This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
|
teaching:mfe:or [2016/04/17 19:02] ndoan1 |
teaching:mfe:or [2018/04/10 14:22] jhubinon |
||
|---|---|---|---|
| Line 29: | Line 29: | ||
| * Contact | * Contact | ||
| * [[pikunsch@ulb.ac.be|Pierre Kunsch]] | * [[pikunsch@ulb.ac.be|Pierre Kunsch]] | ||
| + | |||
| + | ==== Développement d’un nouvel algorithme pour le clustering multicritère ==== | ||
| + | |||
| + | Dans le domaine de l’ingénierie de la décision, le clustering multicritère se trouve à la frontière entre trois domaines : | ||
| + | * L’analyse multicritère: il s’agit de méthodes ayant pour but la résolution de problèmes d’aide à la décision où les différents choix possibles sont évalués sur base de critères conflictuels ; | ||
| + | * Le clustering : approche issue de l’analyse de données et qui vise à diviser un ensemble d’objets en différents groupes (ou clusters) afin que chacun d’eux soit le plus homogène possible et qu’ils soient les plus hétérogènes possibles entre eux ; | ||
| + | * Le ranking : méthode d’analyse qui vise à ranger des alternatives, souvent de la meilleure à la moins bonne. | ||
| + | |||
| + | Le clustering multicritère va donc viser à établir des groupes de données parmi un ensemble évalué selon différents critères. Ces groupes auront une relation d’ordre entre eux, de telle manière à ce que le premier groupe soit meilleur que le second, et ainsi de suite. Dans ce contexte, il est proposé de développer une nouvelle approche algorithmique et de la valider sur base de jeux de données réels. | ||
| + | * Contact | ||
| + | * [[jrosenfe@ulb.ac.be|Jean Rosenfeld]] | ||
| + | * [[yves.de.smet@ulb.ac.be|Yves De Smet]] | ||
| + | |||
| + | ==== Développement d’une méthode de benchmarking multicritère ==== | ||
| + | |||
| + | Pour comparer différentes entités (pays, entreprises, universités, etc.) que nous appellerons alternatives, une méthode adoptée majoritairement consiste à produire un classement ou un rangement de ces alternatives, basé sur différents critères. Il existe de nombreuses méthodes d’aide à la décision multicritère qui permettent de ranger ces alternatives. Prenons le cas des universités dans le rangement de Shanghai. Des centaines d’universités sont rangées de la première (la meilleure) à la moins bonne, sur base de 6 critères tels que le nombre de publications scientifiques, le nombre de professeurs ayant un prix Nobel, etc. Seulement, l’« analyse » s’arrête souvent sur ce constat (le rangement) et ne donne pas d’indice ou d’information sur la phase d’amélioration qui suivrait cette observation (pour que chaque alternative puisse s’améliorer le plus efficacement possible selon ses caractéristiques propres et les objectifs du rangement). C’est dans les années 90, que la notion de benchmarking a émergé et a amené une piste de réflexion vers cette démarche « d’apprendre » d’après les autres alternatives existantes dans un rangement. Nous nous intéresserons particulièrement à un type de benchmarking qui est le benchmarking étape par étape dont le but est de chercher le chemin d’amélioration le plus « efficace » d’une alternative a à une alternative b, divisé en un certain nombre d’étapes et en respectant un certain nombre de contraintes. Ce sujet de recherche s’inscrit dans un cadre plus théorique que pratique et fait partie de ce qu’on appelle les méthodes mathématiques de l’aide à la décision multicritères. Il pourrait mener à définir une nouvelle notion théorique qui lie plusieurs alternatives constituant un chemin d’amélioration cohérent. | ||
| + | |||
| + | * Contact | ||
| + | * [[jhubinon@ulb.ac.be|Jean-Philippe Hubinont]] | ||
| + | * [[yves.de.smet@ulb.ac.be|Yves De Smet]] | ||
| + | |||