Soutenance de thèse de Jean-Philippe Dubus

Bonjour,

J'ai le plaisir de vous inviter à ma soutenance de thèse intitulée :
"Prise de décision multiattribut avec le modèle GAI"

La soutenance se déroulera le :

==========
Jeudi 23 Septembre à 14h00 à l'université Pierre et Marie Curie - 4
place Jussieu - 75005 Paris.
Dans l'amphithéâtre 25.
==========

Vous êtes également invités au pot qui suivra.

=========
Résumé
=========

Les réseaux GAI sont une représentation graphique compacte et expressive
des préférences d'un décideur en Décision Multiattribut, c'est-à-dire
dans des situations où les alternatives sur lesquelles portent les choix
du décideur sont décrites à l'aide d'un ensemble d'attributs (de
caractéristiques). L'exploitation de leur structure graphique permet de
définir des procédures efficaces d'élicitation de préférences
(détermination des préférences à l'aide de questionnaires) ainsi que des
algorithmes assez performants de prise de décision (calcul de
l'alternative préférée du décideur ou des k meilleures alternatives).
Le but de cette thèse est double. Tout d'abord elle vise à étendre les
algorithmes de prise de décision dans des cas où les réseaux GAI sont
denses, c'est-à-dire dans des situations où leur structure ne permet pas
aux algorithmes de l'état de l'art de s'exécuter en un temps
raisonnable. Pour cela, une nouvelle méthode de triangulation approchée
a été développée, qui produit des réseaux GAI approchés sur lesquels des
mécanismes d'inférence adaptés permettent d'obtenir les alternatives
optimales des réseaux GAI d'origine. Ensuite, elle propose de nouvelles
méthodes d'inférence en Décision multicritère. Plus précisément, elle
propose des approches pour déterminer des frontières de Pareto (exactes
ou approchées avec garantie de performance) ou des frontières de Lorenz.
Elle propose également des algorithmes pour déterminer des solutions
optimales dans les cas où les critères peuvent être agrégés via des
opérateurs tels que OWA (Ordered Weighted Average), l'intégrale de
Choquet ou bien encore la norme de Tchebycheff.

=========
Abstract
=========

GAI networks are a graphical model, both compact and expressive, for
representing the preferences of a Decision Maker in the context of
Multiattribute Decision Making, i.e., in situations where the set of
alternatives among which the Decision Maker has to make decisions are
described as a set of attributes (or features). GAI network's graphical
structures are exploited to develop efficient elicitation procedures
(determination of the Decision Maker's preferences using questionnaires)
as well as effective Decision Making algorithms (e.g., computing the
preferred alternative or the k-best alternatives).
The goal of this PhD thesis is twofold. First, it extends the
aforementioned state-of-the-art Decision Making algorithms to be able to
cope with dense GAI networks, i.e., with situations where the GAI
network's treewidth is too high for these algorithms to complete in a
reasonable amount of time. For this purpose, a new triangulation method
has been developed which produces approximated GAI networks on which
tailored inference mechanisms determine the alternatives that are
actually optimal for the original GAI network. Second, we have proposed
new inference algorithms for Multicriteria Decision Making. More
precisely, new approaches for determining Pareto-optimal sets (exact and
approximate with performance guarantee) and Lorenz-optimal sets have
been developed. In addition, we have also proposed new algorithms for
computing the optimal solutions in situations where criteria are
aggregated using various operators like OWA (Ordered Weighted Average),
Choquet integrals and Tchebycheff's norm.

========
Jury
========

- Christophe GONZALES, Professeur à l'Université Pierre et Marie Curie
(directeur de thèse)
- Philippe LERAY, Professeur à l'Université de Nantes (rapporteur)
- Régis SABBADIN, Chargé de recherche INRA (rapporteur)
- Nicolas MAUDET, Maître de conférence à l'Université Paris Dauphine
(examinateur)
- Alix MUNIER-KORDON, Professeur à l'Université Pierre et Marie Curie
(examinateur)
- Patrice PERNY, Professeur à l'Université Pierre et Marie Curie
(examinateur)

========
Accès
========
Plan du campus : http://www.rhs.upmc.fr/plan2004.pdf