Title: Analyse de la signifiance de diverses procdures dagrgation multicritre PAM partir de la thorie du me
1Analyse de la signifiance de diverses procédures
dagrégation multicritère (PAM) à partir de la
théorie du mesurage
- Bernard ROYJean-Marc MARTEL
- Meltem Öztürk
2Plan de la présentation
- Théorie du mesurage
- Typologie des échelles de mesure
- Notion de signifiance
- Illustration à partir de la somme pondérée
- TOPSIS (PAMC de type critère unique de synthèse)
- Présentation de la méthode TOPSIS
- Illustration du concept de signifiance
- Application Problématique du choix du lieu de
location dune office bancaire
3Théorie du mesurage
- Campbell (1938) The assignement of numerals to
represent proporties of material systems other
than number, in virtue of the laws governing
these proporties. - Russel (1938) Measurement of magnitude is, in
its most general sense, any method by which a
unique and reciprocal correspondance is
established between all or some of the magnetudes
of a kind and all or some the numbers, integral,
rational, or real as the case may be. - Stevens(1951) Measurement is the assignement of
the numerals to objects of events according to
rules.
4Exemple Masse
- a plus lourd que b ?f(a) gt f(b)
- concaténation f(a?b)f(a)f(b)
- M1 (A, ?, ? )? M2 (R, , gt)
5Questions?????
- Système relationnel numérique représente-t-il
bien le système relationnel empirique? - Cette représentation est-elle unique?
- Traitements numériques autorisés?
- Les énoncés issus de ces traitements restent-ils
les mêmes sils sont effectués avec une autre
représentation numérique admissible?
6Krantz, Luce, Suppes, TverskyFoundations of
measurement (1958)volume 1 Additive and
polynomial represantions
7- ReprésentationAxiomes et Théorèmes
(Roberts 1979) - exAide à la décision
- -Transitivité
- -Asymétrie
- -Transitivité négative
- (aPb) et non (bPc) ? non (aPc)
- ou
- Théorème de Cantor
8- Unicité (Barzilai 1998)
- Si fhomomorphisme de M1 vers M2 alors tout
homomorphisme h de M1 à M2 peut sécrire sous
forme - h? (f)
- Échelle régulière (Roberts 1979,1994)
- Sil existe 2 homomorphismes f et h alors il
existe une transformation admissible ? tel que
h? (f) - f(a)f(b) ? h(a)h(b)
9- Echelles
- Ensemble de nombres susceptibles pour coder une
information relative aux objets de A - Un mesurage appliquant A dans cet ensemble de
nombres - Caractéristiques
- Caractéristique dordre
- Caractéristique de distance
- Caractéristique dorigine
10(No Transcript)
11Signifiance
- Exemple
- A a, b,c ,d f(a) card(y ? A / a P y)
-
- a b f( a )3 f( b )1
- f( c )0 f( d )1
- c d
- f( a )-f( b ) 2( f( d )-f( c ))
- le degré de préférence de a par rapport à b
est deux fois plus grand que le degré de
préférence de d par rapport à c -
- h( a )10 h( b )8 h( c )0 h( d )8
- Proposition pas signifiante
12Définitions
- une proposition fondée sur un calcule utilisant
les échelons dune échelle est signifiante si sa
véracité ou sa fausseté demeure inchangée
lorsquon remplace une échelle par une autre
représentant toutes les deux la même
information Roberts (1979) - A numerical statement is meaningful if and only
if its truth or falsity is constant under
admissible scale transformation of any of its
numerical assignment, that is, any of its
numerical function expressing the results of
measurement - Suppes Zinnes (1963)
13Signifiance Somme Pondérée
- a P b ? ? pi gi(a) gt ? pi gi(b) ()
- a action potentielle
- gi échelle de mesure
- pi poids de point de vue i
- But Etudier les conditions dans les quelles la
proposition () est vraie lorsquon substitue aux
échelles gi des échelles équivalentes - Remarque si une procédure nest pas signifiante
pour un niveau de mesure donné, elle ne le sera
pas pour un niveau de mesure plus bas.
14- Echelle Absolue () est signifiante
- Echelle Ratio
- ??pi gi(a) gt?pi gi(b) ??pi ?i gi(a)gt? pi ?i
gi(b) - exemple
- g1 g2 g3
- a 4 2 5 ? pi gi(a) 19
- b 1 4 3 ? pi gi(b) 17
- pi 2 3 1 ? pi ?i gi(a) 25
- ?i 1 2 1 ? pi ?i gi(b) 29
- ?i -2 -1 3
15- Remarque
- Coefficients de pondération dépendent des
- échelles de mesure associées aux critères
- exemple 2 critères, coût et délai,coût en
millier de francs, en millions de francs etc.. - La somme pondérée est signifiante sous réserve
de transformation des coefficients de pondération
de manière appropriée - pi ? pi/?i
16- Echelle dIntervalle
- ?(pi/?i) (?i gi(a)?i)gt ?(pi/?i) (?i gi(b)?i)
- ?pi gi(a) (pi ?i/?i )gt ?pi gi(b) (pi ?i/?i
) - ?pi gi(a)gt ?pi gi(b)
- Exemple
- ?(pi/?i) (?i gi(a)?i)33
- ?(pi/?i) (?i gi(b)?i)29
-
17Echelle ordinale La proposition () nest pas
signifiante
- Exemple
- g1 g2 g3
- a 4 2 5
- b 1 4 3
- pi 2 3 1
- pi gi(a) 19
- ? pi gi(b) 17
- g1 g2 g3
- a 3 1 4
- b 2 5 2
- pi 2 3 1
- pi gi(a) 13
- ? pi gi(b) 21
18Remarque si à la place des performances,on
utilise les relations que ces performances
expriment relativement à chaque critère sur
lensemble des actions on peut avoir la
signifianceVi(a,b)1 si a Pi b et Vi(a,b)0 si
non(a Pi b)? pi Vi(a) gt? pi Vi(b)
- g1 g2 g3
- a 3 1 4
- b 2 5 2
- Va 1 0 1
- Vb 0 1 0
- pi 2 3 1
- ? pi Vi(a) 3
- ? pi Vi(b) 3
- g1 g2 g3
- a 4 2 5
- b 1 4 3
- Va 1 0 1
- Vb 0 1 0
- pi 2 3 1
- ? pi Vi(a) 3
- ? pi Vi(b) 3
-
19TOPSISPaul Yoon Ching-Lai Hwang(1981)
- Technique for Order Preference by Similarity to
Ideal Solution - (multiple attribute decision making)
20Idée Principale de TOPSIS
- Choisir laction ayant
- la plus petite distance à laction dite
idéale - (positive-ideal solution)
- la plus grande distance à laction
- dite anti-idéale
- (negative-ideal solution
21Idéale et Anti-Idéale Solutions
- Idéale Solution
- A g1, , gj,, gn
- avec gj la meilleure valeur pour le jèmecritère
- parmis toutes les actions
- Anti-Idéale Solution
- A g1, , gj, , gn
- avec gj la plus mauvaise valeur pour le
jèmecritère - parmis toutes les actions
22Algorithme de TOPSIS
- PAS 1 Calcule des préférences normalisés
- (normalized ratings)
- i 1,, m j 1,, n
23Algorithme de TOPSIS
- PAS 2 Calcule des préférences normalisés
- avec des poids associés aux critères
- (weighted normalized ratings)
-
- Vj(xi) wj rj(xi) i 1,, m j 1,, n
24Algorithme de TOPSIS
- PAS 3 Identification des solutions idéales et
anti-idéales - A v1, , vj,, vn
- ( maxi vj(xi)/ j?J1), (mini vj(xi)/ j?J2)
- A v1, , vj, , vn
- ( mini vj(xi)/ j?J1), (maxi vj(xi)/ j?J2)
- J1 ensemble des critères de bénéfice
- J2 ensemble des critères de coût
-
25Algorithme de TOPSIS
- PAS 4 Calcule des distances
- (Separation measures)
26Algorithme de TOPSIS
- PAS 5 Calcule de lindex de similarité à la
solution idéale - c(xi) d(xi)/ (d(xi)d(xi))
- PAS 6 Ordre de preference
- Choisir laction ayant le plus grand index de
similarité (problématique de choix) - Ranger les action par ordre décroissant des index
de similarité (problématique de rangement)
27Calcul des distances
28Attention!!!
- d et d font intervenir toutes les
performances des actions selon le critère Cj - ?? une variation quelconque de la performance
dune action selon ce critère Cj modifie la
valeur de d et d par suite la valeur finale
c(xj) - Solution ? Une variation concomitante (dans les
mêmes proposition) des coefficients wj peut
annuler cet impact
29Exemple 1 variation de performance
- C1 avec w1 3
- xi a b c d
- g1(xi) 1 3 5 7 ?g1(xi)2 84
- W12/ ?g1(xi)2 32/84
- C1 avec w1 ?
- xi a b c d
- g1(xi) 1 3 8 7 ?g1(xi)2 123
- W1 2/ ?g1(xi)2 W1 2/123 32/84
- ? W1 2 (9123)/84 3,63
30Attention !!!
- Si la modification de performance entraîne une
modification de A et/ou A - ? modification de d et/ou d pour toutes les
actions - ? Problème grave de robustesse
- Solution ?
- Solutions idéales et anti-idéales solutions
fictives
31Signifiance / Echelles de ratiogi(x)?? gi(x)
32Exemple 2 signifiance échelle de ratio
- C1 avec w1 3
- xi a b c d
- g1(xi) 1 3 5 7 ?g1(xi)2 84
-
- d(b) (32/84) (7-3)21/2 1, 310 d(b)
(32/84) (3-1)21/2 0,655 - c(b) d(b)/ (d(b)d(b)) 0,333
- C1 avec w1 3 ? 2
- xi a b c d
- g1(xi) 2 6 10 14 ? ?g1(xi)2 336
-
- d(b) (32/336) (14-6)21/2 1, 310 d(b)
(32/336) (6-2)21/2 0,655 - c(b) d(b)/ (d(b)d(b)) 0,333
33Signifiance / Echelles dintervallegi(x)???
gi(x)
34Exemple 3 signifiance échelle dintervalle
- C1 avec w1 3
- xi a b c d
- g1(xi) 1 3 5 7 ?g1(xi)2 84
-
- d(b) (32/84) (7-3)21/2 1, 310 d(b)
(32/84) (3-1)21/2 0,655 - c(b) d(b)/ (d(b)d(b)) 0,333
- C1 avec w1 3
- xi a b c d
- g1(xi) 5 11 17 23 ?g1(xi)2 964
-
- d(b) (32/964) (11-23)21/2 1,159 d(b)
(32/964) (11-5)21/2 0,580 - c(b) d(b)/ (d(b)d(b)) 0,333
35Exemple 3 signifiance échelle dintervalle
- C1 avec w1 3 C1 avec w1 ?
- 32/84 w2.32/964
- ?w12 3,388
36Critiques
- Simple compréhension de lidée et lalgorithme de
la méthode - Application assez facile
- Semi-compensatoire
- Pas de veto
- Problèmes dus à la normalisation
- Differents mesure dunité, et des fonctions de
performance (distance entre 2 performances sur
une échelle nest pas la même sur une autre) - une variation quelconque de la performance dune
action selon un critère Cj modifie la valeur de
d et d par suite la valeur finale c(xj) - Si la modification de performance entraîne une
modification de A et/ou A ?
modification de det/ou d pour toutes les
actions - ? Problème grave de robustesse
37Application location dun établissement
bancaire
- Actions 10 villes de la Turquie
- Critères
- 4 Critères
- 1. Les critères démographiques
- 2. Les critères macroéconomiques
- 3. Le potentiel de commerce et de
lindustrie - 4. Les dépenses de localisation
- des sous-critères associés
- (tableaux de capacités et tableaux de capacités
normalisées)
38Application location dun établissement
bancaire
- Poids flous des critères et des sous-critères
associés - Matrice floue de performance
- Maximum flou et minimum flou
- Matrice de performance floue singleton
-
39Application location dun établissement
bancaire
40Application location dun établissement
bancaire
- Solutions idéales et anti-idéales
- A (0.8585, 0.5640, 0.6655, 0.7810)
- A (0.7360, 0.4710, 0.5205, 0.6925)
- Distances de Hamming
- Index de similarité