• français
    • English
  • English 
    • français
    • English
  • Login
JavaScript is disabled for your browser. Some features of this site may not work without it.
BIRD Home

Browse

This CollectionBy Issue DateAuthorsTitlesSubjectsJournals BIRDResearch centres & CollectionsBy Issue DateAuthorsTitlesSubjectsJournals

My Account

Login

Statistics

View Usage Statistics

Partial preference models in discrete multi-objective optimization

Intégration de préférences expertes en optimisation multicritère

Thumbnail
View/Open
2017PSLED012_OK.pdf (1.233Mb)
Date
2017-03-10
Dewey
Recherche opérationnelle
Sujet
Optimisation multi-Objectifs; Relation partielle de préférence; Problème d'optimisation combinatoire multi-Objectifs; Multi-Objective optimization; Partial preference relation; Multi-Objective combinatorial optimization problems
URI
https://basepub.dauphine.fr/handle/123456789/16604
Collections
  • LAMSADE : Thèses
Metadata
Show full item record
Author
Kaddani, Sami
Thesis supervisor
Vanderpooten, Daniel
Type
Thèse
Abstract (FR)
Les problèmes d’optimisation multi-objectifs mènent souvent à considérer des ensembles de points non-dominés très grands à mesure que la taille et le nombre d’objectifs du problème augmentent. Générer l’ensemble de ces points demande des temps de calculs prohibitifs. De plus, la plupart des solutions correspondantes ne sont pas pertinentes pour un décideur. Une autre approche consiste à utiliser des informations de préférence, ce qui produit un nombre très limité de solutions avec des temps de calcul réduits. Cela nécessite la plupart du temps une élicitation précise de paramètres. Cette étape est souvent difficile pour un décideur et peut amener à délaisser certaines solutions intéressantes. Une approche intermédiaire consiste à raisonner avec des relations de préférences construites à partir d’informations partielles. Nous présentons dans cette thèse plusieurs modèles de relations partielles de préférences. En particulier, nous nous sommes intéressés à la génération de l’ensemble des points non-dominés selon ces relations. Les expérimentations démontrent la pertinence de notre approche en termes de temps de calcul et qualité des points générés.
Abstract (EN)
Multi-objective optimization problems often lead to large nondominated sets, as the size of the problem or the number of objectives increases. Generating the whole nondominated set requires significant computation time, while most of the corresponding solutions are irrelevant to the decision maker. Another approach consists in obtaining preference information, which reduces the computation time and produces one or a very limited number of solutions. This requires the elicitation of precise preference parameters most of the time, which is often difficult and partly arbitrary, and might discard solutions of interest. An intermediate approach consists in using partial preference models.In this thesis, we present several partial preference models. We especially focused on the generation of the nondominated set according to these preference relations. This approach shows competitive performances both on computation time and quality of the generated preferred sets.
Embargo end date
30-06-2018

Related items

Showing items related by title, author, creator and subject.

  • Perturbed Decomposition Algorithm applied to the multi-objective Traveling Salesman Problem 

    Cornu, Marek; Cazenave, Tristan; Vanderpooten, Daniel (2017) Article accepté pour publication ou publié
  • On the computation of all supported efficient solutions in multi-objective integer network flow problems 

    Eusebio, Augusto; Figueira, José (2009) Article accepté pour publication ou publié
  • Régulation adaptative multi-objectif et multi-mode aux carrefours à feux 

    Dujardin, Yann (2013-06) Thèse

  • Accueil Bibliothèque
  • Site de l'Université Paris-Dauphine
  • Contact
SCD Paris Dauphine - Place du Maréchal de Lattre de Tassigny 75775 Paris Cedex 16

 Content on this site is licensed under a Creative Commons 2.0 France (CC BY-NC-ND 2.0) license.