SlideShare une entreprise Scribd logo
1  sur  29
Télécharger pour lire hors ligne
L’Aide à la Décision Multicritère Enjeux, Méthodes et Exemples Vincent T’KINDT Laboratoire d’Informatique (EA 2101) Dépt. Informatique - Polytech’Tours Université François-Rabelais de Tours – France [email_address]
Préambule ,[object Object],Vincent T’kindt Modélisation Résolution Qu’entend-on par Aide à la Décision Multicritère ? ,[object Object],Techniques mathématiques et informatiques permettant de résoudre  des problèmes d’optimisation Techniques permettant de formaliser un problème, les préférences du Décideur et les décisions qu’il peut être amené à prendre Aide à la Décision Multicritère Aide à la Décision Multicritère Recherche Opérationnelle
Préambule Vincent T’kindt Anna est proche de son argent Bob aime le bon vin Problème : Comment choisir le vin  ? Qu’est-ce qui compte pour vous ? Anna => le prix, Bob => la qualité. Quel est le prix maximum que vous souhaitez y mettre ? Anna => au plus 10 euros, Bob => plutôt 30 euros, Anna => ok pour 20 euros. Le Décideur L’Homme d’Etudes Le problème de décision Modélisation des préférences
Préambule Vincent T’kindt Voici ce que propose notre carte (vins blancs): Carbonnieux (Graves), 1993 Haut-Brion (Graves), 1992 Meurseault Drouhin, 1992 Gaston Huet (Vouvray), 1990 Z 1 =15 euros et Z 2 =3 Z 1 =20 euros et Z 2 =3 Z 1 =18 euros et Z 2 =5 Z 1 =12 euros et Z 2 =4
Préambule Vincent T’kindt ,[object Object],[object Object],[object Object]
Contenu Vincent T’kindt ,[object Object],[object Object],[object Object]
Concepts fondamentaux Vincent T’kindt ,[object Object],[object Object]
Concepts fondamentaux Vincent T’kindt ,[object Object],Le choix d’une meilleure décision Tracé 1 Tracé 2 Tracé 3 Tracé 4 Choix d’un tracé  d‘autoroute Tracé 2
Concepts fondamentaux Vincent T’kindt ,[object Object],Le tri de décisions Tracé 1 Tracé 2 Tracé 3 Tracé 4 Tri des tracés  d‘autoroute Tracés  à faible coût Tracés  écologiques Tracé 1 Tracé 4 Tracé 2 Tracé 3
Concepts fondamentaux Vincent T’kindt ,[object Object],Le rangement de décisions Tracé 1 Tracé 2 Tracé 3 Tracé 4 Rangement des tracés  d‘autoroute Tracés  consensuels Tracé 1 Tracé 4 Tracé 2 Tracé 3 Plus Moins
Concepts fondamentaux Vincent T’kindt ,[object Object],La description des décisions ,[object Object],[object Object],[object Object],[object Object],[object Object]
Concepts fondamentaux ,[object Object],[object Object],Vincent T’kindt ,[object Object],[object Object],Le problème est posé et on sait comment prendre en compte les préférences du Décideur ,[object Object],[object Object],[object Object],[object Object],[object Object],Tracé 1 Tracé 2 Tracé 3 Tracé 4 Critère environnemental Le système relationnel de préférences Tracé 1 Tracé 2 Tracé 3 Tracé 4
Concepts fondamentaux ,[object Object],Vincent T’kindt ,[object Object],[object Object],[object Object],Dépend du nombre de décisions Si ce nombre est « trop grand » alors on se dirigera plus vers l’utilisation de techniques de Recherches Opérationnelles  Dans tous les cas, c’est le Décideur qui choisit au final, pas l’algorithme de résolution.
Concepts fondamentaux Vincent T’kindt ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
L’Optimisation Multicritère Vincent T’kindt ,[object Object],Minimiser Z 1 (x) Minimiser Z 2 (x) … Minimiser Z K (x) Sous contrainte x    S Trouver « une solution » (décision) qui minimise K critères d’évaluation Z i . Cette solution existe-t-elle ? [T’kindt et Billaut, 2006] V. T’kindt et JC Billaut. Multicriteria Scheduling: Theory, Models and Algorithms, 2 nde  édition, Springer.
L’Optimisation Multicritère Vincent T’kindt ,[object Object],Carbonnieux (Graves), 1993 Haut-Brion (Graves), 1992 Meurseault Drouhin, 1992 Gaston Huet (Vouvray), 1990 Z 1 =15 euros et Z 2 =3 Z 1 =20 euros et Z 2 =3 Z 1 =18 euros et Z 2 =5 Z 1 =12 euros et Z 2 =4
L’Optimisation Multicritère Vincent T’kindt ,[object Object],Z 2 Une solution x est un optimum de  Pareto strict  ssi il n’existe pas une autre solution y telle que Z i (y) ≤Z i (x),   i=1, … ,K, avec au moins une inégalité stricte. Z 1
L’Optimisation Multicritère Vincent T’kindt ,[object Object],[object Object],[object Object],   Cela dépend des préférences du Décideur ! ,[object Object],[object Object],   Nous sommes en plein dans la problématique d’Aide à la Décision Multicritère…
L’Optimisation Multicritère Vincent T’kindt ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Les solutions optimales sont des  optima de Pareto
L’Optimisation Multicritère Vincent T’kindt ,[object Object]
L’Optimisation Multicritère Vincent T’kindt ,[object Object],Minimiser   Z 1 (s)+  Z 2 (s) Sous contrainte Z 1 (s) ≤ b 1 Z 2 (s) ≤ b 2 s    S Décideur Optimum de Pareto Préférences  (poids, bornes) Homme d’Etudes Module d’AD Module Optim
L’Optimisation Multicritère Vincent T’kindt ,[object Object],Minimiser   Z 1 (s)+  Z 2 (s) Sous contrainte Z 1 (s) ≤ b 1 Z 2 (s) ≤ b 2 s    S Décideur Optimum de Pareto Préférences  (poids, bornes) Homme d’Etudes ,[object Object],[object Object],[object Object],[object Object],Module d’AD Module Optim
Exemple : Cartographie statistique Vincent T’kindt ,[object Object],[object Object],Une zone géographique ,[object Object],[object Object],[object Object],[object Object],Avec l’aimable autorisation d’Articques pour l’utilisation des cartes.
Exemple : Cartographie statistique Vincent T’kindt ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Illustration : v(s 1 )=[10;30] v(s 2 )=[100;20] v(s 3 )=[2;25] Z 1 =max(100-10;100-2;10-2)=98 Z 2 =max(30-20;30-25;25-20)=5 Minimiser Z 1  et Z 2 .
Exemple : Cartographie statistique Vincent T’kindt ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Illustration :  Sectorisation Z 1 Z 2 s 1 98 5 s 2 96 7 s 3 90 10 Z 1 Z 2 90 98 96 5 10 7
Exemple : Cartographie statistique Vincent T’kindt ,[object Object],[object Object],[object Object],[object Object],Illustration : Z 1  Z 2 ,[object Object],[object Object]
Exemple : Cartographie statistique Vincent T’kindt ,[object Object],[object Object],[object Object],[object Object],[object Object]
Conclusions Vincent T’kindt ,[object Object],[object Object],[object Object],[object Object],[object Object]
Bibliographie Vincent T’kindt [Figueira et al., 2005] J. Figueira, S. Greco et M. Erghott. Multiple Criteria Decision Analysis: State-of-the-art surveys, International Series on Operations Research and Management Sciences, Springer. [Jacquet-Lagrèze et Siskos, 1982] E. Jacquet-Lagrèze et Y. Siskos. Assessing a set of additive utility functions for multicriteria decision making: the UTA method. European Journal of Operational Research, 10(2):151-164, 1982. [Roy, 2006] B. Roy. Regard historique sur la place de la RO-AD en France, Cahier du Lamsade, num. 237, Université Paris-Dauphine, mai 2006. [Saaty, 1986] T. Saaty. Axiomatic foundation of the Analytic Hierarchy Process, Management Science, 32(7):841-855, 1986. [Von Neumann et Morgenstern, 1954] J. Von Neumann et O. Morgenstern. Theory of games and economic behaviour, Wiley Edition, 1954.

Contenu connexe

Tendances

Présentation projet de fin d'étude
Présentation projet de fin d'étudePrésentation projet de fin d'étude
Présentation projet de fin d'étudeDonia Hammami
 
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...Adad Med Chérif
 
Exercice arbre de décision
Exercice arbre de décision Exercice arbre de décision
Exercice arbre de décision Yassine Badri
 
Management des risques - Support de cours - ibtissam el hassani-2015-2016
Management des risques - Support de cours -  ibtissam el hassani-2015-2016Management des risques - Support de cours -  ibtissam el hassani-2015-2016
Management des risques - Support de cours - ibtissam el hassani-2015-2016ibtissam el hassani
 
5.3 Régression logistique
5.3 Régression logistique5.3 Régression logistique
5.3 Régression logistiqueBoris Guarisma
 
Mini projet power bi
Mini projet power bi Mini projet power bi
Mini projet power bi AfnouchAhmed
 
Data mining - Classification - arbres de décision
Data mining - Classification - arbres de décisionData mining - Classification - arbres de décision
Data mining - Classification - arbres de décisionMohamed Heny SELMI
 
Rapport projet de fin d'études: Elaboration d’un tableau de bord et politique...
Rapport projet de fin d'études: Elaboration d’un tableau de bord et politique...Rapport projet de fin d'études: Elaboration d’un tableau de bord et politique...
Rapport projet de fin d'études: Elaboration d’un tableau de bord et politique...Ayoub Minen
 
Data mining - ACP Analyse en Composantes Principales
Data mining - ACP Analyse en Composantes PrincipalesData mining - ACP Analyse en Composantes Principales
Data mining - ACP Analyse en Composantes PrincipalesMohamed Heny SELMI
 
La soutenance du mémoire
La soutenance du mémoireLa soutenance du mémoire
La soutenance du mémoireS/Abdessemed
 
5.2 Régression linéaire
5.2 Régression linéaire5.2 Régression linéaire
5.2 Régression linéaireBoris Guarisma
 
5.4 Arbres et forêts aléatoires
5.4 Arbres et forêts aléatoires5.4 Arbres et forêts aléatoires
5.4 Arbres et forêts aléatoiresBoris Guarisma
 
Les arbres de décisions
Les arbres de décisionsLes arbres de décisions
Les arbres de décisionsMariem Chaaben
 
GP Chapitre 2 : Les méthodes de prévision
GP Chapitre 2 : Les méthodes de prévision GP Chapitre 2 : Les méthodes de prévision
GP Chapitre 2 : Les méthodes de prévision ibtissam el hassani
 

Tendances (20)

Présentation projet de fin d'étude
Présentation projet de fin d'étudePrésentation projet de fin d'étude
Présentation projet de fin d'étude
 
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...
 
5.5 Clustering
5.5 Clustering5.5 Clustering
5.5 Clustering
 
Td dw1
Td dw1Td dw1
Td dw1
 
Exercice arbre de décision
Exercice arbre de décision Exercice arbre de décision
Exercice arbre de décision
 
Management des risques - Support de cours - ibtissam el hassani-2015-2016
Management des risques - Support de cours -  ibtissam el hassani-2015-2016Management des risques - Support de cours -  ibtissam el hassani-2015-2016
Management des risques - Support de cours - ibtissam el hassani-2015-2016
 
5.3 Régression logistique
5.3 Régression logistique5.3 Régression logistique
5.3 Régression logistique
 
Mini projet power bi
Mini projet power bi Mini projet power bi
Mini projet power bi
 
Data mining - Classification - arbres de décision
Data mining - Classification - arbres de décisionData mining - Classification - arbres de décision
Data mining - Classification - arbres de décision
 
Rapport projet de fin d'études: Elaboration d’un tableau de bord et politique...
Rapport projet de fin d'études: Elaboration d’un tableau de bord et politique...Rapport projet de fin d'études: Elaboration d’un tableau de bord et politique...
Rapport projet de fin d'études: Elaboration d’un tableau de bord et politique...
 
Calcul des prévisions
Calcul des prévisionsCalcul des prévisions
Calcul des prévisions
 
Gimsi
GimsiGimsi
Gimsi
 
Data mining - ACP Analyse en Composantes Principales
Data mining - ACP Analyse en Composantes PrincipalesData mining - ACP Analyse en Composantes Principales
Data mining - ACP Analyse en Composantes Principales
 
La soutenance du mémoire
La soutenance du mémoireLa soutenance du mémoire
La soutenance du mémoire
 
Les outils du management de la qualite
Les outils du management de la qualiteLes outils du management de la qualite
Les outils du management de la qualite
 
5.2 Régression linéaire
5.2 Régression linéaire5.2 Régression linéaire
5.2 Régression linéaire
 
5.4 Arbres et forêts aléatoires
5.4 Arbres et forêts aléatoires5.4 Arbres et forêts aléatoires
5.4 Arbres et forêts aléatoires
 
Présentation PFE
Présentation PFEPrésentation PFE
Présentation PFE
 
Les arbres de décisions
Les arbres de décisionsLes arbres de décisions
Les arbres de décisions
 
GP Chapitre 2 : Les méthodes de prévision
GP Chapitre 2 : Les méthodes de prévision GP Chapitre 2 : Les méthodes de prévision
GP Chapitre 2 : Les méthodes de prévision
 

En vedette

Vers une formalisation du processus d'Aide MultiCritères à la Décision
Vers une formalisation du processus d'Aide MultiCritères à la DécisionVers une formalisation du processus d'Aide MultiCritères à la Décision
Vers une formalisation du processus d'Aide MultiCritères à la DécisionVanea Chiprianov
 
Mise en place d'un système d'aide à la décision en pratique clinique quotidie...
Mise en place d'un système d'aide à la décision en pratique clinique quotidie...Mise en place d'un système d'aide à la décision en pratique clinique quotidie...
Mise en place d'un système d'aide à la décision en pratique clinique quotidie...Didier Mennecier
 
Box Methode M2 R
Box Methode M2 RBox Methode M2 R
Box Methode M2 Rguestb16e95
 
Diagnostic gratuit entreprise en 8 situations
Diagnostic gratuit entreprise en 8 situationsDiagnostic gratuit entreprise en 8 situations
Diagnostic gratuit entreprise en 8 situationsJean-marc SOULIER
 
Y Meheust Vieldvpt Sqop09 Afeit
Y Meheust Vieldvpt Sqop09 AfeitY Meheust Vieldvpt Sqop09 Afeit
Y Meheust Vieldvpt Sqop09 AfeitAFEIT
 
Témoignage Giannoni SQOP09 Afeit
Témoignage Giannoni SQOP09 AfeitTémoignage Giannoni SQOP09 Afeit
Témoignage Giannoni SQOP09 AfeitAFEIT
 
Message pertinent grâce au 4S et QQOQCCP
 Message pertinent grâce au 4S et QQOQCCP Message pertinent grâce au 4S et QQOQCCP
Message pertinent grâce au 4S et QQOQCCPJean-Paul MATHELOT
 
RESOLUTION DU PROBLEME DE LA CARAVANE
RESOLUTION DU PROBLEME DE LA CARAVANERESOLUTION DU PROBLEME DE LA CARAVANE
RESOLUTION DU PROBLEME DE LA CARAVANEcoolmeta
 
Trucs et astuces - arbre de problèmes
Trucs et astuces - arbre de problèmesTrucs et astuces - arbre de problèmes
Trucs et astuces - arbre de problèmesClaude Michaud
 
G Liegois Lean France Sqop09 Afeit
G Liegois Lean France Sqop09 AfeitG Liegois Lean France Sqop09 Afeit
G Liegois Lean France Sqop09 AfeitAFEIT
 
Présentation atelier tubes&co
Présentation atelier tubes&coPrésentation atelier tubes&co
Présentation atelier tubes&coSens&co
 
La méthodologie "8D"
La méthodologie "8D"La méthodologie "8D"
La méthodologie "8D"LeanPerf
 
La conduite de reunion
La conduite de reunionLa conduite de reunion
La conduite de reunionSignos
 
Gp 04 Le Plan Directeur
Gp 04   Le Plan DirecteurGp 04   Le Plan Directeur
Gp 04 Le Plan DirecteurClaude Michaud
 
Analyse arbre
Analyse arbreAnalyse arbre
Analyse arbresusky
 
Lean Kanban France 2015 : Le Kanban explique par bison futé (V1.6)
Lean Kanban France 2015 : Le Kanban explique par bison futé (V1.6)Lean Kanban France 2015 : Le Kanban explique par bison futé (V1.6)
Lean Kanban France 2015 : Le Kanban explique par bison futé (V1.6)Cyrille Deruel
 

En vedette (20)

Vers une formalisation du processus d'Aide MultiCritères à la Décision
Vers une formalisation du processus d'Aide MultiCritères à la DécisionVers une formalisation du processus d'Aide MultiCritères à la Décision
Vers une formalisation du processus d'Aide MultiCritères à la Décision
 
Mise en place d'un système d'aide à la décision en pratique clinique quotidie...
Mise en place d'un système d'aide à la décision en pratique clinique quotidie...Mise en place d'un système d'aide à la décision en pratique clinique quotidie...
Mise en place d'un système d'aide à la décision en pratique clinique quotidie...
 
Introduction à l'évaluation
Introduction à l'évaluationIntroduction à l'évaluation
Introduction à l'évaluation
 
Box Methode M2 R
Box Methode M2 RBox Methode M2 R
Box Methode M2 R
 
Diagnostic gratuit entreprise en 8 situations
Diagnostic gratuit entreprise en 8 situationsDiagnostic gratuit entreprise en 8 situations
Diagnostic gratuit entreprise en 8 situations
 
Y Meheust Vieldvpt Sqop09 Afeit
Y Meheust Vieldvpt Sqop09 AfeitY Meheust Vieldvpt Sqop09 Afeit
Y Meheust Vieldvpt Sqop09 Afeit
 
Témoignage Giannoni SQOP09 Afeit
Témoignage Giannoni SQOP09 AfeitTémoignage Giannoni SQOP09 Afeit
Témoignage Giannoni SQOP09 Afeit
 
Message pertinent grâce au 4S et QQOQCCP
 Message pertinent grâce au 4S et QQOQCCP Message pertinent grâce au 4S et QQOQCCP
Message pertinent grâce au 4S et QQOQCCP
 
RESOLUTION DU PROBLEME DE LA CARAVANE
RESOLUTION DU PROBLEME DE LA CARAVANERESOLUTION DU PROBLEME DE LA CARAVANE
RESOLUTION DU PROBLEME DE LA CARAVANE
 
Trucs et astuces - arbre de problèmes
Trucs et astuces - arbre de problèmesTrucs et astuces - arbre de problèmes
Trucs et astuces - arbre de problèmes
 
G Liegois Lean France Sqop09 Afeit
G Liegois Lean France Sqop09 AfeitG Liegois Lean France Sqop09 Afeit
G Liegois Lean France Sqop09 Afeit
 
Mythe et Idéologie
Mythe et IdéologieMythe et Idéologie
Mythe et Idéologie
 
Présentation atelier tubes&co
Présentation atelier tubes&coPrésentation atelier tubes&co
Présentation atelier tubes&co
 
QQOQCCP
QQOQCCPQQOQCCP
QQOQCCP
 
La méthodologie "8D"
La méthodologie "8D"La méthodologie "8D"
La méthodologie "8D"
 
Résolution de probleme
Résolution de problemeRésolution de probleme
Résolution de probleme
 
La conduite de reunion
La conduite de reunionLa conduite de reunion
La conduite de reunion
 
Gp 04 Le Plan Directeur
Gp 04   Le Plan DirecteurGp 04   Le Plan Directeur
Gp 04 Le Plan Directeur
 
Analyse arbre
Analyse arbreAnalyse arbre
Analyse arbre
 
Lean Kanban France 2015 : Le Kanban explique par bison futé (V1.6)
Lean Kanban France 2015 : Le Kanban explique par bison futé (V1.6)Lean Kanban France 2015 : Le Kanban explique par bison futé (V1.6)
Lean Kanban France 2015 : Le Kanban explique par bison futé (V1.6)
 

Similaire à Vincent T'KINDT - Aide à la décision multicritère

Théorie de la decision
Théorie de la decisionThéorie de la decision
Théorie de la decisionSoufiane MIR
 
Support Formation Samsung - Python - Session 2 - 2022.pptx
Support Formation Samsung - Python - Session 2 - 2022.pptxSupport Formation Samsung - Python - Session 2 - 2022.pptx
Support Formation Samsung - Python - Session 2 - 2022.pptxbpmana
 
Marketing et Big Data
Marketing et Big DataMarketing et Big Data
Marketing et Big DataJeremy Greze
 
Outils d'aides à la décision multicritere
Outils d'aides à la décision multicritereOutils d'aides à la décision multicritere
Outils d'aides à la décision multicriteremahraznajib
 
optimisation cours.pdf
optimisation cours.pdfoptimisation cours.pdf
optimisation cours.pdfMouloudi1
 
A heuristic multi-agents model to solve the TSP
A heuristic multi-agents model to solve the TSPA heuristic multi-agents model to solve the TSP
A heuristic multi-agents model to solve the TSPMnasri Sami
 
Amélioration continue - 6 sigma - ibtissam el hassani-chapitre 2015-2016
Amélioration continue - 6 sigma - ibtissam el hassani-chapitre 2015-2016Amélioration continue - 6 sigma - ibtissam el hassani-chapitre 2015-2016
Amélioration continue - 6 sigma - ibtissam el hassani-chapitre 2015-2016ibtissam el hassani
 

Similaire à Vincent T'KINDT - Aide à la décision multicritère (12)

Théorie de la decision
Théorie de la decisionThéorie de la decision
Théorie de la decision
 
WAAUB_DIAPO_2_2.pdf
WAAUB_DIAPO_2_2.pdfWAAUB_DIAPO_2_2.pdf
WAAUB_DIAPO_2_2.pdf
 
Support Formation Samsung - Python - Session 2 - 2022.pptx
Support Formation Samsung - Python - Session 2 - 2022.pptxSupport Formation Samsung - Python - Session 2 - 2022.pptx
Support Formation Samsung - Python - Session 2 - 2022.pptx
 
Marketing et Big Data
Marketing et Big DataMarketing et Big Data
Marketing et Big Data
 
Outils d'aides à la décision multicritere
Outils d'aides à la décision multicritereOutils d'aides à la décision multicritere
Outils d'aides à la décision multicritere
 
optimisation cours.pdf
optimisation cours.pdfoptimisation cours.pdf
optimisation cours.pdf
 
Arbre de décision
Arbre de décisionArbre de décision
Arbre de décision
 
Oc1 2013
Oc1 2013Oc1 2013
Oc1 2013
 
Cours cluster si2e
Cours cluster si2eCours cluster si2e
Cours cluster si2e
 
Phd dutangc-defense
Phd dutangc-defensePhd dutangc-defense
Phd dutangc-defense
 
A heuristic multi-agents model to solve the TSP
A heuristic multi-agents model to solve the TSPA heuristic multi-agents model to solve the TSP
A heuristic multi-agents model to solve the TSP
 
Amélioration continue - 6 sigma - ibtissam el hassani-chapitre 2015-2016
Amélioration continue - 6 sigma - ibtissam el hassani-chapitre 2015-2016Amélioration continue - 6 sigma - ibtissam el hassani-chapitre 2015-2016
Amélioration continue - 6 sigma - ibtissam el hassani-chapitre 2015-2016
 

Plus de Groupe ARTICQUE

Congrès 2015 - Introduction - Georges-Antoine STRAUCH
Congrès 2015 - Introduction - Georges-Antoine STRAUCHCongrès 2015 - Introduction - Georges-Antoine STRAUCH
Congrès 2015 - Introduction - Georges-Antoine STRAUCHGroupe ARTICQUE
 
Congrès 2015 - Présentation application de pilotage commercial - Blay Foldex
Congrès 2015 - Présentation application de pilotage commercial - Blay FoldexCongrès 2015 - Présentation application de pilotage commercial - Blay Foldex
Congrès 2015 - Présentation application de pilotage commercial - Blay FoldexGroupe ARTICQUE
 
Congrès 2015 - Présentation Articque MAP for QlikView
Congrès 2015 - Présentation Articque MAP for QlikViewCongrès 2015 - Présentation Articque MAP for QlikView
Congrès 2015 - Présentation Articque MAP for QlikViewGroupe ARTICQUE
 
Le mot du président - Georges-Antoine Strauch
Le mot du président - Georges-Antoine Strauch Le mot du président - Georges-Antoine Strauch
Le mot du président - Georges-Antoine Strauch Groupe ARTICQUE
 
ODIS - Géo-Décision : la cartographie au coeur de l'observation territoriale
ODIS - Géo-Décision : la cartographie au coeur de l'observation territorialeODIS - Géo-Décision : la cartographie au coeur de l'observation territoriale
ODIS - Géo-Décision : la cartographie au coeur de l'observation territorialeGroupe ARTICQUE
 
CCI Moselle - Géomarketing : l’Observatoire Lorrain du Commerce et de la Cons...
CCI Moselle - Géomarketing : l’Observatoire Lorrain du Commerce et de la Cons...CCI Moselle - Géomarketing : l’Observatoire Lorrain du Commerce et de la Cons...
CCI Moselle - Géomarketing : l’Observatoire Lorrain du Commerce et de la Cons...Groupe ARTICQUE
 
MMA - Géo-Décision : présentation d'indicateurs techniques dans un atlas cart...
MMA - Géo-Décision : présentation d'indicateurs techniques dans un atlas cart...MMA - Géo-Décision : présentation d'indicateurs techniques dans un atlas cart...
MMA - Géo-Décision : présentation d'indicateurs techniques dans un atlas cart...Groupe ARTICQUE
 
Exoptic : optimisation commerciale et sectorisation pour le marché de l'Optique
Exoptic : optimisation commerciale et sectorisation pour le marché de l'OptiqueExoptic : optimisation commerciale et sectorisation pour le marché de l'Optique
Exoptic : optimisation commerciale et sectorisation pour le marché de l'OptiqueGroupe ARTICQUE
 
Kazimierz J. Zaniewski - Pétrole et migrations humaines
Kazimierz J. Zaniewski - Pétrole et migrations humainesKazimierz J. Zaniewski - Pétrole et migrations humaines
Kazimierz J. Zaniewski - Pétrole et migrations humainesGroupe ARTICQUE
 
Hervé Thery - Pétrole (ou alcool), population (jeune), pauvreté (hélas): le B...
Hervé Thery - Pétrole (ou alcool), population (jeune), pauvreté (hélas): le B...Hervé Thery - Pétrole (ou alcool), population (jeune), pauvreté (hélas): le B...
Hervé Thery - Pétrole (ou alcool), population (jeune), pauvreté (hélas): le B...Groupe ARTICQUE
 
Philippe LATOUR - Géomarketing
Philippe LATOUR - GéomarketingPhilippe LATOUR - Géomarketing
Philippe LATOUR - GéomarketingGroupe ARTICQUE
 
Hervé THERY - Sémiologie graphique par l'exemple
Hervé THERY - Sémiologie graphique par l'exempleHervé THERY - Sémiologie graphique par l'exemple
Hervé THERY - Sémiologie graphique par l'exempleGroupe ARTICQUE
 
Jérôme BARAY - Rayonnement des territoires
Jérôme BARAY - Rayonnement des territoiresJérôme BARAY - Rayonnement des territoires
Jérôme BARAY - Rayonnement des territoiresGroupe ARTICQUE
 
Articque - Congres 20 ans - Adecco
Articque - Congres 20 ans - AdeccoArticque - Congres 20 ans - Adecco
Articque - Congres 20 ans - AdeccoGroupe ARTICQUE
 

Plus de Groupe ARTICQUE (15)

Congrès 2015 - Introduction - Georges-Antoine STRAUCH
Congrès 2015 - Introduction - Georges-Antoine STRAUCHCongrès 2015 - Introduction - Georges-Antoine STRAUCH
Congrès 2015 - Introduction - Georges-Antoine STRAUCH
 
Congrès 2015 - Présentation application de pilotage commercial - Blay Foldex
Congrès 2015 - Présentation application de pilotage commercial - Blay FoldexCongrès 2015 - Présentation application de pilotage commercial - Blay Foldex
Congrès 2015 - Présentation application de pilotage commercial - Blay Foldex
 
Congrès 2015 - Présentation Articque MAP for QlikView
Congrès 2015 - Présentation Articque MAP for QlikViewCongrès 2015 - Présentation Articque MAP for QlikView
Congrès 2015 - Présentation Articque MAP for QlikView
 
Le mot du président - Georges-Antoine Strauch
Le mot du président - Georges-Antoine Strauch Le mot du président - Georges-Antoine Strauch
Le mot du président - Georges-Antoine Strauch
 
ODIS - Géo-Décision : la cartographie au coeur de l'observation territoriale
ODIS - Géo-Décision : la cartographie au coeur de l'observation territorialeODIS - Géo-Décision : la cartographie au coeur de l'observation territoriale
ODIS - Géo-Décision : la cartographie au coeur de l'observation territoriale
 
CCI Moselle - Géomarketing : l’Observatoire Lorrain du Commerce et de la Cons...
CCI Moselle - Géomarketing : l’Observatoire Lorrain du Commerce et de la Cons...CCI Moselle - Géomarketing : l’Observatoire Lorrain du Commerce et de la Cons...
CCI Moselle - Géomarketing : l’Observatoire Lorrain du Commerce et de la Cons...
 
MMA - Géo-Décision : présentation d'indicateurs techniques dans un atlas cart...
MMA - Géo-Décision : présentation d'indicateurs techniques dans un atlas cart...MMA - Géo-Décision : présentation d'indicateurs techniques dans un atlas cart...
MMA - Géo-Décision : présentation d'indicateurs techniques dans un atlas cart...
 
Exoptic : optimisation commerciale et sectorisation pour le marché de l'Optique
Exoptic : optimisation commerciale et sectorisation pour le marché de l'OptiqueExoptic : optimisation commerciale et sectorisation pour le marché de l'Optique
Exoptic : optimisation commerciale et sectorisation pour le marché de l'Optique
 
Kazimierz J. Zaniewski - Pétrole et migrations humaines
Kazimierz J. Zaniewski - Pétrole et migrations humainesKazimierz J. Zaniewski - Pétrole et migrations humaines
Kazimierz J. Zaniewski - Pétrole et migrations humaines
 
Hervé Thery - Pétrole (ou alcool), population (jeune), pauvreté (hélas): le B...
Hervé Thery - Pétrole (ou alcool), population (jeune), pauvreté (hélas): le B...Hervé Thery - Pétrole (ou alcool), population (jeune), pauvreté (hélas): le B...
Hervé Thery - Pétrole (ou alcool), population (jeune), pauvreté (hélas): le B...
 
Pignon & Morillon - CAP
Pignon & Morillon - CAPPignon & Morillon - CAP
Pignon & Morillon - CAP
 
Philippe LATOUR - Géomarketing
Philippe LATOUR - GéomarketingPhilippe LATOUR - Géomarketing
Philippe LATOUR - Géomarketing
 
Hervé THERY - Sémiologie graphique par l'exemple
Hervé THERY - Sémiologie graphique par l'exempleHervé THERY - Sémiologie graphique par l'exemple
Hervé THERY - Sémiologie graphique par l'exemple
 
Jérôme BARAY - Rayonnement des territoires
Jérôme BARAY - Rayonnement des territoiresJérôme BARAY - Rayonnement des territoires
Jérôme BARAY - Rayonnement des territoires
 
Articque - Congres 20 ans - Adecco
Articque - Congres 20 ans - AdeccoArticque - Congres 20 ans - Adecco
Articque - Congres 20 ans - Adecco
 

Vincent T'KINDT - Aide à la décision multicritère

  • 1. L’Aide à la Décision Multicritère Enjeux, Méthodes et Exemples Vincent T’KINDT Laboratoire d’Informatique (EA 2101) Dépt. Informatique - Polytech’Tours Université François-Rabelais de Tours – France [email_address]
  • 2.
  • 3. Préambule Vincent T’kindt Anna est proche de son argent Bob aime le bon vin Problème : Comment choisir le vin  ? Qu’est-ce qui compte pour vous ? Anna => le prix, Bob => la qualité. Quel est le prix maximum que vous souhaitez y mettre ? Anna => au plus 10 euros, Bob => plutôt 30 euros, Anna => ok pour 20 euros. Le Décideur L’Homme d’Etudes Le problème de décision Modélisation des préférences
  • 4. Préambule Vincent T’kindt Voici ce que propose notre carte (vins blancs): Carbonnieux (Graves), 1993 Haut-Brion (Graves), 1992 Meurseault Drouhin, 1992 Gaston Huet (Vouvray), 1990 Z 1 =15 euros et Z 2 =3 Z 1 =20 euros et Z 2 =3 Z 1 =18 euros et Z 2 =5 Z 1 =12 euros et Z 2 =4
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29. Bibliographie Vincent T’kindt [Figueira et al., 2005] J. Figueira, S. Greco et M. Erghott. Multiple Criteria Decision Analysis: State-of-the-art surveys, International Series on Operations Research and Management Sciences, Springer. [Jacquet-Lagrèze et Siskos, 1982] E. Jacquet-Lagrèze et Y. Siskos. Assessing a set of additive utility functions for multicriteria decision making: the UTA method. European Journal of Operational Research, 10(2):151-164, 1982. [Roy, 2006] B. Roy. Regard historique sur la place de la RO-AD en France, Cahier du Lamsade, num. 237, Université Paris-Dauphine, mai 2006. [Saaty, 1986] T. Saaty. Axiomatic foundation of the Analytic Hierarchy Process, Management Science, 32(7):841-855, 1986. [Von Neumann et Morgenstern, 1954] J. Von Neumann et O. Morgenstern. Theory of games and economic behaviour, Wiley Edition, 1954.