ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 21/4 - 2007  - pp.555-587  - doi:10.3166/ria.21.555-587
TITRE
Réseaux GAI pour la prise de décision

RÉSUMÉ
Cet article traite de l'élicitation de préférences et de la recommandation (choix et rangement) dans le contexte de la théorie de l'utilité de multi-attribut. Nous nous concentrons sur le modèle des utilités GAI décomposables (additivité généralisée) qui permet des interactions entre les attributs tout en préservant une certaine décomposabilité du modèle. Nous présentons d'abord une procédure systématique d'élicitation pour de telles fonctions d'utilité. Cette procédure se fonde sur un modèle graphique nommé réseau GAI qui est employé pour représenter et gérer des indépendances entre attributs. Nous proposons ensuite un algorithme de choix et de rangement fondé sur les réseaux GAI pour résoudre efficacement aussi bien des problèmes d'optimisation que des problèmes de rangement sur un produit cartésien. Nous montrons que les réseaux GAI peuvent à la fois intégrer des contraintes et des préférences et donc être efficacement utilisés pour calculer le choix optimal et le rangement sous contraintes. Nous fournissons enfin des résultats d'expérimentations numériques qui montrent l'efficacité de notre approche.

ABSTRACT
This paper deals with preference elicitation and preference-based recommendation (choice and ranking) in the context of multiattribute utility theory. We focus on the generalized additive decomposable utility model (GAI) which allows interactions between attributes while preserving some decomposability. We first present a systematic elicitation procedure for such utility functions. This procedure relies on a graphical model called a GAI-network which is used to represent and manage independences between attributes. Then, we propose a choice procedure as well as a ranking procedure relying on a GAI-network to solve efficiently both optimization and ranking problems over a product set. We show that GAI networks can jointly integrate constraints and preferences and can thus be efficiently exploited in this case to compute constrained choices and ranking. Finally, we provide results of numerical experiments to highlight the practical efficiency of our approach.


AUTEUR(S)
Christophe GONZALES, Patrice PERNY, Sergio QUEIROZ

MOTS-CLÉS
réseaux GAI ; modèles graphiques; élicitation de préférences; rangement.

KEYWORDS
GAI networks ; graphical models; preference elicitation; ranking.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (351 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier