Décision collective avec des réseaux {GAI}
Résumé
Cet article aborde la prise de décision collective dans le contexte de la théorie de l'utilité multiattribut. Nous nous intéressons ici aux cas où l'ensemble d'alternatives a une structure combinatoire (définie comme le produit cartésien des valeurs des domaines d'un ensemble d'attributs) rendant nécessaire l'utilisation de représentations compactes de préférences. Nous supposons que les préférences des agents sont représentées par une fonction d'utilité GAI (indépendance additive généralisée - de l'anglais Generalized Additive Independence ) sur le produit cartésien. Les fonctions GAI permettent une représentation efficace des interactions entre attributs tout en gardant une certaine décomposabilité du modèle. Nous traitons le problème de l'agrégation de préférences où nous considérons différents critères pour définir la notion de solution de compromis (max-min, min-max regret, normes pondérées de Tchebytcheff). Pour chacun de ces critères d'agrégation, nous proposons une procédure efficace pour la détermination exacte de la solution optimale sur le produit cartésien. Nous présentons ensuite des résultats expérimentaux qui montrent l'efficacité pratique de la procédure proposée.