Thèse soutenue

Elicitation indirecte de modèles de tri multicritère

FR  |  
EN
Auteur / Autrice : Olivier Cailloux
Direction : Vincent Mousseau
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 14/11/2012
Etablissement(s) : Châtenay-Malabry, Ecole centrale de Paris
Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Châtenay-Malabry, Hauts de Seine)
Partenaire(s) de recherche : Laboratoire : Laboratoire génie industriel (Gif-sur-Yvette, Essonne) - Laboratoire Génie Industriel
Jury : Président / Présidente : Marc Pirlot
Examinateurs / Examinatrices : Vincent Mousseau, Eyke Hüllermeier, Ahti Salo, Salvatore Greco, Nicolas Maudet
Rapporteurs / Rapporteuses : Eyke Hüllermeier, Ahti Salo, Salvatore Greco

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Le champ de l’Aide Multicritère à la Décision (AMCD) propose des manières de modéliser formellement les préférences d’un décideur de façon à lui apporter des éclaircissements. Le champ s’intéresse aux problèmes impliquant une décision et faisant intervenir plusieurs points de vue pour évaluer les options (ou alternatives) disponibles. Ce travail vise principalement à proposer des méthodes d’élicitation, donc des façons de questionner un décideur ou un groupe de décideurs pour obtenir un ou plusieurs modèles de préférence. Ces méthodes utilisent des techniques dites de désagrégation consistant à prendre des exemples de décision pour base de la modélisation. Dans le contexte étudié, les modèles de préférence sont des modèles de tri : ils déterminent une façon d’affecter des alternatives à des catégories ordonnées par préférence. Nous nous intéressons à la classe de modèles de tri MR Sort. Nous présentons une méthode permettant de faire converger un groupe de décideurs vers un modèle de tri unique. Elle s’appuie sur des programmes mathématiques. Nous analysons également en détail les difficultés liées aux imprécisions numériques posées par l’implémentation de ces programmes. Nous proposons aussi un algorithme permettant de comparer deux modèles MR Sort. Nous introduisons une manière novatrice d’interroger le décideur d’une façon qui permet de prendre en compte ses hésitations, via l’expression de degrés de crédibilités, lorsqu’il fournit des exemples d’affectation. Les résultats de la méthode permettent au décideur de visualiser les compromis possibles entre la crédibilité et la précision des conclusions obtenues. Nous proposons une méthode de choix de portefeuille. Elle intègre des préoccupations d’évaluation absolue, afin de s’assurer de la qualité intrinsèque des alternatives sélectionnées, et des préoccupations portant sur l’équilibre du portefeuille résultant. Nous expliquons également en quoi cette méthode peut constituer une alternative à la discrimination positive. Nous décrivons les composants logiciels réutilisables que nous avons soumis à une plateforme de services web, ainsi que les fonctionnalités développées dans une bibliothèque qui implémente les méthodes proposées dans ce travail. Un schéma de données existe visant à standardiser l’encodage de données de méthodes d’AMCD en vue de faciliter la communication entre composants logiciels. Nous proposons une nouvelle approche visant à résoudre un certain nombre d’inconvénients de l’approche actuelle. Nous développons en guise de perspective une proposition visant à inscrire la modélisation des préférences dans une épistémologie de type réaliste.