- Accueil
- Volume 5 (2001)
- Numéro 1
- Méthodes de surclassement et analyse de robustesse
Visualisation(s): 367 (6 ULiège)
Téléchargement(s): 397 (2 ULiège)
Méthodes de surclassement et analyse de robustesse
Notes de la rédaction
Reçu le 2 mai 2000, accepté le 19 décembre 2000
Résumé
En introduction sont mentionnés les arguments en faveur du choix des méthodes de surclassement : domaine d’application, existence d’un logiciel, nombre restreint de travaux sur la robustesse des méthodes de surclassement. Les raisons d’être d’une analyse de robustesse en aide à la décision sont exposées dans un second paragraphe : nature des paramètres, technique utilisée pour leur donner une valeur, techniques utilisées jusque là pour étudier leur variations. Trois définitions sont ensuite proposées pour cerner la notion de conclusion robuste et les nuances associées. Les difficultés inhérentes à l’analyse de robustesse sont résumées dans un quatrième paragraphe. Ensuite, quelques pistes théoriques sont proposées : détermination du sens d’évolution du résultat en fonction de l’évolution des paramètres, technique dite “du microscope”, détermination des intervalles de variation maximale de chaque paramètre, méthode d’analyse dite “en étoile”, utilisation de valeurs discrètes issues de l’intervalle de variation, utilisation de familles de paramètres, division de l’espace des valeurs possibles des paramètres en sous-domaines. En conclusion, on trouve l’un ou l’autre conseil pratique en vue de l’élaboration d’un logiciel permettant un allégement du travail d’analyse de robustesse.
Abstract
Outranking methods and robustness analysis
The introduction gives the arguments on which the choice of outranking methods is based: application domain, existence of a software, lack of works on the robustness of outranking methods. The reasons for performing a robustness analysis in decision aid are given in the second paragraph: parameters’ nature, the technique used in order to give them a value and classical techniques used in order to study their variations. Three definitions are then suggested to understand the notion of a robust conclusion and the associated nuances. The difficulties of robustness analysis are summarized in the fourth paragraph. Then, some theoretical paths are proposed: determination of the direction of result evolution according to parameter evolution, “microscope principle”, determination of maximal variation interval for each parameter, “star shape” analysis, use of discrete values coming from variation interval, use of parameter families, partition in domains of the space of possible parameter values where conclusions are sufficiently robust. In conclusion some advice which could facilitate robustness analysis are given.