View
275
Download
8
Category
Preview:
Citation preview
1
ANALYSE MULTICRITÈREANALYSE MULTICRITÈRE
PARNadia LehouxPascale Vallée
novembre 04 Analyse multicritère 2
INTRODUCTIONINTRODUCTION
Quel modèle choisir?
2
novembre 04 Analyse multicritère 3
PLAN DE LA PLAN DE LA PRÉSENTATIONPRÉSENTATION
• Définition générale • Terminologie• Différentes méthodes utilisées• Cas pratique• Outils et logiciels• Groupes de recherche• Conclusion
novembre 04 Analyse multicritère 4
DÉFINITIONDÉFINITION
• Science technique vouée à l’éclaircissement de la compréhension d’un problème de décision et à sa résolution
• Elle devient multicritère lorsque le problème comporte plusieurs objectifs, souvent contradictoires
3
novembre 04 Analyse multicritère 5
DÉFINITIONDÉFINITION
• Analyse qui vise à expliciter une famille cohérente de critères pour permettre de concevoir, justifier et transformer les préférences au sein d’un processus de décision
novembre 04 Analyse multicritère 6
CONTEXTECONTEXTE
• L’optimisation monocritère n’est souvent pas le reflet de la réalité
• Pour certains problèmes, il peut être parfois dangereux de les traiter dans l’optique de l’optimisation
4
novembre 04 Analyse multicritère 7
OBJECTIFSOBJECTIFS
• Aider à prendre une décision ou àévaluer plusieurs options dans des situations où aucune possibilité n’est parfaite
• Permettre de concilier les aspects économiques, de design, technologiques, environnementaux, sociaux, …
novembre 04 Analyse multicritère 8
EXEMPLES D’EXEMPLES D’APPLICATIONAPPLICATION
• Choix d’un site d’aménagement• Choix d’un moyen de transport• Décision d’investissement• Choix de l’utilisation d’une
technologie ou d’un système d’information
• Sélection de fournisseurs• ...
5
novembre 04 Analyse multicritère 9
DÉMARCHE À SUIVREDÉMARCHE À SUIVRE• Recherche de la solution la plus adéquate
possible en 5 étapes:– Identifier l’objectif global de la démarche et le type
de décision– Dresser la liste des solutions possibles ou
envisageables– Dresser la liste des critères à prendre en
considération– Juger chacune des solutions aux yeux de chacun
des critères– Agréger ces jugements pour désigner la solution
qui obtient les meilleures évaluations
novembre 04 Analyse multicritère 10
DÉMARCHE À SUIVREDÉMARCHE À SUIVRE
• Comment va-ton agréger les jugements ou encore l’ensemble des évaluations faites de chacune des solutions par rapport à chacun des critères, afin de désigner la solution la plus valable???
→ En utilisant une des nombreuses méthodes proposées dans la littérature
6
novembre 04 Analyse multicritère 11
TERMINOLOGIETERMINOLOGIE
• Actions potentielles (alternatives)(Construire l’autoroute en rasant une forêt ou construire l’autoroute parmi des quartiers résidentiels?)
• Critères(Nombre d’hectares de forêt détruits, nombre d’habitants gênés par le bruit)
• Unités(1000 hectares de forêt, 20 000 habitants)
• Poids des critères(25%, 75%)
• Évaluations ou jugements(Action 1: 1, 5 Action2: 5, 1)
novembre 04 Analyse multicritère 12
FAMILLE DE CRITÈRESFAMILLE DE CRITÈRES
• Liste exhaustive• Opérationnelle • Non redondante• Minimale • Cohérente• Indépendance des critères
7
novembre 04 Analyse multicritère 13
ÉLÉMENTS DE LA MATRICE ÉLÉMENTS DE LA MATRICE DE JUGEMENTSDE JUGEMENTS
• Ensemble des actions potentielles A={a1,a2,a3,…,an} ai où i=1,2,…,n
• Différents critèrescj où j=1,2,…,m
• Poids des critèrespj où j=1,2,…,m
• Évaluations ou jugementseij où i=1,2,...,n, j=1,2,…,m
novembre 04 Analyse multicritère 14
MATRICE DE JUGEMENTSMATRICE DE JUGEMENTS
e11 e12 … … … e1m
e21 … … … … …… … … … … …… … … … … …… … … eij … …en1 … … … … enm
a1
a2
a3
.
.an
p1 p2 p3 … … pmPoids relatifs
c1 c2 c3 … … cmAlternativesCritèresCritères
8
novembre 04 Analyse multicritère 15
EXEMPLE DE MATRICEEXEMPLE DE MATRICE
52 000$ 3,5L 4 789mm51 000$ 3,3L 4 730mm
Acura MDXLexus RX330
50% 20% 30%Poids relatifs
Prix Cylindrée LongueurAlternatives
CritèresCritères
novembre 04 Analyse multicritère 16
ÉVALUATION DES ÉVALUATION DES ACTIONSACTIONS
• Si une action a un mauvais score sur tous les critères, on peut l’éliminer
• Une action ai domine une action ak si:eij>=ekj pour tout j et si eij>ekj pour au moins un j
9
novembre 04 Analyse multicritère 17
OPTIMUM DE PARETOOPTIMUM DE PARETO
• On cherche sur un graphique une solution supérieure du point de vue d’un critère, sans toutefois faire diminuer les autres critères
• Il existe des solutions non dominantes sur une frontière, et c’est au décideur de choisir l’action qu’il préfère
novembre 04 Analyse multicritère 18
MÉTHODESMÉTHODES
• Les approches peuvent être divisées en trois catégories selon la façon dont les jugements seront agrégés (Schärlig, 1988)
10
novembre 04 Analyse multicritère 19
MÉTHODESMÉTHODES
1) Agrégation complète (top-down approach) On cherche à agréger les n critères afin de les réduire en un critère unique. On suppose que les jugements sont transitifs ex: a>b, b>c alors a>c
novembre 04 Analyse multicritère 20
MÉTHODESMÉTHODES
2) Agrégation partielle (bottom-up approach)On cherche à comparer des actions potentielles ou des classements les uns aux autres et à établir entre ces éléments des relations de surclassement. On doit alors respecter l’incomparabilité.
11
novembre 04 Analyse multicritère 21
MÉTHODESMÉTHODES
3) Agrégation localeOn cherche en premier lieu une solution de départ. Par la suite, on procède à une recherche itérative pour trouver une meilleure solution.
novembre 04 Analyse multicritère 22
MÉTHODES AVECMÉTHODES AVECAGRÉGATION COMPLÈTEAGRÉGATION COMPLÈTE
12
novembre 04 Analyse multicritère 23
MÉTHODE WSM MÉTHODE WSM ((WeightWeight SumSum MethodMethod ou Somme de notes)ou Somme de notes)
On utilise ici une échelle de 0 à 6 (excellent=6, très bon=5, bon=4, moyen=3, passable=2, pas bon=1, médiocre=0)
Voici les résultats:
Action 1: 1 5 4 4 4 La somme est 18
Action 2: 4 3 4 3 3 La somme est 17
Selon la somme des évaluations des critères, l’action 1 serait la meilleure, pourtant elle est loin de satisfaire le critère 1
max ou min ∑eij*pj pour i=1,2,…,nj=1
m
ii
novembre 04 Analyse multicritère 24
MÉTHODE WPM MÉTHODE WPM (Percy Bridgman,1922)(Percy Bridgman,1922)((WeightWeight ProductProduct MethodMethod ou Multiplication de ratios)ou Multiplication de ratios)
Cette méthode pénalise fortement les actions très mauvaises pour un critère
Voici par exemple 3 actions potentielles et 3 critères
Action 1: 1 5 4 4 4 e1=(1/5)*(5/8)*(4/8)*(4/7)*(4/7)=0,0204
Action 2: 4 3 4 3 3 e2=(4/5)*(3/8)*(4/8)*(3/7)*(3/7)=0,0276
Avec cette méthode, l’action 2 serait ici la meilleure
max ou min ∏(aij/aLj)pij pour i =1,2,…nii j=1
m
13
novembre 04 Analyse multicritère 25
MÉTHODE AHPMÉTHODE AHP(Thomas L. (Thomas L. SaatySaaty, 1971), 1971)
((AnalyticAnalytic HierarchyHierarchy ProcessProcess))
• Décomposer le problème complexe en une structure hiérarchique (niveaux)
• Effectuer les combinaisons binaires• Déterminer les priorités• Synthétiser les priorités• Cohérence des jugements
novembre 04 Analyse multicritère 26
MÉTHODE AHPMÉTHODE AHP
14
novembre 04 Analyse multicritère 27
MÉTHODE AHPMÉTHODE AHP
Matrice de premier niveauMatrice de premier niveau
Exemple: La qualité de la technologie est beaucoup plus Exemple: La qualité de la technologie est beaucoup plus importante que les délais de livraison importante que les délais de livraison
131/2Expérience
1/311/5Délai
251Qualité
ExpérienceDélaiQualité
novembre 04 Analyse multicritère 28
MÉTHODE AHPMÉTHODE AHP
Par rapport à la qualité :Alternatives 1 2 3
1 1 3 62 1/3 1 1/33 1/6 3 1
Par rapport au délai de livraison :Alternatives 1 2 3
1 1 1/3 42 3 1 53 1/4 1/5 1
Matrices de deuxième niveauMatrices de deuxième niveau
Par rapport à l’expérience de la firme :Alternatives 1 2 3
1 1 ½ 32 2 1 53 1/3 1/5 1
15
novembre 04 Analyse multicritère 29
MÉTHODE AHPMÉTHODE AHP
1,00SS3 1/391.7Somme
……131/2E
……1/311/5D
2,15/SS(1*5*2)1/3
= 2,15251Q
PoidsMoyenne géométriqueEDQObjectif
novembre 04 Analyse multicritère 30
MÉTHODE AHPMÉTHODE AHP
• On procède de la même manière pour les matrices de niveau 2
• On construit ensuite une matrice combinée contenant les critères et les alternatives
• On trouve les poids pondérés en multipliant le poids de chaque critère par le poids de chaque alternative par rapport à chaque critère
• Pour chaque alternative, on additionne les poids, et la meilleure action est celle ayant le poids maximal
16
novembre 04 Analyse multicritère 31
MAUT MAUT ((Multi Attribute Utility TheoryMulti Attribute Utility Theory))
• Méthode développée vers la fin des années 60 par Ralph Keeney et Howard Raiffa
• Cherche à mesurer l’utilité totale qui peut être tirée de chacune des actions potentielles
• Elle est obtenue en combinant les utilités élémentaires ou partielles que présentent cette action aux yeux des différents critères
novembre 04 Analyse multicritère 32
MAUT MAUT ((Multi Attribute Utility TheoryMulti Attribute Utility Theory))
• L’utilité totale UA (x1,x2,..,xn) associée àl’action à évaluer sur les critères 1,2,..,n peut être obtenue selon une formule additive:
ou multiplicative:
ui(xi(a)): utilité générée par rapport au critère i si l’action a considérée a la performance xi
pi , αi et βi: poids du critère i
( ) ( ))(,...,,1
21 axupxxxU i
n
iiina ∑
=
=
( ) ( ))(,...,,1
21 axuxxxU i
n
iiiina ∑
=
+= βα
17
novembre 04 Analyse multicritère 33
MAUT MAUT ((Multi Attribute Utility TheoryMulti Attribute Utility Theory))
• Par des questions adressées au décideur ou via l’utilisation de loteries, on va pouvoir déterminer l’utilité partielle vis-à-vis chacun des critères
Ex: Choix d’un nouvel emploi
150 000 300 000
1
0.5
novembre 04 Analyse multicritère 34
MAUT MAUT ((Multi Attribute Utility TheoryMulti Attribute Utility Theory))
• La difficulté principale de cette méthode réside dans la complexité d’estimer la fonction d’utilité
• Suppose l’homme totalement rationnel!• L’efficacité des loteries grandement remise
en question dans la littérature
18
novembre 04 Analyse multicritère 35
MÉTHODES AVECMÉTHODES AVECAGRÉGATION PARTIELLEAGRÉGATION PARTIELLE
novembre 04 Analyse multicritère 36
ELECTREELECTRE
• Famille de méthodes dites de surclassement conçues par Bernard Roy et basées sur la comparaison d’actions
• Première méthode de la famille, Electre I, publiée en 1968
19
novembre 04 Analyse multicritère 37
ELECTRE IELECTRE I
• Cette méthode repose sur le principe de Condorat (1785):
– Une action en surclasse une autre si elle est au moins aussi bonne que l’autre relativement à une majorité de critères, sans être nettement plus mauvaise que cette autre relativement aux autres critères
novembre 04 Analyse multicritère 38
ELECTRE IELECTRE I
• On s’intéresse donc à chaque action de l’ensemble et on la compare àtoutes les autres
• La comparaison se fait par paire ordonnée (a p/r b ≠ b p/r a) et on se demande alors si l’action a surclasse ou non l’action b
20
novembre 04 Analyse multicritère 39
I. Phase 1 : les jugements• Déterminer des critères cohérents• Attribuer des poids aux différents
critères considérés• Évaluer chaque action aux yeux de
chaque critère et élaborer la matrice
ELECTRE IELECTRE I
Poidsfort
86.553.52
107.5520
Poidsmoyen
Poidsfaible
76543
t.bbnp
m
t.bbnp
m
t.bbnp
m
novembre 04 Analyse multicritère 40
ELECTRE IELECTRE I
II. Phase 2: les indices• Pour chaque paire ordonnée d’actions,
poser l’hypothèse que la première action surclasse la seconde et confronter cette hypothèse aux chiffres de la matrice
• Additionner les poids des critères qui sont en accord avec l’hypothèse et diviser la somme par celle de tous les poids (indice de concordance)
21
novembre 04 Analyse multicritère 41
ELECTRE IELECTRE I
II. Phase 2: les indices• Considérer les critères pour lesquels l’action a
est moins bonne que l’action b, choisir la divergence la plus forte et diviser cette divergence par la longueur de la plus grande échelle utilisée (indice de discordance)
• Choisir la divergence la 2e plus forte et la diviser par la longueur de la plus grande échelle (indice de discordance 2)
novembre 04 Analyse multicritère 42
ELECTRE IELECTRE I
III. Phase 3: seuils de surclassement• Fixer un seuil de tolérance pour les
indices de concordance exprimant le minimum de concordance requis
• Fixer un seuil de tolérance pour l’indice de discordance exprimant le maximum de discordance toléré
• Examiner toutes les paires ordonnées d’après le seuil et ne conserver que celles passant le filtre
22
novembre 04 Analyse multicritère 43
ELECTRE IELECTRE I
IV. Phase 4: tâtonnement et synthèse• Si certaines actions ne sont ni
surclassantes, ni surclassées, répéter les étapes 2 et 3 en augmentant ou en diminuant les valeurs des seuils, des poids, …
• Choisir si possible l’action qui surclasse les autres dans la plupart des scénarios
novembre 04 Analyse multicritère 44
ELECTRE IELECTRE I
• Méthode qui permet de dégager un sous-ensemble de solutions
• Demande peu d’information donc facile à implanter
• Comporte quelques défauts qui sont corrigés dans les versions suivantes…
23
novembre 04 Analyse multicritère 45
ELECTRE IELECTRE I
3005001500Proximité des autoroutes (m)
8002000400Proximité des zones urbaines
(m)
805010Coût (millions)
Site CSite BSite ACritères
novembre 04 Analyse multicritère 46
ELECTRE IELECTRE I--ExempleExemple
752.5Site C57.55Site B32.57.5Site A244Poids
3-70-100-10échelle
Proximitédes
autoroutes (m)
Proximitédes zones
urbaines (m)
Coût (millions)
Critères
24
novembre 04 Analyse multicritère 47
ELECTRE IELECTRE I--ExempleExemple
-0.80.4Site C
0.2-0.4Site B
0.60.6-Site A
Site C
Site B
Site A
-00.25Site C
0.25-0.2Site B
00-Site A
Site C
Site B
Site A
-0.20.4Site C
0.25-0.5Site B
0. 50.25-Site A
Site C
Site B
Site A
Indices de concordance Indices de discordance
Indices de discordance 2
novembre 04 Analyse multicritère 48
ELECTRE IELECTRE I--ExempleExempleSeuil de tolérance: indice de concordance = 0.7
indice de discordance = 0.2
xSite C
xSite B
Site A
Site C
Site B
Site A Site A Site B
Site C
25
novembre 04 Analyse multicritère 49
AUTRES MÉTHODESAUTRES MÉTHODES
• Electre II, III, IV (B. Roy, 1968 et +)• Prométhée 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)• …
novembre 04 Analyse multicritère 50
MÉTHODES AVECMÉTHODES AVECAGRÉGATION LOCALE ET AGRÉGATION LOCALE ET
ITÉRATIVEITÉRATIVE
26
novembre 04 Analyse multicritère 51
MÉTHODE DES CÔNES MÉTHODE DES CÔNES D’D’AMÉLIORATIONAMÉLIORATION
((GeoffrionGeoffrion, , DyerDyer, , FeinbergFeinberg, 1972), 1972)
• On a V, un ensemble de vecteurs correspondant à des actions potentielles
• On choisit un point vi dans V• On sélectionne les points préférables à vi
dans V, ce qui forme un cône• On choisit un point dans ce cône et on
recommence la procédure jusqu’à ce qu’il n’y ait plus d’amélioration possible
novembre 04 Analyse multicritère 52
GOAL PROGRAMMINGGOAL PROGRAMMING
• On fixe d’abord pour chaque critère la valeur de l’évaluation que l’on désire avoir
• Pour chaque action, on détermine pour quel critère l’évaluation est la plus éloignée de la cible (donc le critère le moins respecté)
• L’action étant la moins à l’écart est la meilleure
27
novembre 04 Analyse multicritère 53
GOAL PROGRAMMING GOAL PROGRAMMING SIMPLIFIÉSIMPLIFIÉ
9 7 8a*
4 5 68 5 77 6 55 4 6
a1
a2
a3
a4
c1 c2 c3
5 2 2
1 2 1
2 1 34 3 2
a1
a2
a3
a4
c1 c2 c3
CritèresCritères DistancesDistances
Selon cette méthode, l’action 2 serait la meilleureSelon cette méthode, l’action 2 serait la meilleure
novembre 04 Analyse multicritère 54
AUTRES MÉTHODESAUTRES MÉTHODES
• STEM (Benayoun et Tergny, 1969)• Méthode Ziont-Wallenius (S. Zionts,
1974)• …• Et autres approches connues
– Branch and Bound– Méthode tabou– …
28
novembre 04 Analyse multicritère 55
CASCAS
CHOIX DCHOIX D’’UN UN ÉÉQUIPEMENT DE QUIPEMENT DE MANUTENTIONMANUTENTION
novembre 04 Analyse multicritère 56
CASCAS
• Le but est de trouver le meilleur modèle d’équipement
• Nous avons deux modèles potentiels de chariots élévateurs(Crown, Simplex)
• Nous avons trois critères de décision(coût, vitesse, entretien)
* Cette liste de critères est loin d’être exhaustive, mais le but est de comprendre la méthode
29
novembre 04 Analyse multicritère 57
CASCASTrouver le
meilleur chariot
Coût Vitesse Entretien
Crown Simplex
Niveau 0: But
Niveau1:
Critères
Niveau 2:
Alternatives
novembre 04 Analyse multicritère 58
CASCAS
• On compare chaque paire d’options en regard de chaque critère
• D’importance égale (1)• Modérément plus important (3)• Beaucoup plus important (5)• Considérablement plus important (7)• D’une importance écrasante (9)
30
novembre 04 Analyse multicritère 59
CASCAS
Matrice de niveau 1
151/3Entretien
1/511/5Vitesse
351Coût
EntretienVitesseCoût
novembre 04 Analyse multicritère 60
CASCAS
11/3Simplex
31Crown
SimplexCrownCritère: Coût
11Simplex
11Crown
SimplexCrownCritère: Vitesse
Matrices de niveau 2
11/5Simplex
51Crown
SimplexCrownCritère: Entretien
31
novembre 04 Analyse multicritère 61
CASCAS
151/3Entretien
Somme
1/511/5Vitesse
351Coût
EntretienVitesseCoût
Calcul approximatif du poids pondéré des critères
1,00004
0,29751,19
0,0850,34
2,47/4=0,6175
(1*5*3)1/3=2,47
PoidsMoyenne géo.
novembre 04 Analyse multicritère 62
CASCAS
12,309
0,250,57711/3Simp
0,751,73231Crown
Poidsmoy.gSimpCrown
Critère: Coût
12,6830,170,44711/5Simp0,832,23651Crown
Poidsmoy.gSimpCrown
Critère: Entretien
2
0,5111Simp
0,5111Crown
Poidsmoy.gSimpCrown
Critère: Vitesse
32
novembre 04 Analyse multicritère 63
CASCAS
Matrice combinée
0,170,50,25Simplex
0,830,50,75Crown
EntretienVitesseCoût
novembre 04 Analyse multicritère 64
CASCAS
0,24750,05060,04250,1544Simplex
►0,75250,24690,04250,4631Crown
SOMMEEntretienVitesseCoût
Poids pondérés1,000
0,29750,085
2,47/4=0,6175
Poids
Coût
Vitesse
Entretien
On multiplie les éléments de la matrice précédente par le poids obtenu pour chaque critère
33
novembre 04 Analyse multicritère 65
CHOIX DE LA MÉTHODECHOIX DE LA MÉTHODE
• Comment choisir la bonne méthode? Il est souvent plus difficile de choisir la bonne méthode que de résoudre le problème!
→ Très nombreuses→ École française vs américaine→ Pas de méthode parfaite
novembre 04 Analyse multicritère 66
CHOIX DE LA MÉTHODECHOIX DE LA MÉTHODE• Martel et Guiltoni (1998) suggère de
prendre en considération:→ Le nombre de décideurs→ Les préférences naturelles du décideur→ Une méthode qui va dans le sens de la vision de
la problématique du décideur→ L’information disponible et qui sera traitée
adéquatement par la méthode→ Le degré « compensatoire » de la méthode→ Les hypothèses sur lesquelles repose la méthode→ Le système de support à la décision qui
accompagne la méthode
34
novembre 04 Analyse multicritère 67
OUTILS ET LOGICIELSOUTILS ET LOGICIELS
• Plusieurs logiciels dédiés à une méthode:- Electre IS, III, IV, TRI, IRIS, SRFhttp://www.lamsade.dauphine.fr/el2.log- AHPhttp://www.expertchoice.com/- Naiade (gratuit)http://www.aiaccproject.org/meetings/Trieste_
02/trieste_cd/Software/Software.htm#nai
novembre 04 Analyse multicritère 68
OUTILS ET LOGICIELSOUTILS ET LOGICIELS
• Plusieurs logiciels dédiés à une méthode:- Macbethhttp://www.m-macbeth.com/Msite.html- Evidential Reasoning Approach (version étudiante
gratuite)http://www.e-ids.co.uk/
- Nimbus (en ligne)http://nimbus.mit.jyu.fi/N4/index.html
35
novembre 04 Analyse multicritère 69
OUTILS ET LOGICIELSOUTILS ET LOGICIELS• Plusieurs logiciels comprenant plus d’une
méthode:- MultCSync (version gratuite)http://uts.cc.utexas.edu/~consbio/Cons/ResNet.html- NLPJOB (version gratuite)http://www.uni-
bayreuth.de/departments/math/~kschittkowski/easy_opt.htm
-Visual Decisionhttp://www.visualdecision.com/download_f.htm
novembre 04 Analyse multicritère 70
OUTILS ET LOGICIELSOUTILS ET LOGICIELS• Plusieurs logiciels comprenant plus d’une
méthode:- Ergohttp://www.arlingsoft.com/download/ergo_download.a
sp-Vig et Vimdahttp://www.numplan.fi/- Et plusieurs autres…
• Il existe également diverses applications développées sur Excel, MatLab, …et disponibles sur le Web
36
novembre 04 Analyse multicritère 71
LOGICIEL HIPRELOGICIEL HIPRE
Un applet du logiciel HIPREhttp://www.hipre.hut.fi
novembre 04 Analyse multicritère 72
GROUPES DE RECHERCHEGROUPES DE RECHERCHE• Euro Working Group Multicriteria Decision
Aiding (EWG-MCDA)www.inescc.pt/~ewgmcda/
• Geographic Information and AnalysisMulticriteria Decision (GIMDA)
• Decision and Control Laboratory, Universitéde l’Illinois
• Decision Support Systems LaboratoryUniversité technique de Crète
• IBL, Université de l’Hohenheim• Institute of Mathematics, Université de Liège
37
novembre 04 Analyse multicritère 73
GROUPES DE RECHERCHEGROUPES DE RECHERCHE• LAMSADE (Laboratory for Analysing and
Modelling Decision), Université de Dauphine• International Society on Multiple Criteria
Decision Making• Multiple Criteria Decision Support, École
d’économie d’Helsinki• Service de Mathématiques de la Gestion,
Université Libre de Bruxelles• Laboratory of Mathematical Methods for
Economic Decision Analysis, Académie des sciences de Russie
novembre 04 Analyse multicritère 74
CONCLUSIONCONCLUSION
• Il est difficile de trouver LA méthode appropriée au problème auquel le décideur est confronté
• Il existe plusieurs bonnes solutions, le choix de l’alternative dépend plutôt du décideur
38
novembre 04 Analyse multicritère 75
RéférencesRéférencesCaillet, R., Analyse multicritère: Étude et comparaison des méthodes existantes en vue d’une application en analyse de cycle de vie, CIRANO, Montréal, août 2003
Chankong, V. et Haimes, Y.Y., Multiobjective decision makingtheory and methodology, North-Holland, 1983, 406 pages.
Dhaenens, C. et Talbi, El-G., Optimisation multi-critères: approche par métaheuristiques (http://www.lifl.fr/~dhaenens
Guitouni, A. et Martel J-M, Tentative guidelines to help choosingan appropriate MCDA method, Université Laval, 1997
Martel, J-M., Aggregating preferences: utility function andoutranking approaches, Université Laval, 1993
novembre 04 Analyse multicritère 76
RéférencesRéférencesOlson, David L., Comparison of three multicriteria methods to predict known outcomes, Texas A&M University, 1999Schärling, Alain, Décider sur plusieurs critères, Presses Polytechniques Romandes, 1985, 304 pages.
Talbi, El-G., Méthodes d’optimisation avancées
Zeleny, M., Multiple criteria decision making, McGraw-Hill, Columbia University, 1982, 563 pages.
Recommended