprim
sous la forme gnrale des
problmes doptimisation qui
dfinit une fonction objectif,
ou fonction cot, que lon
cherche minimiser (ou
maximiser) par rapport tous
les paramtres concerns
Loptimisatio
n
Mono- Multi-
objectif objectif

se base sur la optimiser simultanment


minimisation (ou la plusieurs fonctions objectives
maximisation) dune qui sont souvent
seule fonction objectif contradictoires, on cherche
o le but est de trouver la meilleure solution
trouver la meilleure suivant un ensemble de
solution appele performance du problme
solution optimale (temps de rponse plus la
qu'est facilement robustesse). O le rsultat de
dfinie suivant une cette problme est
seule performance du gnralement un assortiment
problme tudi de solutions, qui se
(temps de rponse, la distinguent par diffrents
robustesse, taux compromis raliss entre les
d'erreur,etc.) objectifs. Cet assortiment est
connu par Pareto-optimal
Donc le BUT de cette
optimisation multi-
objective est dObtenir les
solutions de PARETO par
consquence lensemble
des compromises
possibles entre les
objectifs
Principaux
concepts en
MOO
Si nous voulons acheter un vhicule on considrons
un ensemble des caractristiques :
La haute conformabilit +
La scurit doit tre pleine+
La consommation des carburants doit tre
moindre
mais ces impossible davoir cette vhicule avec
touts ces attributs au mme temps avec un moindre
mais
prix car nous somme tous consterne par ce genre
de problme
nous traitons avec un type particulire de technique
doptimisation appele

les problmes
de dcision
multicritres
On dfinit les notions communes
nimporte quelle mthode
doptimisation multicritre :

Un problme d'optimisation multicritre consiste


trouver le vecteur de dcision tel que les contraintes gi()
et hj() soient satisfaites et dont () est optimal tq F(x) est
un vecteur.
Optimiser ()= {f1 (), f2 (), f3 (),.., fm ()} (m : nombre des fonctions optimiser)
Tel que :X
X=

Dans ce problme de MOO loptimum nest plus une simple valeur comme pour
les problmes Mono-objective Mais est un ensemble des point appeles :
lensemble des meilleur compromis ou la FRONT DE PARETO
Comment traiter ce type de
problme???
! Si on veut maximiser f1 et f2 les deux fonctions
peuvent pas tre maximiser, en mme temps tre
tous satisfaites .puisque si on maximise f1 la valeur
de f2 rduit Et si on maxi f2 la valeur de f1 rduit
dans ce cas sil y a des conflits entre les fonction
objectifs comment donc tacle ce type de
problme??
Diffrentes
mthodes

utilises
Il existe plusieurs approches de rsolution des problmes MO tel:

Les mthodes Mta-heuristiques.


Les mthodes non Pareto.
Les mthodes Pareto.
Les mthodes hybrides

Les mthodes Mta-heuristiques


algorithme visant rsoudre des problmes
doptimisation difficile (souvent issus des domaines de la
RO ou de lIA )
sont gnralement des algorithmes stochastiques
itratifs, qui progressent vers un optimum global.
elles reprennent des ides que lon retrouve parfois dans
la vie courante.
Les principales mta-heuristiques sont le recuit simul, la
recherche tabou et les algorithmes gntiques
Les mthodes non Pareto
Les mthodes non Pareto ne traitent pas le problme
comme un vritable problme Multi-objectif. Elles cherchent
ramener le problme initial un ou plusieurs problmes
mono objectifs.
Parmi ces approches nous citons :
Les mthodes Agrges
Mthode lexicographique
Vector evaluated genetic algorithm (VEGA)
Pareto optimal = non-domines
Les Approches de Pareto
Les approches Pareto ne transforment pas les objectifs du
problme, ceux-ci sont traits sans aucune distinction pendant
la rsolution. Domines
La dominance et front de Pareto
Considrons un problme de minimisation Soient :
et On dit que le vecteur de dcision u domine le vecteur v not u v
si et seulement si

Deux critres, le front de Pareto se trouve sur


une courbe ;
Trois critres, le front de Pareto se trouve sur
une surface ;
n critres le front de Pareto se trouve dans un
Les mthodes Hybrides
Afin damliorer les performances dun algorithme, on
essaye de le combiner avec une autre mthode. Ce principe
gnral appel hybridation, peut sappliquer plusieurs
mthodes.

LES METHODES DAIDE A LA DECISION


Les mthodes que nous avons prsentes jusquici taient
bases sur la relation de dominance. Cependant, il existe une
autre approche pour obtenir un ensemble de solutions, qui
repose sur ltablissement dune relation dordre entre les
diffrents lments Ainsi, on peut, en fonction de la relation
dordre dfinie, obtenir un ensemble de solutions ou une et
une seule solution
DMARCHE
Recherche deSUIVRE
la solution la plus adquate possible en 5 tapes:
Identifier lobjectif global de la dmarche et le type de
dcision
Dresser la liste des solutions possibles ou envisageables
Dresser la liste des critres prendre en considration
Juger chacune des solutions aux yeux de chacun des critres
Agrger ces jugements pour dsigner la solution qui obtient les
meilleures valuations
LMENTS DE LA MATRICE DE
JUGEMENTS
Ensemble des actions potentielles : A={a1,a2,a3,,an} ai
o i=1,2,,n
Construire lautoroute en rasant une fort ou parmi des
quartiers rsidentiels?
Diffrents critres Cj o j=1,2,,m
Nombre dhectares de fort dtruits, nombre dhabitants
gns par le bruit
Poids des critres Pj o j=1,2,,m
25%, 75%
valuations ou jugements Eij o i=1,2,...,n,
j=1,2,,m
MATRICE DE
JUGEMENTS

VALUATION DES
ACTIONS
Si une action a un mauvais score sur tous les
critres, on peut lliminer
Une action ak domine une action ai si:
eijekj pour tout j et si eij > ekj pour au
moins un j
MTHODES
Les approches peuvent tre divises en trois catgories selon la
faon dont
les jugements seront agrgs
Agrgation complte
Agrgation partielle
Agrgation locale

thodes avec AGRGATION COMPLTE (top-down appro

On cherche agrger les n critres afin


de les rduire
en un critre unique. On suppose que
les jugements sont transitifs a>b,
b>c alors a>c
MTHODES AVEC AGRGATION
PARTIELLE
ELECTRE
Famille de mthodes dites de sur
classement conues par Bernard Roy
et bases sur la comparaison
dactions
Premire mthode de la famille,
Electre I, publie en 1968

Autres mthodes
lectre II, III, IV (B. Roy, 1968 et +)
Promthe I et II (J.-P. Brans, 1980)
Melchior (J. P. Leclerc, 1984)
Qualifex (J. Paelinck, 1976)
Oreste (M. Reubens, 1979)
Regim (P. Nijkamp et P. Rietveld,
1983)
Naiade (G. Munda, 1995)
MTHODE AHP (Thomas Saaty) (Analytic
Hierarchy Process)
Dcomposer le problme complexe en une structure
hirarchique (niveaux)

Effectuer les combinaisons binaires

Dterminer les priorits

Synthtiser les priorits

Cohrence des
jugements
Dcomposer le problme a un hirarchie a laide de fonction
objectif, critres de dcisions et des solution alternative:

Faire la matrice de premier niveau critres pour les compare


Dterminer limportance de chaque critre par rapport a un
autre selon l chelle
Exp:
1 = importance gal
2 = importance modre
3 = importance forte
4 = importance trs forte
5 = importance extrme
n prend les donnes prcdent pour faire calcul du parentage relatif
xp: la cellule Q/Q: 1/ (1+5+2)= 0.125

Matrices de deuxime niveau


On effectue la somme par colonne.
On divise chacune des valeurs de la
colonne par la somme de celles-ci.
Le poids (qui correspond la valeur
propre de la matrice) est donn en
calculant la moyenne de chacune des
lignes

On procde de la mme manire pour les


matrices de niveau 2
On construit ensuite une matrice
combine contenant les critres et les
alternatives
On trouve les poids pondrs en
multipliant le poids de chaque critre par
le poids de chaque alternative par rapport

lachaque critre
meilleure
action est
celle ayant le
poids
maximal ici
ces action 1
CHOIX DE LA MTHODE
Comment choisir la bonne mthode? Il est
souvent plus difficile de choisir la bonne mthode
que de rsoudre le problme!
Trs nombreuses
cole franaise vs amricaine
Pas de mthode parfaite

Martel et Guiltoni (1998) suggre de prendre en considration:

Le nombre de dcideurs
Les prfrences naturelles du dcideur
Une mthode qui va dans le sens de la vision de la
problmatique du dcideur
Linformation disponible et qui sera traite adquatement par
la mthode
Le degr compensatoire de la mthode
Les hypothses sur lesquelles repose la mthode
Le systme de support la dcision qui accompagne la
Cas choix de

la meilleure
Cas
pratique
Une entreprise choisit un nouvel emplacement pour
faire un projet , elle dispose de trois emplacements
pour dcider a, b et c
On veut utiliser AHP et nous avons quatre critres
prix des proprits
Distance des fournisseurs
La qualit des manuvre
Les salaires des manuvre
Sol:

Le but est de trouver le meilleur emplacement pour


construire ce projet
Nous avons 3 emplacement a dcider entre eux A,B
et C sont les potentielles
Nous avons 4 critres de dcision: prix, Distance,
M.O et Les salaires
trouver le
Niveau 0 meilleur
emplacement
Le but

Niveau 1 prix Distance M.O Les


Les critres salaires

Niveau 2
A B C
Les alternatives
On compare chaque paire doptions en regard de
chaque critre
Dimportance gale (1)
Modrment plus important (3)
Beaucoup plus important (5)
Considrablement plus important
(7)
Dune importance crasante (9)
Importance intermdiaire ( 2,4,6,8)
ETAPE 1

Matrice de Niveau 1

prix Distanc M.O salaire


e
prix 1 1/5 3 4
Distan 5 1 9 7
ce
M.O 1/3 1/9 1 2
salaire 1/4 1/7 1/2 1
Matrice de Niveau 2

Matrice prix MATRICE DISTANCE


A B C A B C
A 1 3 2 A 1 6 1/
B 1/ 1 1/ 3
3 5 B 1/ 1 1/
C 1/ 5 1 6 9
2 C 3 9 1
Matrice MO Matrice Salaire
A B C A B C

A 1 1/ 1 A 1 1/ 1/
3 3 2
B 3 1 7 B 3 1 4
C 1 1/ 1 C 2 1/ 1
7 4
ETAPE 2
a b
A B C A B C

A 1 3 2 A 1/1.83 3/9 2/3.2

B 1/3 1 1/5
B (1/3)/1. 1/9 (1/5)/3.
C 1/2 5 1 83 2

S 1.83 9 3.2
C (1/2)/1. 5/9 1/3.2
83
C
A B C M

A 0.546 0.333 0.625 (A+B+C)/3


=
0.5013
B 0.182 0.111 0.0625 0.1185

C 0.273 0.555 0.3125 0.3802


ETAPE 3
Distanc M.O SAL
e
A 0.179 A 0.156
A 0.2819 0 1
B 0.589 B 0.685 B 0.619
C 0.6583 C 0.136 6
0 C 0.224
3

ETAPE 4

emplaceme prix Distance M.O salaire


nt
A 0.5013 0.2819 0.1790 0.1561
B 0.1185 0.589 0.685 0.6196
C 0.3802 0.6583 0.1360 0.2243
On fait les mme tapes avec la matrice de niveau 1

prix Distanc M.O salaire Moyen*


e
prix 0.1519 0.1380 0.2222 0.2858 0.1994
Distan 0.7500 0.6850 0.6667 0.5000 0.0527
ce
M.O 0.0500 0.0760 0.0740 0.1429 0.8575
Onsalaire 0.0380 0.0978
fait la multiplication 0.6370 de0.0742
de la matrice niveau 10.0610
X Moyen*
On obtient :

A=
0.3090 C
B= B
0.1595
C= A
0.5315
OUTILS
ET

LOGICIELS
Plusieurs logiciels ddis une mthode:
- Electre IS, III, IV, TRI, IRIS, SRF
http://www.lamsade.dauphine.fr/el2.log
- AHP
http://www.expertchoice.com/
- Naiade (gratuit)
http://www.aiaccproject.org/meetings/T
rieste_02/trieste_cd/Software/Software.
htm#nai
- Macbeth
http://www.m-macbeth.com/Msite.html
- Evidential Reasoning Approach (version
tudiante gratuite)
http://www.e-ids.co.uk/
- Nimbus (en ligne)
http://nimbus.mit.jyu.fi/N4/index.html
Plusieurs logiciels comprenant plus dune
mthode:
- MultCSync (version gratuite)
http://uts.cc.utexas.edu/~consbio/Cons/Res
Net.html
- NLPJOB (version gratuite)
http://www.unibayreuth.de/departments/m
ath/~kschittkowski/easy_opt.htm
-Visual
- Ergo Decision
http://www.visualdecision.com/download_f.
http://www.arlingsoft.com/download/ergo_
htm
dwnload.asp
-Vig et Vimda
http://www.numplan.fi/
- Et plusieurs autres
Il existe galement diverses applications
dveloppes sur Excel, MatLab,
CONCLUSI
ON Nous avons prsent dune part les
principaux concepts de l'optimisation multi objectif
et diffrents mthodes et approches utilises et
dautre part Nous avons vu que la choix de la
mthode peut dpend des moyens techniques
dont on dispose, du type et de la quantit
dinformations qui sont fournies, du type de
rsultat souhait, des ventuelles connaissances
du dcideur.
Enfin, une fois la mthode choisie, rien
ninterdit dappliquer et/ou dadapter dautres
mthodes afin de comparer leurs rsultats. Il faut
toutefois attirer lattention sur le fait que toutes
les mthodes ne sont pas aisment adaptables
FIN

MERC