
Équipe : DECISION - Décision
Axes : AID (👥👥), TMC (👥👥).Responsable :
Patrice Perny Campus Pierre et Marie Curie 26-00/411
Brève présentation
Les travaux de l’équipe Décision se situent au coeur des interactions entre théorie de la décision et algorithmique de l’optimisation et portent sur la modélisation et la résolution de problèmes de décision et d’optimisation. Nous menons d’une part des travaux de modélisation visant à produire des représentations formelles de situations décisionnelles complexes (modélisation de préférences individuelles et collectives, modélisation du contexte décisionnel, approche multicritère, modélisation des croyances, de l’incertain et du risque, modélisation de grands systèmes en vue de leur optimisation) et d’autre part des travaux de nature algorithmique visant à résoudre les problèmes formels posés et déterminer efficacement les solutions préférées/optimales parmi un ensemble de solutions défini en compréhension (problèmes combinatoires, optimisation continue sous contraintes). Les applications potentielles concernent les systèmes d'aide à la décision (préparation rationnelle de décisions importantes, systèmes de recommandation sur le web), la décision automatique (agents décisionnels autonomes) et l'optimisation dans les grands systèmes (télécommunication, transport, énergie).
- Décision sur domaine combinatoire (Décision et optimisation multi-objectifs, Décision dynamique dans l’incertain et le risque, Choix social computationnel)
- Modèles graphiques (Réseaux d’utilité GAI, réseaux bayésiens, graphes contextuels)
- Modélisation et optimisation des systèmes (Etudes des relaxations pour l’optimisation en nombres entiers, Optimisation dans les réseaux, Optimisation robuste)
- Systèmes de Décision (Elicitation, Recommandation, Explication, Contexte)
- Les compétences de l'équipe couvrent l'ensemble du spectre de la problématique décisionnelle, allant du développement de modèles théoriques et de leur justification mathématique aux applications réelles en passant par la modélisation de problèmes et le développement d'algorithmes et de systèmes décisionnels.
- Nos travaux, du fait des outils formels qu'ils utilisent et combinent, mais aussi des problématiques abordées, concernent aussi bien la Recherche Opérationnelle que l'Intelligence Artificielle, et l'équipe publie dans les deux communautés.
Théorie de la décision algorithmique, modélisation et apprentissage de préférences, décision multicritère et collective, décision dans l’incertain, modèles graphiques, programmation mathématique, optimisation des systèmes, contexte, systèmes décisionnels.
Aucune manisfestation prévue actuellement.
ArchivesSélection de publications
- Ch. Gonzales, P. Perny, J.‑Ph. Dubus : “Decision Making with Multiple Objectives using GAI networks”Artificial Intelligence, vol. 175 (7-8), pp. 1153-1179, (Elsevier)[Gonzales 2011a]
- G. Jeantet, O. Spanjaard : “Computing rank dependent utility in graphical models for sequential decision problems”Artificial Intelligence, vol. 175 (7-8), pp. 1366-1389, (Elsevier)[Jeantet 2011]
- M. Minoux, H. Ouzia : “DRL*: A Hierarchy of Strong Block-Decomposable Linear Relaxations for 0-1 MIPs”Discrete Applied Mathematics, vol. 158 (18), pp. 2031-2048, (Elsevier)[Minoux 2010b]
- J. Lesca, M. Minoux, P. Perny : “Compact versus Noncompact LP Formulations for minimizing Convex Choquet Integrals”Discrete Applied Mathematics, vol. 161 (1-2), pp. 184-199, (Elsevier)[Lesca 2013]
- L. Galand, P. Perny, O. Spanjaard : “Choquet-based optimisation in multiobjective shortest path and spanning tree problems”European Journal of Operational Research, vol. 204 (2), pp. 303-315, (Elsevier)[Galand 2010]
- J.‑F. Maurras, Th. Nguyen, V. Nguyen : “On the linear description of the Huffman trees polytope”Discrete Applied Mathematics, vol. 164 (1), pp. 225-236, (Elsevier)[Maurras 2014]
- P.‑H. Wuillemin, L. Torti : “Structured Probabilistic Inference”International Journal of Approximate Reasoning, vol. 53 (7), pp. 946-968, (Elsevier)[Wuillemin 2012]
- M. Borges, P. Brézillon, J. Pino, J.‑Ch. Pomerol : “Dealing with the effects of context mismatch in group work”Decision Support Systems, vol. 43 (4), pp. 1692-1706, (Elsevier)[Borges 2007]
- I. Alvarez, S. Bernard, G. Deffuant : “Keep the Decision Tree and Estimate the Class Probabilities using its Decision Boundary”Proceedings of the 20th International Joint Conference on Artificial Intelligence 2007, Hyderabad, India, pp. 654-659[Alvarez 2007]
- P. Weng : “Markov Decision Processes with Ordinal Rewards: Reference Point-Based Preferences”International Conference on Automated Planning and Scheduling, vol. 21, Freiburg, Germany, pp. 282-289[Weng 2011]