REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L’ENSEIGNEMENT SUPERIEUR
ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE D’ORAN ES-SENIA
FACULTE DES SCIENCES DEPARTEMENT D’INFORMATIQUE
MEMOIRE
Présenté par
Melle LABED Kaouther
Pour obtenir
LE DIPLOME DE MAGISTER
Spécialité Informatique
Option : Informatique et Automatique
Intitulé :
Expérimentation des Algorithmes Génétiques Multiobjectifs dans un Processus Décisionnel Multicritère en Aménagement du Territoire
Soutenu le : à la salle de conférences de la faculté des sciences
Devant les membres du jury: M B.BELDJILALI Professeur, Université d’Oran, ES-Sénia, Algérie (Président) M H. HAFFAF Professeur, Université d’Oran, ES-Sénia, Algérie (Examinateur) Mme H. FIZAZI Maître de Conférence, Université Mohamed Boudiaf USTO, Algérie (Examinateur) M K. BOUAMRANE Maître de Conférence, Université d’Oran, ES-Sénia, Algérie (Examinateur) M A. BENYETTOU Professeur, Université Mohamed Boudiaf USTO, Algérie (Rapporteur) Mme D. HAMDADOU Chargé de Cours, Université d’Oran, ES-Sénia, Algérie (Rapporteur)
Résumé
Les problèmes territoriaux (spatiaux) sont de nature complexe faisant intervenir plusieurs acteurs de nature différente. De ce fait, les modèles décisionnels existants s’avèrent insuffisants pour pallier aux problèmes urbains. Les approches utilisées dans ce contexte d'étude combinent plusieurs outils tels que les Systèmes d’Informations Géographiques (SIG) ainsi que les Méthodes d’Analyse MultiCritère (MAMC) dont l’objectif crucial est d’aider le décideur à sélectionner une alternative parmi plusieurs sur la base de critères de décision.
Dés lors, en aménagement du territoire (AT), la problématique de localisation de site pour une construction donnée, est l’une des problématiques des plus fréquentes dans la littérature relative à l'aide à la décision spatio-temporelle et la méthode d’analyse multicritère Electre III est, par conséquent, la plus convoitée dans le traitement d'une telle problématique.
Au travers ce mémoire, nous envisageons des moyens d'assistance à la démarche décisionnelle en AT, relativement aux enjeux des différentes phases du processus de prise de décision territoriale. Nous visons à proposer un outil d’aide à la décision susceptible d’apporter une aide pertinente aux décideurs intervenant dans un projet d’aménagement et nous traitons la problématique de localisation en combinant les Systèmes d’Informations Géographiques, les approches l’analyse multicritère à savoir Electre III et les Algorithmes Génétiques (AGs) Multiobjectifs.
En effet, l’introduction des Algorithmes Génétiques selon une optimisation Multiobjective (Optimisation simultanée de plusieurs critères, généralement contradictoires) vient pour pallier aux irrégularités détectées dans Electre III spécialement dans le processus de classement (phase d'exploitation de la méthode).Aussi, leur exploitation dans l'élaboration des processus de conduite des projets urbains permet de fournir aux décideurs une variété de classements (intéressants) des sites concurrents et d'améliorer par la suite la qualité de la décision apportée.
Pour valider le modèle décisionnel proposé PRODUSMAGAT, une procédure d'utilisation accompagne le prototype élaboré qui met l'accent sur quelques projets urbains à l'échelle nationale (en Algérie et particulièrement à la ville d'Oran).
Mots clés: Aménagement du Territoire (AT), Aide à la décision spatiale, Analyse MultiCritère (AMC), Système d’Information Géographique (SIG), Algorithmes Génétiques Multiobjectifs (AGs).
Abstract
The territorial (space) problems are naturally complex and need therefore the intervention of several actors from different domains. This makes the present decisional models insufficient to overcome urban problems. The approaches used in this context of study combine several tools such as the Geographical Information Systems (GIS) as well as the Multicriterion Analysis Methods (MAM). The latter aim at helping the decision maker to select one alternative among others on the basis of the decision criterion.
Since then, one of the frequent problems in the literature relating to the decision-making aid in regional planning is the site localization problem for a given construction. The multicriteria analysis method Electre III is the most employed treatment for such problems.
Throughout this work, we intend to propose an assistance decision tools in regional planning which are relative to the issues of the various territorial decision-making process phases. We aim to suggest decision making tools which provide a relevant help to regional planning decision makers. We use Geographical Information systems (GIS), Multicriterion Analysis Methods (MAM), in particular Electre III, and Multiobjective Genetic Algorithms to solve the localization problem in regional planning.
The introduction of the Genetic Algorithms according to a Multiobjective optimization (Generally contradictory simultaneous optimization of several criteria) comes especially to overcome Electre III irregularities detected in its classification process (Method exploitation phase). Also, their exploitation in the development of urban projects control processes offer to the decision makers a variety of (interesting) classifications of the competiting sites and improve, thus the quality of decision.
To validate the decisional model suggested PRODUSMAGAT, a procedure of use accompanies the elaborated prototype which stresses some urban projects on a national scale (in Algeria and particularly the town of Oran).
Key words: Regional planning, Spatial Decision-making, Multicriterion Analysis Methods (MAM), Geographical Information systems (GIS), MultiObjective Genetic Algorithms (MOGA).
Dédicaces
A mes très chers parents en signe de leur grand amour et leur tendresse
pour mon bonheur. Je vous remercie pour vos efforts, vos sacrifices pour me
donner le meilleur de vous mêmes. Que l’amour, l’estime et le respect que je
vous porte soient à la hauteur de votre dévouement.
A mon frère Sid Ahmed de l'autre coté de la mer…..
A mes frères Issam et Abdelfetah.
A mes sœurs Zoheira et Ibtissem.
A ma tante Nouria.
A mes cousines: Halima, Inaam, Insaaf.
A mes oncles, tantes, cousines et cousins.
A mes amies: Samira, Khadra, Sarah, Fatima, Sihem, Asmaa,
Hiba.
Merci… Avec beaucoup de gratitude et de sincérité, je remercie vivement le rapporteur de ce mémoire le Professeur Abdelkader BENYETTOU de l’USTO-MB pour sa présence scientifique et humaine ainsi que pour tout le soin qu’il apporte à me diriger vers des sujets d’actualités. Toute ma reconnaissance va à Mme Djamila HAMDADOU, Chargé de cours à l’université d‘Es-Sénia, Oran, pour avoir accepté de diriger ce projet. Son soutien moral, ses orientations, ses précieux conseils, sa patience et la confiance qu'elle m'a accordée, m'ont accompagnée tout au long de cette étude. Je la remercie aussi pour ses qualités humaines et de m’avoir toujours encouragée à aller de l’avant. Je remercie également le Professeur Bouziane BELDILALI, de l’Université d‘Es-Sénia, Oran pour l’honneur qu’il me fait de présider le jury. Qu’il reçoit l’expression de mon profond respect. Mes remerciements s’adressent au même titre au Professeur Hafid HAFFAF Chef du Département d’Informatique de l’Université d‘Es-Sénia, Oran, et les Maîtres de Conférences Mme Hadria FIZAZI du Département d’Informatique de l’USTO-MB et M Karim BOUAMRANE du Département d’Informatique de l'Université d'Es_Senia pour l’intérêt qu’ils ont porté à ce travail et d’avoir accepté de l’examiner. Une mention spéciale revient à M D.Yousfi chargé de recherches au CNTS, Arzew pour avoir accepté mon invitation à la soutenance. Ma profonde reconnaissance va à M. Fahim informaticien au niveau de la direction d'urbanisme d'Oran ainsi qu'à ses collègues Mme F. MAAZOUZ et M Z. BELAGAFA qui m’ont beaucoup aidé pour l’accomplissement de ce mémoire. Merci à M H. MAHI et M N. ALLAL du CNTS ainsi qu’à M R. CHAKROUN du LTPO, M F. MAGUEDAD de l'URBOR. Je remercie les doctorants, les enseignants, les post-graduants de notre laboratoire Informatique et Automatique et tous les employeurs du département depuis le directeur aux simples employeurs, qui ont également contribué à ce travail, par leur simple présence et l’ambiance excellente qu’ils ont su créer. Je n’oublie pas d’adresser mes vifs remerciements à mes amis du labo SIMPA de la faculté des Sciences de l'université USTO-MB pour m'avoir accueilli chaleureusement au sein de leur labo et de m'avoir aidé et soutenu tout au long de mon projet . Je citerai entre autres, Melle A. OURDIGI, Melle H. KHELLIL, et M R.TELMESSANI. Aussi, Je remercie vivement M Z. GUELLIL pour son aide précieuse. Je remercie toutes les personnes qui m’ont aidé lors de la rédaction de ce mémoire (B.Rouba, R. Gualem, F. Younsi, F.Abdiche, H.Abdiche, M B. Hai de l'APWI, M M. Hai et M Belmabrouk). Mes remerciements s'adressent aussi à Mme H. DANI et Melle R.Guahfaf pour leurs conseils et leurs orientations.
Enfin, merci à tous ceux qui ont contribué de près ou de loin à l'aboutissement de ce travail par leur confiance et leur soutien.
Introduction générale 1
Sommaire
Aménagement du territoireChapitre 1
1. Introduction 5
2. Définition de l'urbanisme 6
3. L’aménagement du territoire (AT) 6
3.1 Définitions 6
3.2 Les fonctionnalités de l'aménagement du territoire 7
3.3 L’AT en Algérie 7
3.4 L’AT à l'échelle international 8
3.5 Le développement durable (DD) 8
4. Les instruments institutionnels de l'AT et d'urbanisme 9
5. Exemple de division du territoire en zones 11
6. Identification des critères de localisation d'un site pour une construction 12
6.1 Les critères globaux 13
6.2 Les critères par type de constructions 14
7. Conclusion 18
Méthodologies et OutilsChapitre 2
1. Introduction 20
2. L’Aide à la décision 21
2.1 Les concepts fondamentaux 21
2.2 L'aide À la décision territoriale (Spatiale) 24
2.3 Nature des décisions territoriales 27
2.4 Système Interactif d’Aide à la Décision (SIAD) 28
2.5 Système Interactif et Multicritère d’Aide à la Décision (SIAMD) 29
3. Les systèmes d'informations géographiques (SIG) 29
3.1 Définitions 29
3.2 Les données du SIG 30
3.3 Les couches d’informations 31
3.4 Les Modes de représentation de l’information 31
3.5 Les Fonctionnalités d’un SIG 33
3.6 Les Problématiques d’AT ET les SIGs 34
3.7 Les SIGs et l’aide a la décision spatiale 35
4. L’analyse multicritère 36
4.1 Définitions 36
4.2 Terminologie 37
4.2.1 Les actions Potentielles 37
4.2.2 Le critère 38
4.2.3 Les paramètres subjectifs 39
4.2.4 La matrice de performance 41
4.2.5 Les structures de préférence 42
4.3 Classification des méthodes d’analyse multicritères 45
4.3.1 Selon la Problématique Traitée 45
4.3.2 Selon la Méthode d’Agrégation Utilisée 46
4.4 Démarche générale d’une méthode multicritère 48
4.5 Intégration des SIG avec les méthodes d’AMC 49
4.6 Evaluation d'une méthode multicritère 50
5. Conclusion 51
Electre III Et Algorithmes Génétiques
Chapitre 3
1. Introduction 53
2. La famille Electre 56
2.1 Historique 56
2.2 Electre I 57
2.3 Electre II 58
2.4 Electre IV 59
2.5 Electre Is 61
2.6 Electre Tri 62
2.7 Electre III 63
2.7.1 Principe général 63
2.7.2 Procédure 64
2.7.3 Algorithme général d’Electre III 67
2.7.4 Pourquoi Electre III 67
2.7.5 Inconvénients Electre III 68
3. Les algorithmes génétiques 69
3.1 Introduction 69
3.2 Définition 69
3.3 Historique 69
3.4 Structure générale d'un Algorithme Génétique 70
3.5 Principe de fonctionnement 71
3.5.1 Le codage des données 71
3.5.2 Génération de la population initiale 71
3.5.3 Une fonction à optimiser 72
3.5.4 Les opérateurs génétiques 72
3.5.5 Les paramètres de dimensionnement 76
3.6 Domaines d'application 77
3.7 Avantages et inconvénients des algorithmes génétiques 78
3.7.1 Les Avantages 78
3.7.2 Les Inconvénients 78
3.8 Algorithmes Génétiques et Aide à la Décision Territoriale 78
3.9 Optimisation multicritère (Multiobjectif) évolutionniste 79
4. Conclusion 80 Conception et mise en œuvre
Chapitre 4
1. Introduction 82
2. Critiques de la méthode Electre III 84
3. Approche utilisée 87
3.1 Le Codage 87
3.2 Fonctions objectives 87
3.3 Le calcul de la Fitness Globale F 88
3.4 La sélection des individus 90
3.5 Le croisement 90
3.6 La mutation 91
3.7 Les Critères d’arrêts 91
4. La description du processus proposée 91
5. Expérimentations et résultats 92
5.1 Organigramme du logiciel 93
5.2 Outils de développement de PRODUSMAGAT 94
5.3 Etude de cas et résultats expérimentaux 94
5.3.1 Bases de données utilisées 94
5.3.2 Critères dégagés 95
5.3.3 Le prototype PRODUSMAGAT 97
6. Conclusion 109
Conclusion générale 110
Annexes 113
Bibliographie 124
Liste des figures
Figure 2.1 : Processus de décision 22
Figure 2.2 : Processus de décision selon Simon 23
Figure 2.3 : Processus d’aide à la décision territoriale 24
Figure 2.4 : Processus pour la prise de décision spatiale 25
Figure 2.5 : Processus de décision pour le domaine du territoire 26
Figure 2.6 : Processus territorial 27
Figure 2.7 : Modèle de prise de décision (Approche Systémique 28
Figure 2.8 : Organisation en couches 31
Figure 2.9 : Primitives géométriques utilisées en mode vectoriel 32
Figure 2.10 : Image satellitaire d’Oran (Captée par le satellite Alsat1) 32
Figure 2.11 : Echelle de Saaty 40
Figure 3.1 : Exemple d’un noyau 58
Figure 3.2 : Exemple d’un graphe des relations de surclassement avant/après l’application
d’un seuil de coupe à 0.8 62
Figure 3.3 : Situation des actions de référence pour un exemple de 3 catégories 62
Figure 3.4 : Démarche d’utilisation de la méthode Electre III 67
Figure 3.5 : Structure générale d'un AG 71
Figure 3.6 : Sélection par roue de loterie 73
Figure 3.7 : Le tournoi entre deux individus 74
Figure 3.8 : Croisement simple 75
Figure 3.9 : Croisement à deux points 75
Figure 3.10 : Exemple de mutation 76
Figure 3.11 : Taxonomie des algorithmes évolutionnistes 79
Figure 4.1 : Le Modèle Décisionnel adapté par PRODUSMAGAT 92
Figure 4.2 : Organigramme du logiciel prototype 93
Figure 4.3 : Choix de la BDD par le décideur 97
Figure 4.4 : Bases de données disponibles 98
Figure 4.5 : Visualisation des îlots libres 98
Figure 4.6 : Remplissage des paramètres subjectifs 99
Figure 4.7 : Matrice de performance 99
Figure 4.8 : Zone d'étude pour le secteur sanitaire 100
Figure 4.9 : Zone d'étude pour l'exemple 1 103
Figure 4.10 : Zone d'étude pour l'exemple 2 106
Figure 4.11 : Résultats fournis par PRODUSMAGAT en utilisant les AGs (2eme exemple, 1ere étape) 107
Figure 4.12 : Résultats fournis par PRODUSMAGAT en utilisant les AGs (2eme exemple, 2eme étape) 108
Liste des tables
Tableau 1.1 : Les différents critères et les facteurs associés 17
Tableau 2.1 : Comparaison entre le mode vectoriel et le mode matriciel 33
Tableau 2.2 : Importance des critères 40
Tableau 2.3 : Différents calculs effectués par la méthode 41
Tableau 2.4 : Matrice d’évaluation 42
Tableau 2.5 : Les situations de préférences 43
Tableau 2.6 : Analogie entre l’agrégation multicritère et la théorie du choix social 44
Tableau 2.7 : Les quatre problématiques de référence 46
Tableau 2.8: SIGs et AMCs : Outils complémentaires 50
Tableau 3.1 : Etudes ayant utilisée une méthode Electre 55
Tableau 3.2 : Etudes ayant utilisé d’autres méthodes ou une hybridation 56
Tableau 3.3 : Différents niveaux de surclassement de la méthode Electre IV 60
Tableau 4.1 : Différentes expérimentations effectués par [Wang et al, 06] testant la performance des méthodes Electre II et Electre III 86
Tableau 4.2 : Résultats fournis par [All, 02] 100
Tableau 4.3 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (1er Cas d'étude) 101
Tableau 4.4 : Résultats fournis par PRODUSMAGAT en utilisant les AGs (1er Cas d'étude) 101
Tableau 4.5 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (1er exemple, 1ere phase) 103
Tableau 4.6 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (1er exemple, 2eme phase) 104
Tableau 4.7 : Résultats fournis par PRODUSMAGAT en utilisant les AGs
(1er exemple, 1ere phase, 2eme phase) 104
Tableau 4.8 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (2eme exemple, 1ere étape) 106
Tableau Annexe 5.1 : Evaluation du critère C1 120
Tableau Annexe 5.2: Distance d'éloignement des actions par rapport au site industriel 121
Tableau Annexe 5.3: Nuisance sonore des occupations et activités 121
Tableau Annexe 5.4: La nuisance sonore des actions potentielles 122
Tableau Annexe 5.5: Proximité des actions potentielles au réseau d'assainissement 122
Tableau Annexe 5.6: Proximité des actions potentielles au réseau de la moyenne tension 123
Tableau Annexe 5.7: Calcul des jeux poids 123
INTRODUCTION GENERALE
Contexte
Le territoire est un système complexe dont la gestion est régulièrement source de conflits.
Cela est du, principalement, à la corrélation d’acteurs provenant de domaines différents
souvent opposés, tels que politique, social, économique, environnemental et spatial.
Les technologies de l’information géographique sont de plus en plus mises à contribution
dans les projets d’Aménagement du Territoire. Les institutions responsables de la gestion du
territoire ont entrepris la saisie d’une grande quantité de données géographiques sous forme
numérique, depuis les années 90. La motivation première de cette démarche d'informatisation
consiste à remplacer les cartes et les fiches, qui sont encore un support papier, par des fichiers
informatiques.
Aujourd’hui, les systèmes d’informations géographiques (SIGs) ont dépassé de loin les
motivations premières, il existe sur le marché informatique des logiciels qui permettent
l’exploration et la visualisation des données géographiques en 3D, ainsi que la localisation
d’un grand nombre de commerces, services, d’établissement publics ou de monuments.
L’utilisation des SIGs a constitué une révolution dans le domaine de la gestion territoriale
grâce à la puissance d’analyse spatiale qu’ils offrent.
Toutefois, les SIGs ne permettent pas l’exploitation complète des informations spatiales
générées. Ce qui nécessite leurs associations avec d’autres approches méthodologiques.
En effet, pour résoudre un problème en Aménagement du Territoire, plusieurs critères de
nature différente doivent intervenir.
Aussi, il est indispensable d’intégrer les logiques des différents acteurs dans les processus
décisionnels engendrant des données floues et imprécises.
Les procédures d’aide à la décision, issues de la recherche opérationnelle, visent à trouver
une solution optimale d’un problème au sein d’un ensemble de solutions possibles.
Néanmoins, cette stratégie s’avère mal adaptée lorsque la décision concerne un système
ouvert, qui intègre des dimensions de natures différentes tel est le cas de l’Aménagement du
Territoire.
Le contenu subjectif des décisions dans ce domaine implique l’introduction et la prise en
compte des préférences des décideurs. Le professeur Slowinsky1 a expliqué cela par : « Un
problème multicritère n’a pas de solution, si on n’apporte pas une information supplémentaire
qui est la préférence du décideur ».
L’Analyse Multicritère est un ensemble de méthodes d’aide à la décision approprié aux
processus décisionnels correspondant à des choix collectifs où les points de vue sont
contradictoires.
L’association des systèmes d’information géographique (SIG) aux méthodes d’analyse
multicritère constitue une voie privilégiée et incontournable pour faire évoluer les SIGs vers
de véritables outils d’aide à la décision. Cette association permet non seulement de gérer les
informations à référence spatiale mais aussi d’appliquer de nouvelles méthodes d’analyse
permettant d’avoir les informations les plus pertinentes et les plus rentables.
Dans la littérature, on retrouve une foule de travaux ayant utilisé cette association. Dans [Joe,
97], MEDUSAT est proposé pour la localisation de l’emplacement d’une usine de traitement
des déchets en Tunisie, tout en impliquant le décideur dans la phase de la construction du
modèle afin qu’il puisse y intégrer ses préférences (élaboration d’un diagnostic concerté du
territoire).
Aussi, [Mot, 99] propose des processus décisionnels pour la gestion des eaux en milieu
urbain, [All, 02] propose un processus décisionnel pour l'implantation d'un secteur sanitaire et
dans [Lao, 05], l’objectif principal est d’apporter aux décideurs du territoire une aide adaptée
à la prise en compte des nouveaux enjeux en matière de déplacement.
Problématique et contribution
Dans ce travail, nous traitons la problématique de la localisation en AT:
La problématique qui consiste en la recherche d’une surface satisfaisant au mieux certains
critères, tel que la localisation d’une infrastructure de type bâtiment administratif, usine,
station d’épuration, etc.
1 Actes de séminaire à l’Ecole Polytechnique Fédérale de Lausanne.
Notre contribution consiste à proposer un modèle décisionnel exploitant des outils
succeptibles d’apporter une aide pertinente à la réalisation d’un projet urbain en s’appuyant
sur une démarche méthodologique de telle façon à apporter une aide aux décideurs du
territoire dans la réalisation des différents projets d’aménagement.
Aussi, ce travail permettra une intégration des Algorithmes Génétiques dans la méthode
multicritère utilisée permettant ainsi une amélioration de la prise de décision dans les projets
urbains (Territoriaux et spatiaux).
Organisation du mémoire
Ce mémoire est organisé comme suit :
Nous étudions dans le chapitre1, les différents aspects de l’aménagement du territoire en
abordant ses principes généraux à l'échelle national et international.
Les détails des outils d’investigations nécessaires à l’élaboration d’un projet d’aménagement,
a savoir : Les Systèmes d’Aide à la Décision (SAD), Les Systèmes d’Informations
Géographiques (SIGs), L'Analyse Multicritère (AMC), sont abordés dans le chapitre2.
Nous détaillons dans le chapitre 3, les méthodes multicritères utilisées ainsi que les principes
fondamentaux des Algorithmes Génétiques (AGs) et l’optimisation multiobjective.
Le chapitre 4 illustre les différents aspects de l’algorithme génétique proposé, nous critiquons
la méthode Electre III et nous justifions l'utilisation des AGs. Aussi, nous détaillons dans ce
chapitre la maquette informatique proposée ainsi que les données utilisées respectivement à
des études de cas réelles tout en discutant les résultats obtenus.
Enfin, Nous récapitulons l'apport de ce mémoire en ouvrant des perspectives futures.
Chapitre 1 Aménagement du territoire Plan
1. Introduction2. Définition de l'urbanisme3. L’aménagement du territoire (AT)
3.1 Définitions3.2 Les fonctionnalités de l'aménagement du territoire 3.3 L’AT en Algérie3.4 L’AT à l'échelle international3.5 Le développement durable (DD)
4. Les instruments institutionnels de l'AT et d'urbanisme 5. Exemple de division du territoire en zones 6. Identification des critères de localisation d'un site pour une construction
6.1 Les critères globaux6.2 Les critères par type de constructions
7. Conclusion
Chapitre 1Aménagement Du Territoire
Chapitre 1
Aménagement Du Territoire
1. INTRODUCTION
L'espace constitue une dimension fondamentale dans le monde. Concevoir cet espace devient
une tâche de plus en plus difficile. Cela est dû aux besoins très divers tels que : L’agriculture,
les activités économiques, la protection de l’environnement, la vie sociale, le paysage, la
conservation des sites etc. auxquels l’aménagement des surfaces doit répondre.
En effet, cet aménagement est assuré par la discipline nommée : L’Aménagement du
Territoire.
Chapitre 1Aménagement Du Territoire
2. DEFINITION DE L’URBANISME
Plusieurs définitions ont été données à ce concept, la plus générale définit l’urbanisme comme
tout Choix, Décision ou Action, relatif à l’organisation et au fonctionnement de l’espace
urbain, visant à diriger son évolution ainsi que sa croissance.
En effet, la décision et l’œuvre d’urbanisme correspondent à des choix et des actes qui sont
aussi bien esthétiques, juridiques, techniques, sociaux que politiques [Che, 05].
L’urbanisme se pratique à différentes échelles : celles des grands équipements et des
localisations et aussi des petits espaces, placettes, ruelles, etc. [Che, 05]
En d’autres termes, l’urbanisme est l’ensemble des plans et des actions cohérentes permettant
l’organisation optimale des fonctions techniques, sociales et esthétiques de la ville [Che, 05].
3. L’ AMENAGEMNT DU TERRITOIRE (AT)
3.1 DEFINITIONS
L’aménagement du territoire est une discipline complexe ayant divers objectifs. Par
conséquent, plusieurs définitions peuvent en être données.
1. « L'’AT est l'art ou la technique (plutôt que la science) de disposer avec ordre, à travers
l'espace d'un pays et dans une vision prospective, les hommes et leurs activités, les
équipements et les moyens de communication qu'ils peuvent utiliser, en prenant en compte les
contraintes naturelles, humaines et économiques, voire stratégiques » [Mer et al, 00].
2. « L'AT est l'ensemble des actions visant à orienter le développement spatial des activités
sociales et économiques ainsi que l'environnement naturel, construit et social sur un territoire
déterminé. Le terme générique d'aménagement englobe tous les plans d'aménagement des
collectivités publiques à tous les niveaux de l'État, dans les domaines sectoriels (transports,
environnement, économie, société, etc.) » [Lev et al, 04].
Chapitre 1Aménagement Du Territoire
3.2 LES FONCTIONNALITES DE L’AT
Les fonctionnalités de l’AT peuvent être résumées comme suit [Lev et al, 04] :
• L’AT doit coordonner les différentes fonctions du sol.
• L'AT doit s'inscrire dans les perspectives du développement durable (durabilité,
principe de prévention voire de précaution).
• L'AT doit coordonner les affectations, arbitrer les conflits d'utilisation, etc.
Ainsi, l’AT ne consiste pas uniquement à légaliser des zones à bâtir, mais il propose une
approche globale (urbanisation, transport, environnement, nature, patrimoine, ...), dans le but
de la recherche, dans le cadre géographique, d’une meilleure répartition des hommes en
fonction des ressources naturelles et de l’activité économique.
Aussi, il permet la coexistence et le développement de ces diverses fonctions [Net 1].
3.3 L’AT EN ALGERIE
L’Algérie est classée le 2eme pays plus grand géographiquement en Afrique. Toutefois, elle
occupe peu son espace.
En effet, il y a une armature urbaine déséquilibrée, une population de plus en plus concentrée
au nord du pays en plus de la croissance urbaine importante et anarchique générant des
difficultés de gestion, un déficit chronique en matière de transport, d’habitat et
d’équipements.
Afin de remédier à cette situation, l’Algérie a tracé une nouvelle vision de AT visant plusieurs
objectifs [Mat, 04] :
• Assurer un développement harmonieux et durable de l’ensemble du territoire national,
alliant l’efficience économique, l’équité sociale, la promotion de l’homme et la
protection de l’environnement.
• Compenser les handicaps naturels et géographiques des régions et des territoires.
• Protéger les territoires et les populations contre les risques liés aux aléas naturels et
technologiques.
• Promouvoir les potentialités et les avantages comparatifs de chaque espace.
• Organiser la croissance des villes et favoriser le développement qualitatif des
agglomérations.
Chapitre 1Aménagement Du Territoire
3.4 L’AT A L’ECHELLE INTERNATIONAL
Il y a moins d’un siècle qu’a surgi l’idée d’influer sur la localisation des activités. On pensait
jusqu'alors que leur localisation était imposée par la nature [Mon et al, 04].
La Tennessee Valley Authority2 (TVA) peut être considérée comme la première tentative
moderne de planification régionale.
En effet, TVA est une entreprise américaine, crée le 18 mai 1933 par le président Américain
Franklin Delano Roosevelt. Son rôle était de produire de l'électricité , assurer la navigabilité
du fleuve de façon à attirer les industries, restaurer l'équilibre écologique de la vallée,
améliorer la productivité agricole et le développement économique de la vallée du fleuve
Tennessee (qui était une région misérable) [Net 1]. Ce projet avait un impact très bénéfique
sur l’économie de la région.
Du côté européen, le Royaume-Unie et l’Italie prirent des mesures, quelques années plus tard,
visant a mieux diversifier leurs actions en fonction des besoins des régions [Mon et al, 04].
Leurs pays voisins n’ont pas tardé à reconnaître la nécessité d’établissement de démarches
semblables.
Aujourd’hui, la plupart des pays du monde ont leur politique d’aménagement, et cette
politique constitue, dans le budget de l’union européenne, la deuxième source de dépenses
après la politique agricole [Mon et al, 04].
3.5 LE DEVELOPPEMENT DURABLE (DD)
« Traitez la terre, la nature et les animaux comme il se doit; elle ne vous a pas été donné par
vos parents, elle vous a été prêté par vos enfants. » (Vieux proverbe indien).
Cette citation exprime l’une des principales préoccupations de tous les pays du monde : Le
développement durable (DD).
En effet, depuis les années 1970, l'environnement apparaît comme un patrimoine mondial
essentiel à transmettre aux générations futures. En 1987, le Rapport Brundtland3 a proposé
une première définition au DD [Net 1]:
2 Tiré de [Mon et al, 04] sur l’Aménagement Du Territoire. 3 En 1987, Mme Gro Harlem Brundtland, présidente de la Commission mondiale sur l’environnement et le développement, soumet un rapport « Our common futur » à l’assemblée générale des Nations Unies.
Chapitre 1Aménagement Du Territoire
« C’est un développement qui répond aux besoins du présent sans compromettre la capacité
des générations futures de répondre aux leurs »
En d’autre terme, il s’agit de respecter les deux contraintes suivantes :
• Dans l'espace : Tous les habitants de cette terre ont le même droit humain aux
ressources de la terre.
• Dans le temps : Tous les habitants de cette terre ont le droit d'utiliser les ressources de
la terre mais ont aussi le devoir d'en assurer la pérennité pour les générations à venir.
En Algérie, la prise en charge, de l’environnement sous ses différents aspects a été pendant
fort longtemps méprisé : la pollution de l’air, la désertification, les changements climatiques,
la remontée des eaux dans le Sud, l’appauvrissement de la diversité biologique, etc.
Le souci, de mieux prendre en charge le secteur de l’environnement se fait sentir de manière
plus sérieuse, plus pressente et plus éminente ces dernières années.
La création du ministère de l’aménagement du territoire et de l’environnement en Août 2000
est venue pour engager parallèlement à la politique nationale d’AT une stratégie nationale de
l’environnement [Mat, 04] permettant d’assurer les principes de DD en Algérie.
4. LES INSTRUMENTS INSTITUTIONNELS DE L’AT ET
D’URBANISME
La politique d’AT en Algérie est menée au moyen d’un ensemble de schémas et de plans
d’aménagement situés à différents niveaux d’échelles, dont on peut citer :
- Le Schéma National d’Aménagement du Territoire (S.N.A.T) [Cod, 01]
Il exprime la vision prospective de l’occupation du territoire national en liaison avec la
stratégie du développement économique, social et culturel à long terme.
Le schéma national fixe des paramètres fondamentaux déterminant :
− L’occupation rationnelle de l’espace national (Avec stratégie de politique
d’aménagement).
− La répartition planifiée de la population et des activités économiques, sociales et
culturelles.
Chapitre 1Aménagement Du Territoire
− La valorisation et l’exploitation des ressources naturelles.
− La mise en place coordonnée des réseaux d’infrastructures de base.
− La répartition spatiale des établissements humains et la location des grands
équipements.
− La protection du patrimoine écologique national.
− La protection du patrimoine culturel.
- Le Schéma Régional d’Aménagement du Territoire (S.R.A.T) [Mat, 04]
C’est un instrument d’appui qui assure avec une plus grande précision la définition des choix
et des actions d’aménagement du territoire à l’échelle régionale.
Chaque SRAT détaille l’image prospective du territoire de la région et :
− Définit les objectifs essentiels de valorisation du territoire régional.
− Précise pour les sous-ensembles de cet espace les bases de la distribution équilibrée
des activités et du peuplement.
− Détaille les programmes et organise la distribution des infrastructures et équipements
structurants.
− Détermine l’organisation et la distribution de l’armature urbaine principale.
− Définit les zones de fortes solidarités interwilayales.
− Fixe les stratégies de coordination des différentes initiatives en matière d’action
économique.
- Le plan directeur d’aménagement et d’urbanisme (P.D.A.U) [Cod, 01]
C’est un instrument de planification spatiale et de gestion urbaine. Il fixe les orientations
fondamentales de l’aménagement de la commune ou des communes qu’il couvre tout en
tenant compte des schémas d’aménagement et des plans de développement.
Aussi, le PDAU précise l’extension des agglomérations, la localisation des services et divise
le territoire en secteurs tout en déterminant :
1. Les secteurs urbanisés (SU)
Incluent tous les terrains occupés par les constructions agglomérées, par leurs espaces de
prospect, et par les emprises des équipements et activités mêmes non construites.
Ils incluent également les parties urbanisées à rénover, à restaurer et à protéger.
2. Les secteurs à urbaniser (SAU)
Chapitre 1Aménagement Du Territoire
Incluent les terrains destinés à être urbanisés à long terme, à un horizon de 10 ans, dans
l’ordre de priorité prévu par le PDAU.
3. Les secteurs d’urbanisation futurs (SUF)
Incluent les terrains destinés à être urbanisés à long terme, à un horizon de 20 ans, aux
échéances prévues par le PDAU.
4. Les secteurs non urbanisables (SNU)
Incluent les terrains dans lesquels des droits à construire peuvent être édictés mais
réglementés dans des proportions limitées.
- Le plan d’occupation des sols (P.O.S) [Cod, 01]
Le POS fixe de manière détaillée les droits d’usage des sols et de construction. Il est établi
progressivement pour couvrir le territoire défini par le PDAU.
− Fixe la forme urbaine, l’organisation ainsi que les droits de construction et
d’utilisation des sols de façon détaillée.
− Détermine les règles concernant l’aspect extérieur des constructions.
− Délimite les espaces publics, les espaces verts, les emplacements réservés aux
ouvrages publics et les installations à intérêt général ainsi que les tracés et les
caractéristiques des voies de circulation.
− Définit les servitudes.
− Précise les quartiers, rues, monuments, et sites à protéger, à rénover et à restaurer.
− Localise les terrains agricoles à préserver et à protéger.
5. EXEMPLE DE DIVISION DU TERRITOIRE EN ZONES
Le territoire peut être devisé en secteurs à usage d’activité tertiaire, de recherche,
d’enseignement, de services divers et d’équipements publics.
Voici un exemple de scénario dont le but est de trouver une compatibilité entre les différentes
constructions et l’environnement qui entoure chacun d’entre eux relativement à tous les
critères. Cet exemple est celui des zones urbanisées ou destinées à être urbanisées4 :
-Zone de bâtiments et d'équipements publics d'un à plusieurs étages:
. Les établissements à usage d'enseignement et de formation.
. Les établissements de recherche.
4 : Rapport interne de l’équipe de recherche « Intelligence Artificielle, Apprentissage Automatique, Ingénierie Urbaine, Ingénierie de transport », Département Informatique, Es_Sénia- Oran
Chapitre 1Aménagement Du Territoire
. Les locaux de services tertiaires.
. Les aires de jeux, de sports et de loisirs.
. Les zones d'habitation.
. Les zones de bâtiments et d’équipements publics.
-Zone de bâtiments et d'équipements publics à caractère social
.Les aires de stationnement.
.Les équipements publics.
.Les bureaux.
.Les établissements hôteliers et leurs services.
.Les aires de stationnement.
.Les zones d'activités communales.
.Les zones de loisir.
.Les zones de récréation.
.Les équipements d'infrastructures.
.Les zones de production d'énergie.
.Les zones d'industrie légère.
.Les zones d'aménagement différé (les espaces verts par exemple).
.Les zones à grande attraction des citoyens (Aéroport, Gares, université).
Afin de localiser le site de construction adéquat pour l’ouvrage d’une part et assurer d’autre
part, la cohabitation de la nouvelle construction par rapport à celles déjà construites, il faut
respecter certaines normes (ou critères).
6. IDENTIFICATION THEMATIQUE DES CRITERES DE
LOCALISATION D’UN SITE POUR UNE CONSTRUTION
En AT, il n’existe pas une liste de critères typique permettant le choix du site le plus adéquat
pour une certaine construction. Ces critères changent selon le type de construction et la
nature du territoire d’étude.
Dans le contexte de notre problématique, et à travers notre recherche bibliographique
(Documents et avis des spécialistes), on a dégagé un certain nombre de critères.
Certains d’entre eux sont communs pour tous les types de constructions : Critères Globaux.
D’autres dépendent du type de construction : Critères par type de construction.
Chapitre 1Aménagement Du Territoire
Chaque critère peut être décomposé en plusieurs facteurs (Sous critères).
6.1 LES CRITERES GLOBAUX
Suivre le contenu des schémas d’AT: L’importance, la situation et la destination des
constructions doivent être compatibles avec les dispositions contenues dans les schémas
d’AT.
Préserver des espaces : La stratégie nationale de l’environnement a pour objet la
préservation et la valorisation des ressources naturelles, paysages du patrimoine naturel, sites
historiques ainsi que les zones marines et côtières.
Pour cela, une certaine distance doit être respectée entre ces sites et les différents types de
constructions.
Conserver l’environnement : La situation, la destination ou les dimensions des constructions
ne doivent pas avoir des conséquences dommageables pour l’environnement.
Eviter les risques : La construction ne doit pas être exposée à un risque naturel :
• Risque Sismique : Des précautions sont prises en considération dans les constructions
parasismiques lorsqu’il s’agit d’une zone de moyenne séismicité : Une étude
géologique est donc effectuée avant de donner le permis de construction.
• Risque d’Incendie de Forêts : une distance ou un périmètre de sécurité doit être
respecté pour protéger le site en question de tout risque d’incendie. • Risque d’Inondation : une étude préalable doit être faite pour étudier la situation
géographique du site en question.
Préserver les terres agricoles : La loi Algérienne interdit strictement la construction sur une
terre agricole sauf pour les constructions et les installations à intérêts nationaux ou nécessaires
aux équipements collectifs.
Il s’agit aussi d’étudier les critères relatifs à :
Nature du sol : [Net 3] Le sol est considéré comme étant l’un des plus importants des
matériaux de constructions. Il se trouve sous la plupart des ouvrages et maisons que l’on
construit. Il est donc recommandé d'étudier à l'avance tout terrain sur lequel on se propose de
construire, afin de ne pas tomber sur de mauvaises conditions de sol détectées à la dernière
minute et qui peuvent majorer considérablement les dépenses prévues pour la fondation.
L’étude doit prendre en compte différents critères du sol :
• Les critères topologiques.
Chapitre 1Aménagement Du Territoire
• Les critères géologiques.
• Les critères géotechniques.
Puissance du vent : [Net 3] Le vent est un phénomène très important qui doit être pris en
compte au cours des opérations de constructions notamment celles des immeubles très élevés.
En effet, le vent n'est que de l'air en turbulence, ce qui veut dire que le mouvement des
particules d'air est si irrégulier que lorsqu'on étudie le vent on doit s'occuper de la répartition
statistique des vitesses et des directions plutôt que de simples moyennes ou de quantités
physiques déterminées.
Accès aux voiries : Les constructions doivent être desservies par des voies publiques ou
privées dans les conditions répondant à leur fonction notamment sur le plan de la commodité
de la circulation et des accès ainsi que des moyens d’approche permettant une lutte efficace
contre les incendies.
6.2 LES CRITERES PAR TYPE DE CONSTRUCTIONS
Les constructions d’habitation [Cod, 01]
1. Les lotissements et les ensembles d’habitation doivent être desservis par un réseau de
distribution d’eau potable sous pression.
2. Les lotissements et les ensembles d’habitation doivent aussi être desservis par un
réseau d’égouts permettant l’évacuation directe des eaux usées de toute nature.
3. La distance par rapport aux autres équipements : Hôpitaux, écoles, CEM(s), Lycées,
parcs d’attractions, etc.
4. La distance par rapport aux sources de nuisances : Il s’agit de la distance entre
l’habitation et la source de nuisance, comme les aéroports, les autoroutes, etc.
5. La distance par rapport aux zones forestières et exposition aux courants du vent pour
éviter tout risque de propagation d’incendie.
Chapitre 1Aménagement Du Territoire
Les constructions industrielles
1. Il n’est en aucun cas autorisé le voisinage d’une activité industrielle avec une zone
d’habitation.
2. Effectuer un traitement approprié destiné à débarrasser les fumées et émissions
gazeuses de toutes substances préjudiciables à la santé publique.
3. Prendre des dispositions visant la limitation du niveau de bruit.
4. Les moyens de conforts pour les employés comme des logements à proximité des
lieux de travail (les camps pour employés seulement).
5. La sécurité des habitants et de l’environnement à proximité des zones industrielles, ce
qui demande un réseau de transport efficace (ligne ferroviaire, autoroute, etc).
6. La visibilité sur le site.
7. Le trafic d’accès dans l’approche directe : habitations individuelles le long du trajet,
zones sensibles le long du trajet urbain.
8. Les installations industrielles doivent être alimentées en énergie de haute tension.
9. Les installations industrielles ne doivent rejeter au réseau public d'assainissement que
les effluents pré épurés.
Les écoles, Universités, Hôpitaux
1. Le taux de scolarisation.
2. Le taux de satisfaction en couverture sanitaire.
3. La population totale résidente de la wilaya ou de la région.
Les constructions à but économique
1. La croissance annuelle moyenne régionale.
2. La densité régionale (population et superficie en Km2).
3. Le salaire moyen.
4. La distance par rapport aux points d’articulations (zones à haut débit de piétons
comme les arrêts de bus, tunnels de métros, aéroports, etc).
5. Le taux et le volume de chômage.
6. L’âge des habitants de la région.
7. Le taux moyen de la taxe professionnelle.
8. L’impôt sur le revenu moyen.
Chapitre 1Aménagement Du Territoire
Les zones pour déchets
1. Le coût du transport des déchets.
2. Le prix du terrain.
3. L’impact sur les habitations.
4. L’état actuel de l’environnement dans la zone autour de chaque lieu.
Parmi les différents critères cités ci dessus, il y en a certains qui peuvent être divisés en sous
critères (Facteurs).
Le tableau (Tableau 1.1) illustre les différents critères ainsi que leurs facteurs associés :
Chapitre 1Aménagement Du Territoire
Critères Facteurs associés
Nuisances
Pollutions Atmosphériques : Odeur, Poussière.
Pollution Hydrique
Nuisance Sonore: Autoroutes, Chemin de fer, Aéroports, etc.
Caractéristiques
du Terrain
Critères topologiques.
Critères géologiques.
Critères géotechniques.
Glissements de terrain.
Préservation des
richesses
nationales
Réserves naturelles
Terres agricoles
Paysages du patrimoine naturel
Sites historiques
Sites protégés
Zones marines et côtières.
Forêts
Risques naturels
Risque Sismique
Risque d’Incendie de Forêts
Risque d’Inondation
Equipements et
distance aux
localités
Distance aux équipements : gaz, électricité, eaux, etc.
Eloignement des écoles, hôpitaux, centres sportifs, centres commerciaux,
etc.
Climat Ensoleillement, brouillard, température, taux d’humidité, Exposition au
courant du vent et sa puissance.
Economique et
sociale
Coût du terrain
Population active
Moyenne d’âge de la population
Taux des revenus de la population
Tableau 1.1 : Les différents critères et les facteurs associés
Chapitre 1Aménagement Du Territoire
7. CONCLUSION
L’Aménagement du Territoire est un domaine vaste, dont les problématiques sont nombreuses
et diverses.
L’informatisation de ces problématiques s’avère intéressante : Meilleure gestion du grand
volume d’information, Visualisation des cartes géographiques, Traitement et analyse des
informations, etc.
Ainsi les intervenants dans un projet d’aménagement bénéficieront d’une aide importante à la
prise de décision.
Cependant, dans un projet de ce type, divers acteurs doivent être intégrés, ces derniers ont
souvent des objectifs contradictoires qui les mettent généralement en conflits.
De plus, le même projet peut avoir des solutions différentes selon son lieu et son contexte,
sachant que la décision finale résulte aussi d'autres processus, telles que des stratégies
politiques, qui ne peuvent pas être formalisées.
De ces faits, le développement d’une application en AT nécessitera l’intégration de plusieurs
variantes faisant l'objet du chapitre suivant.
Chapitre 2 Méthodologies et Outils d’Investigation
Plan
1. Introduction2. L’Aide à la décision
2.1 Les concepts fondamentaux2.2 L'aide À la décision territoriale (Spatiale)2.3 Nature des décisions territoriales 2.4 Système Interactif d’Aide à la Décision (SIAD)
2.5 Système Interactif et Multicritère d’Aide à la Décision (SIAMD)
3. Les systèmes d'informations géographiques (SIG) 3.1 Définitions3.2 Les données du SIG3.3 Les couches d’informations3.4 Les Modes de représentation de l’information 3.5 Les Fonctionnalités d’un SIG3.6 Les Problématiques d’AT ET les SIGs
3.7 Les SIGs et l’aide a la décision spatiale
4. L’analyse multicritère4.1 Définitions4.2 Terminologie
4.2.1 Les actions Potentielles4.2.2 Le critère4.2.3 Les paramètres subjectifs 4.2.4 La matrice de performance 4.2.5 Les structures de préférence
4.3 Classification des méthodes d’analyse multicritères 4.3.1 Selon la Problématique Traitée4.3.2 Selon la Méthode d’Agrégation Utilisée
4.4 Démarche générale d’une méthode multicritère 4.5 Intégration des SIG avec les méthodes d’AMC
4.6 Evaluation d'une méthode multicritère
5. Conclusion
Chapitre 2Méthodologies et Outils d’Investigation
Chapitre 2
Méthodologies et Outils d’Investigation
1. INTRODUCTION
Les problématiques territoriales sont de nature complexe et font intervenir de nombreux
critères issus de domaines différents, de nature qualitative et/ou quantitative, ayant un effet
contradictoire et une importance inégale.
Les problèmes décisionnels spatiaux se rapportent généralement à des systèmes hétérogènes
où interagissent de nombreux facteurs différents. La maîtrise de la complexité de ces
problèmes nécessite l’utilisation de méthodes, de techniques, et d’outils d’analyses puissants,
qui doivent non seulement gérer mais aussi analyser des données à référence spatiale
d’origine et de nature diverses.
La première section de ce chapitre est dédiée à la présentation des systèmes d’aide à la
décision.
La seconde section, aborde les systèmes d’information géographique.
La troisième section est consacrée aux méthodes d’analyse multicritère.
33
Chapitre 2Méthodologies et Outils d’Investigation
2. L’AIDE A LA DECISION
L’homme a toujours recherché à prendre appui sur l’abstraction, le raisonnement
hypothético-déductif pour guider et justifier ses actes. Peu après la seconde guerre
mondiale, on a vu apparaître et se multiplier des organismes d’études dont la fonction était
d’analyser et de préparer des décisions de toutes sortes.
Les entreprises, les administrations se sont ensuite dotées progressivement de cellules et de
services ayant une mission d’aide à la décision, souvent appelés services de Recherche
Opérationnelle, et rassemblant des spécialistes provenant de diverses disciplines [Roy et
al, 93].
Ainsi, et avec la vulgarisation de l’informatique, l’aide à la décision s’est intégrée pour
résoudre d’autres problématiques plus complexes et introduisant des dimensions de nature
différente tel que l’Aménagement du Territoire.
2.1 LES CONCEPTS FONDAMENTAUX
Roy [Roy et al, 93] définit l’aide à la décision comme suit :
«L 'aide à la décision est l'activité de celui qui, prenant appui sur des modèles clairement
explicités mais non nécessairement complètement formalisés, aide à obtenir des éléments
de réponses aux questions que se pose un intervenant dans un processus de décision,
éléments concourant à éclairer la décision et normalement à recommander , ou
simplement à favoriser, un comportement de nature à accroître la cohérence entre
l'évolution du processus d'une part, les objectifs et le système de valeurs au service
desquels cet intervenant se trouve placé d'autre part. »
Pour bien assimiler la définition, il s’avère nécessaire d’aborder la terminologie suivante :
a) L’acteur
Dans le domaine d’aide à la décision, le terme acteur est souvent utilisé, il désigne un
individu ou un groupe d’individus intervenant dans le processus d’aide à la décision.
[May et al, 94] distinguent 8 acteurs différents, dont les plus importants sont le décideur et
l’homme d’étude.
21
Chapitre 2Méthodologies et Outils d’Investigation
-Le décideur
L’aide à la décision est un champ d’étude qui vise à résoudre les problèmes encore très
confus dans l'esprit de celui qui se les pose. Cette personne s'appelle souvent un
« décideur ».
Le décideur est donc la personne (ou les personnes) assistée (s) par l’aide à la décision et
qui est aidé pour mieux exprimer ses préférences vis-à-vis une situation donnée.
On peut le définir aussi comme étant l’intervenant dans le processus de décision que les
modèles mis en œuvre cherchent à éclairer [Roy et al, 93].
-L’homme d’étude
C’est celui qui prend en charge l’aide à la décision. Il doit à la fois concevoir des modèles
et les mettre en oeuvre au sein du processus de décision [Roy et al, 93].
b) L’action
Désigne une des solutions envisageables pour la problématique traitée. Elle est définie par
[Roy et al, 93] comme suit :
« Une action a est la représentation d’une éventuelle contribution à la décision globale,
susceptible, eu égard à l’état d’avancement du processus de décision, d’être envisagée
d’une façon autonome et de servir de point d’application à l’aide à la décision ».
c) Le processus de décision
L’activité d’aide à la décision s’articule autour d’un processus de décision qui peut être
défini par :
« Le processus de décision est un ensemble d’activités déclenché par un stimulus, et
aboutissant à un engagement spécifique à l’action » [Cha et al, 05 b].
Sur la (Figure 2.1), le processus de décision peut être considéré comme une flèche qui part
des données (matériau brut) pour aller aux techniques de décision.
Figure2.1 : Processus de décision
Éléments de Réponse
Problème
La littérature concernant les concepts des différents processus de décision est vaste.
Cependant, le processus le plus diffusé est celui de H.Simon (1960) [Sim, 77].
22
Chapitre 2Méthodologies et Outils d’Investigation
Nous distinguons également d’autres processus comme ceux proposés par Mintezberg et al
(1976) [Cha et al, 05 b] et Tsoukias (2003) [Cha et al, 05 b].
- Le Modèle de Simon [Sim, 77]
Il est considéré comme étant le modèle le plus célèbre des processus décisionnels
disponibles dans la littérature. Ce processus opère en quatre étapes non nécessairement
séquentielles.
Information Conception Choix Evaluation
Figure2.2 : Processus de décision selon Simon
Information : détermine l’ensemble des données nécessaires (mais pas forcement
suffisantes) qui seront utilisées lors des phases suivantes.
Conception : génère les différentes alternatives qui forment l’ensemble des possibilités.
Les différentes solutions sont donc élaborées à ce stade.
Choix : Cette phase constitue la phase de décision proprement dite. Elle consiste à
restreindre l’ensemble des possibilités au sous-ensemble des possibilités sélectionnées.
Evaluation : Cette phase a pour objet d’évaluer la qualité de la prise de décision et peut
impliquer si nécessaire un retour à l’une des phases précédentes.
- Le Modèle de Mintzberg et al [Cha et al, 05 b]
Ce processus décisionnel contient sept types d’activités fondamentales regroupés en trois
phases :
Phase 1 : Identification de la situation décisionnelle : Reconnaissance et Diagnostic.
Phase 2 : Développement des solutions possibles : Recherche et Conception.
Phase 3 : Sélection d’une solution à implanter : Tamisage, Evaluation/Choix et
Autorisation.
- Le Modèle de Tsoukias [Cha et al, 05 b]
L’auteur a introduit le concept de processus d’aide à la décision comme une extension au
processus de décision.
23
Chapitre 2Méthodologies et Outils d’Investigation
Le processus d’aide à la décision est subdivisé en quatre phases :
1. Représentation du problème.
2. Formulation du problème.
3. Evaluation.
4. Recommandation.
2.2 L'AIDE À LA DECISION TERRITORIALE (SPATIALE)
Elle se concentre sur les décisions qui ont un effet sur le territoire. Il peut s'agir de :
• La localisation d'une infrastructure publique ou privée.
• L'organisation d'un réseau de services.
• La mise en place d'une politique publique à incidence spatiale, telle qu'une
politique de transport ou d'aménagement d'un quartier.
Donc, elle vise, essentiellement, deux objectifs complémentaires :
• Aider à prendre une bonne décision.
• Permettre sa mise en œuvre.
L'aide à la décision territoriale opère sur des processus basés sur la récolte, l'analyse et
l'échange d'information qui permettent aux acteurs concernés par la décision de construire,
de renforcer ou de modifier leurs préférences (Figure 2.3) [Net 2].
Figure2.3 : Processus d’aide à la décision territoriale
Le modèle de Simon ainsi que les extensions qui y sont apportées ne prennent pas en
compte trois éléments clés de la prise de décision dans un contexte spatial : [Cha et al, 05
b]
24
Chapitre 2Méthodologies et Outils d’Investigation
Participation : mettre à contribution l’expérience et le savoir-faire de chaque participant.
Négociation : valable dans un contexte conflictuel, caractérisé par l’affrontement et
l’antagonisme.
Concertation : s’opère dans un climat coopératif, caractérisé par la synergie et la volonté
de résolution des problèmes.
Pour pallier à ces problèmes, d’autres processus de décision dans le domaine territorial et
urbain ont été proposés :
Processus pour la prise de décision spatiale [Cha et al, 05 b]
Processus de décision dans le domaine territorial et urbain [Lao, 05]
Ce type de processus procède en quatre étapes (Figure 3.5)
1. Constituer l’état des lieux
C’est une étape de description du territoire, elle met le point sur l’ensemble des
informations disponibles relativement à la question posée et en recherche d’autres lorsque
le besoin est défini.
Identification et formulation du
problème
Analyse
Négociation Concertation
Evaluation/Choix
Prise de conscience
Production des données → Outils de gestion des données : SIG
Implémentation
Faire surgir les actions supportées par les différents intervenants → Outils de communication et de participation : Carte décisionnelle
Evaluation et comparaisons des actions → Outils d’évaluation pour prendre en compte
Définition des critères, des actions, évaluer Recommandation → Outils de les conséquences → Outils de définition et diffusion et de « décision visuelle »: modélisation du problème : SIG + Carte SIG + Carte décisionnelle décisionnelle + modèles de prévision et
Figure 2.4 : Processus pour la prise de décision spatiale
de simulation
25
Chapitre 2Méthodologies et Outils d’Investigation
2. Réaliser le diagnostic
Cette étape vise à évaluer ces données pour mieux définir les problèmes à traiter, les
informations manquantes, les acteurs à intégrer au processus et les moyens disponibles.
3. Elaborer les scénarios
Cette étape concerne la définition des actions et de leurs conséquences, ainsi que
l’élaboration des scénarios correspondants.
4. Choisir les stratégies
C’est l’étape de choix d’un scénario. Elle définit la mise en œuvre concrète des actions, ce
qui peut se traduire par des aménagements ou des règlements fournissant des contraintes
pour les niveaux décisionnels intérieurs comme la définition d’objectifs au niveau
européen.
Constituer l’état des lieux
Réaliser le diagnostic
Elaborer les scénarios
Choisir les stratégies
Figure 2.5 : Processus de décision pour le domaine du territoire
Processus de décision territoriale [Joe, 97] [Joe, 02]
Dans son processus [Joe, 02] propose de procéder comme suit :
Formalisation du problème : En fixant les critères, les variantes, la pondération, etc.
Agrégation : Cela revient à la recherche de la solution au problème en procédant par
l’agrégation mathématique.
Choix : Suggestion de la solution trouvée.
26
Chapitre 2Méthodologies et Outils d’Investigation
Figure 2.6 : Processus territorial
2.3 NATURE DES DECISIONS TERRITORIALES
Dans toutes les applications du territoire, on distingue trois niveaux de décisions [Joe, 97]
[Lao, 05] :
1- Le niveau stratégique qui vise à déterminer les grandes missions, les politiques
générales, ainsi que les objectifs poursuivis.
2- Ensuite le niveau tactique (Administratif ou de gestion) qui consiste à répartir de
manière rationnelle les ressources à disposition.
3- Enfin le niveau opérationnel lié aux processus concrets de travail nécessaire à la
réalisation des missions.
Le niveau stratégique : Pour la définition des grandes orientations à long terme. Les
décisions sont prises sur des données de faible précision et valables pour une longue
période.
Exemple : Réduire les émissions du CO2. (Figure 2.7)
Le niveau administratif : Contient des objectifs dont la raison d’être est de permettre de
se rapprocher d’un objectif stratégique (On suppose que le problème global est déjà
découpé en sous problèmes).
Le niveau administratif concerne donc la définition des objectifs que doivent poursuivre les
actions concrètes pour concourir aux objectifs stratégiques.
Exemple : Favoriser l’utilisation du vélo et la marche à pieds en ville. (Figure 2.7)
27
Chapitre 2Méthodologies et Outils d’Investigation
Le niveau opérationnel : Met en œuvre des actions concrètes, des décisions prises sur des
données à grande précision et valables pour une courte période.
Exemple : La mise en enquête d’une demande du permis de construire, interdiction de
l’accès de poids lourds au centre ville (Figure 2.7).
Figure 2.7: Modèle de prise de décision (Approche Systémique)
Agrégation d’informations
Agrégation des décisions
2.4 SYSTEME INTERACTIF D’AIDE A LA DECISION (SIAD)
Bonczek [Bon, 84] définit un SIAD comme étant un système informatisé qui utilise ses
connaissances sur un sujet particulier afin d’aider le responsable lors de la prise de décision
dans une catégorie de problèmes peu ou pas structurés.
Selon Courbon [Cou, 88], un SIAD est un système homme-machine, qui à travers un
dialogue, permet à un décideur d’amplifier son raisonnement dans l’identification et la
résolution de problèmes peu structurés.
Cette définition introduit la notion de dialogue ou de coopération homme-machine concept
qui conditionne fortement l’efficacité d’un SIAD.
En d’autres termes, un SIAD est avant tout un système interactif. Il doit assister un
décideur tout au long de son processus de décision par des interactions adaptées. Il est
composé d’outils de mesure, d’analyse, de comparaison qui doivent l’aider dans
l’évaluation des solutions possibles. Les interactions entre l’utilisateur, le SIAD et
l’ensemble des outils permettent à l’utilisateur de prendre une décision.
Pour cela, les interactions entre le SIAD et l’utilisateur doivent respecter les processus de
prise de décision de l’utilisateur [Bou, 06].
28
Chapitre 2Méthodologies et Outils d’Investigation
2.5 SYSTEME INTERACTIF ET MULTICRITERE D’AIDE A LA DECISION
(SIAMD)
Comme le montre son acronyme un SIAMD (Système Interactif et Multicritère d’Aide à la
Décision) est un SIAD dont l’outil d’analyse adoptée pour la réalisation de sa
problématique est une méthode multicritère.
Dans les problématiques d’AT, on distingue un grand volume d’informations de différentes
natures. Pour parvenir à établir une aide à la décision, le SIAD doit intégrer des modules
permettant l’extraction et la gestion des informations territoriales ainsi que leur analyse et
traitement. Tel est l’objet des paragraphes suivants.
3. LES SYSTEMES D’INFORMATIONS GEOGRAPHIQUES (SIG)
Le premier système d'information géographique a été mis en place vers la fin des années
60 par le gouvernement fédéral Canadien, qui avait besoin d’un outil pour effectuer ses
activités de cartographie et assurer la gestion ainsi que la mise à jour de la base de données
territoriale nationale [Roh, 02].
Depuis, les SIGs n’arrêtent pas d’évoluer surtout avec le développement de l’informatique
et la prise de conscience environnementale.
En effet, la notion de développement durable a poussé les recherches dans ce domaine,
appuyée par l’accroissement de la mémoire des ordinateurs et l’amélioration des
performances des calculs.
Ainsi la gestion des informations volumineuses, la visualisation des cartes géographiques
et leurs traitements devinrent possibles et plus faciles.
Actuellement, l’utilisation des SIGs s’est démocratisée et concerne des domaines différents
tels que la cartographie sur Internet, le calcul d'itinéraires, l’utilisation des solutions
embarquées liées au GPS (Global Positioning System), etc.
3.1 DEFINITIONS
De nombreux auteurs ont donné une définition et une description des SIG, citons en
quelques exemples :
29
Chapitre 2Méthodologies et Outils d’Investigation
1. « Un SIG est un ensemble organisé de matériels informatiques, de logiciels, de données
géographiques et de personnel capable de saisir, stocker, mettre à jour, manipuler,
analyser et présenter toutes les formes d’informations géographiquement référencées »
[Blo, 94] .
2. « Le SIG est un système doté de fonctions de modélisation spatiale puissante » [Kos,
89].
3. « Le système d’information géographique est un système de gestion de base de données
pour la saisie, le stockage, l’extraction, l’interrogation, l’analyse et l’affichage de données
localisées » [Lau, 93].
Les anglophones utilisent le terme GIS (Geographic Information System) sans faire de
distinction entre le logiciel et l'application qui l'utilise [The, 96].
En francophonie, il existe au contraire une multitude de termes pour définir des «sous-
catégories» de SIG.
En général, le terme correspondant au «GIS» des anglophones est « SIRS » : Système
d'Information à Référence Spatiale.
Les SIRS concernent deux catégories : les SITs (Les Systèmes d’Information du
Territoire) et les SIGs [The, 96].
Les SITs concernent plus spécifiquement le traitement administratif des données d'échelle
cadastrale, alors que les SIGs visent l'étude synthétique des milieux et des activités
distribuées sur le territoire, tels qu'on les perçoit à l'échelle locale et régionale [The, 96].
Dans le contexte de ce travail, la notion de «SIG» évoque, généralement, le logiciel utilisé
pour gérer les données spatiales, et non l’application qui englobe, en plus du logiciel, les
données et certaines fonctions développées pour des besoins spécifiques.
3.2 LES DONNEES DU SIG
L’information est dite géographique lorsqu’elle est liée à une localisation dans un système
de référence. Elle peut être géographique par nature, comme en topographie, ou
géographique par destination, telles que les données socioéconomiques attachées à une
entité administrative. Elle est composée de [The, 96] :
30
Chapitre 2Méthodologies et Outils d’Investigation
• Les données descriptives (ou attributaires) : qui renvoient l'ensemble des
attributs descriptifs des objets et des phénomènes existants à l'exception de la forme
et de la localisation (données sans géométrie).
• Les données géométriques : qui renvoient la forme et la localisation des objets ou
des phénomènes existants.
• Les données graphiques : qui renvoient les paramètres d'affichage des objets (type
de trait, couleur...).
• Les métadonnées : associées, c'est à dire les données sur les données (date
d'acquisition, nom du propriétaire, méthode d’acquisition…).
3.3 LES COUCHES D’INFORMATIONS
Les informations contenues dans un SIG sont organisées généralement sous forme de
couches. Chaque couche contient des objets de même type (routes, bâtiments, cours d'eau,
limites de communes, entreprises,...) et facilite leurs présentations ainsi que leurs
manipulations [Dne et al, 96].
Figure 2.8 : Organisation en couches
3.4 LES MODES DE REPRESENTATION DE L’INFORMATION
GEOGRAPHIQUE DANS UN SIG
La géométrie des données spatiales est représentée à l’aide de deux modes :
a) Le mode Vectoriel
Vise à représenter les objets à la surface du globe, en utilisant les primitives géométriques
suivantes : point, segment, ligne, polygone.
31
Chapitre 2Méthodologies et Outils d’Investigation
Polygone Une zone cultivée
et sa surface
Ligne Une route
Segment Un tronçon de
route, sa largeur
Point Arbre et sa
hauteur
Figure 2.9 : Primitives géométriques utilisées en mode vectoriel
b) Le mode Matriciel (Raster)
Il s’agit d’une image, d’un plan ou d’une photo numérisés (Images satellitaires,
Photographies aériennes numériques (orthophoto) ou de modèles numériques de terrain) et
affichés dans le SIG en tant qu'image.
Figure 2.10: Image satellitaire d’Oran (Captée par le satellite Alsat1)
c) La comparaison entre le mode vectoriel et le mode matriciel [Gue, 03]
32
Chapitre 2Méthodologies et Outils d’Investigation
Raster Vecteur
Avantages
- Structure de données simple.
- Puissance des opérations
numériques.
- Modélisation régulière du fait de la
forme régulière des cellules.
- Technologie à un bon marché et en
développement.
- Supports idéaux pour de nombreux
types de données.
- Bonne représentation de la structure
des données.
- Structure compacte.
- Projection géographique et
translation aisées.
- Qualité de représentation aux
différentes échelles.
- L’extraction, la mise à jour et la
généralisation des données sont
possibles.
Inconvénients - Gros volume de données.
- Qualité graphique irrégulière et perte
d’informations, due au choix des
cellules.
- Projection géographique nécessitant
des algorithmes adaptés pour éviter
la distorsion de la grille.
- Structure de données complexe.
- Intersection nécessitant une
puissance de calcul.
- Visualisation et impression
nécessitant un temps d’affichage
important.
- Contenu homogène de chaque
polygone rendant l’analyse spatiale
impossible.
- Simulation difficile car chaque
polygone a une forme propre.
Tableau 2.1 : Comparaison entre le mode vectoriel et le mode matriciel
3.5 LES FONCTIONNALITES D’UN SIG
Les systèmes d’informations géographiques diffèrent selon leurs domaines d’applications
et les demandes qu’ils doivent satisfaire.
33
Chapitre 2Méthodologies et Outils d’Investigation
Toutefois ils ont en commun des fonctionnalités que l’on retrouve dans chaque système
regroupées en 5 familles sous le nom des « 5A » [Mar, 02] pour : Abstraction,
Acquisition, Archivage, Affichage et Analyse.
L’Abstraction
C’est la modélisation des données géographiques et de leurs spécifications afin de
représenter le monde réel. Ces représentations cherchent à reproduire le plus fidèlement
possible la réalité d’une manière compréhensible par les utilisateurs et utilisable
informatiquement dans le but de répondre à des objectifs donnés.
L’Acquisition des données
Concerne la récupération de l’information existante (Données qui peuvent provenir de
fournisseurs extérieurs, de numérisation directe ou de traitements particuliers comme des
images satellites par exemple) et son intégration dans le système.
L’Archivage
C’est la fonctionnalité qui permet le stockage des données de façon à les retrouver et les
utiliser facilement par des applications variées.
L’Analyse
Concerne la manipulation et l’interrogation des données géographiques. Elle est considérée
comme étant le cœur du SIG.
L’Affichage
Vise à assurer la fonction de visualisation et de mise en forme dans le SIG. Cette opération
est très importante car elle assure la convivialité et ergonomie les applications. Un SIG
performant doit permettre la visualisation rapide et directe du résultat d’un traitement, ainsi
que la visualisation intelligente de certains attributs.
3.6 LES PROBLEMATIQUES D’AT ET LES SIGs
On peut distinguer cinq types de problématiques d’aménagement qui bénéficient de
l’apport des SIGs (Des problématiques ayant un lien direct avec la dimension spatiale du
territoire) [Joe, 97] :
34
Chapitre 2Méthodologies et Outils d’Investigation
1) La recherche d’une surface satisfaisant au mieux certains critères
Il s’agit, par exemple, de la localisation d’une infrastructure tel qu’un bâtiment
administratif, une usine, une station d’épuration etc. Le nombre de variantes pour ce type
de problématique peut être très grand, mais il est, en général, possible de les énumérer
toutes. Dans ce cas, la problématique ne comprend que la détermination du site (Où ?).
2) La recherche de plusieurs surfaces
Dans ce cas, en plus de la localisation des surfaces, la problématique peut aussi concerner
leur nombre, leur ordre de réalisation ou leur combinaison si toutes les surfaces ne sont pas
destinées à la même utilisation.
3) La recherche d’un tracé reliant des points
Ce tracé pourrait être celui d’une ligne électrique, d’une route, d’une conduite d’eau, etc.
Ces problématiques considère non seulement la localisation du tracé mais aussi la forme du
tronçon.
4) La conception d’un réseau linéaire devant relier plusieurs points
Ce réseau peut, cette fois aussi, être un réseau électrique, routier, d’approvisionnement en
eau etc. La forme du réseau, le nombre de nœuds et de tronçon doit être pris en compte.
5) La conception d’un réseau de polygones (Ensemble de polygones contigus)
Cette problématique est rencontrée, par exemple, lors de la conception de plans de zones,
où l’ensemble d’une région est découpé en polygones (mutuellement exclusifs) qui
définissent le type d’utilisation du sol autorisé. L’objectif ne se restreint pas à attribuer à
chaque endroit la meilleure utilisation du sol, il faut aussi considérer le voisinage des zones
et l’organisation globale du plan proposé.
3.7 LES SIGS ET L’AIDE A LA DECISION SPATIALE
Les SIGs ont montré leur efficacité essentiellement en ce qui concerne la gestion et la
représentation des données spatiales. Ils offrent une véritable aide dans ces domaines en
utilisant leurs diverses fonctionnalités.
D’un autre côté, et malgré leurs fonctionnalités d’analyse spatiale, les SIGs actuels
s’avèrent insuffisants dans des problèmes à caractère spatial (notamment la gestion du
territoire). Ceci est du à l’impossibilité des SIGs d’agréger les informations qu’ils
35
Chapitre 2Méthodologies et Outils d’Investigation
produisent pour en tirer un classement ou un choix (la plupart des utilisateurs effectue cette
étape manuellement).
Aussi, cette insuffisance est due à la présence de plusieurs intervenants avec des objectifs
contradictoires.
Pour surmonter les insuffisances des SIGs, dans le domaine d’aide à la décision en général
et en AT en particulier, plusieurs tentatives sont disponibles dans la littérature. La solution
adaptée dans le contexte de notre travail est l’intégration des SIG avec les méthodes
d’analyse multicritères (AMC) et les algorithmes génétiques (AGs).
4. L’ANALYSE MULTICRITERE
Les méthodes multicritères sont des outils d’aide à la décision, leur développement a
débuté dans le contexte militaire depuis les années 1960 pour deux essentielles raisons
[Joe, 97] :
L’amélioration de la gestion et la fourniture des moyens nécessaires pour les soldats.
Les méthodes utilisées à l’époque sont issues du domaine de recherche opérationnelle.
Ces méthodes permettaient d’optimiser une fonction tout en considérant un ensemble de
contraintes prédéfinies.
Par la suite, ces méthodes ont investi d’autres problématiques décisionnelles où le
facteur humain a pris une dimension importante. Malheureusement, lorsque la décision
concernait un système ouvert, qui intègre des dimensions de natures différentes telles
qu’économique (optimisation de coût, de production) et sociale (acceptation d’un groupe,
impact sur la santé, etc.), les méthodes de recherche opérationnelle ont montré certaines
faiblesses auxquelles les méthodes multicritères semblent pallier.
Dans ce qui suit, nous détaillerons les différents concepts d’analyse multicritère (AMC)
ainsi que les différentes méthodes relatives.
4.1 DEFINITION
D’après Vincke [Vin, 89] :
« L’analyse Multicritère est une approche constructiviste visant à fournir des outils
permettant de progresser dans la résolution d’un problème où plusieurs points de vue,
souvent contradictoires, doivent être pris en compte ».
36
Chapitre 2Méthodologies et Outils d’Investigation
Belton [Bel, 90] rappelle que la recherche en psychologie a montré que le cerveau humain
ne peut considérer simultanément qu’un nombre limité d’informations. En conséquence le
but principal des méthodes d’aide à la décision par analyse multicritère est d’aider les
décideurs à organiser et synthétiser leurs informations afin de se sentir à l’aise dans leur
prise de décision.
L’analyse Multicritère désigne un ensemble d’outils d’aide à la décision développés depuis
les années 1960. Elle Vise la résolution de problèmes avec plusieurs alternatives et en
considérant plusieurs critères de décision simultanément. Ces derniers sont souvent
conflictuels et d’importance inégale.
Plusieurs méthodes d’analyse multicritère existent dans la littérature, on peut citer :
MAUT, Electre, AHP, Prométhée, etc. [Cai, 03].
Le choix d’une méthode multicritère est en lui-même un problème multicritère.
4.2 TERMINOLOGIE
4.2.1 Les actions Potentielles
Il s’agit des éléments qui font l’objet de l’analyse multicritère, on les appelle aussi, selon
les contextes, alternatives ou solutions. On distingue deux types d’actions : réelles et
fictives.
Les actions réelles sont issues d’un projet complètement élaboré contrairement aux actions
fictives issues d’un projet partiellement élaboré ou encore construit dans l’imagination et
qui peuvent être réalistes ou irréalistes.
D’après Roy [Roy et al, 93] :
“Une action ‘a’ est la représentation d’une éventuelle contribution à la décision globale,
susceptible, eu égard à l’état d’avancement du processus de décision, d’être envisagée de
façon autonome et de servir de point d’application à l’aide à la décision.”
L’adjectif “potentielle” a son importance :
“Une action potentielle a est une action réelle ou fictive provisoirement jugée réaliste par
un acteur au moins ou présumée comme telle par l’homme d’étude en vue de l’aide à la
décision ; l’ensemble des actions potentielles sur lequel l’aide à la décision prend appui au
cours d’une phase d’étude est noté A” [Roy et al, 93].
37
Chapitre 2Méthodologies et Outils d’Investigation
Selon la nature du problème, ces actions peuvent se présenter de diverses manières :
Exemples
• Sites pour une localisation.
• Réponses à un appel d’offres.
• Plans d’aménagement.
• Plans de production.
4.2.2 Le critère
Un critère g est définit comme étant une expression qualitative ou quantitative permettant
d’examiner les actions.
Exemples :
Nombre d’hectares de forêt détruits, nombre d’habitants gênés par le bruit.
Il est définit formellement comme étant : ‘‘une fonction à valeurs réelles définie sur
l’ensemble A des actions potentielles de telle sorte qu’il soit possible de raisonner ou de
décrire le résultat de la comparaison de deux actions a et b à partir des deux nombres g(a)
et g(b)’’ [Roy et al, 93].
On distingue9 : le pseudo-critère, le vrai-critère et le quasi-critère
L’ensemble des critères G comprend m critères (de g1 à gm).
La performance, ou l’évaluation, de l’action ai pour un critère gj est donnée par gj(a).
Le choix des critères n’est pas une opération évidente, il doit respecter les conditions
suivantes [Til, 00] :
1. Exhaustivité : Il ne faut pas oublier un critère.
2. Cohérence : Il doit y avoir une cohérence entre les préférences locales de chaque critère
et les préférences globales. C'est-à-dire que si une action a est égale à une action b pour
tous les critères sauf pour un (où elle lui est supérieure), ceci signifie que l’action a est
globalement supérieure à l’action b.
3. Indépendance : Il ne doit pas y avoir de redondance entre les critères. Leur nombre doit
être tel que la suppression d'un des critères ne permet plus de satisfaire les deux conditions
précédentes [May et al, 94].
9 Les définitions seront données en détail après avoir abordé la notion des seuils.
38
Chapitre 2Méthodologies et Outils d’Investigation
En plus des trois conditions précédentes, la famille des critères doit être [Leh, 05]:
• Opérationnelle
• Non redondante
• Minimale
4.2.3 Les paramètres subjectifs
Ce sont des paramètres fixés par le décideur, selon l’application et la situation traitée. Ils
peuvent être classifiés en deux catégories : paramètres intercritères et paramètres
intracritères.
1. Paramètres intercritères : Ce sont des paramètres utilisés pour évaluer l’importance
relative de chaque critère, on parle souvent de poids.
Poids des critères
Il s’agit d’un nombre Pj attribué différemment à chaque critère, selon son importance vis à
vis des autres critères. Cette opération n’est pas toujours facile au décideur, l’homme
d’étude peut l’aider à exprimer clairement son appréciation de l’importance relative de
chaque critère.
Il existe différentes méthodes qui peuvent aider le décideur, en effectuant des calculs après
que celui-ci a fait une comparaison entre les critères ou les a classé selon l’ordre de ses
préférences. Nous allons présenter deux méthodes : la méthode de cartes de SIMOS, et la
méthode de l’échelle de Saaty [Ham, 05].
a) Méthode de SIMOS
Connue aussi sous le nom ‘’La technique du jeu de cartes’’. Cette méthode consiste à
distribuer aux différents décideurs des cartes sur lesquelles sont inscrits les noms des
critères (Une carte pour un critère) ainsi que des cartes blanches.
Par la suite, il est demandé à chaque décideur de ranger les cartes selon un ordre de
préférence, en matérialisant l’importance des écarts par l’insertion des cartes blanches.
L’introduction de ces informations dans un jeu de calculs permet d’aboutir à des poids
normés.
39
Chapitre 2Méthodologies et Outils d’Investigation
b) Echelle de Saaty
Le principe consiste à comparer chaque critère aux autres et introduire un rapport de
préférence selon l’échelle de Saaty (Figure 2.11) dans une matrice d’ordre ( nc*nc) où
nc : désigne le nombre de critères. Cette matrice est caractérisée par [Leh, 05] :
[ nci ,1∈∀ ] ; ai,j =1 ;
[ ]2,1, ncji ∈∀ ; ai,j = 1 /a j,i avec : i≠j
moins
Abs
olum
ent
plus
impo
rtan
t
Bea
ucou
p pl
us
impo
rtan
t
Plus
Impo
rtan
t
Un
peu
plus
im
port
ant
Ega
l
1/5 1/3 1/9 1/7
Figure 2.11 : Echelle de Saaty
L’exemple suivant illustre cette méthode:
Exemple :
On veut sélectionner un fournisseur pour le développement d’un nouveau produit. Trois
critères sont choisis :
• Qualité du produit développé.
• Délai de livraison du produit.
• Expérience du fournisseur dans le domaine de la fabrication.
Qualité Délai Expérience
Qualité 1 5 2
Délai 1/5 1 1/3
Expérience 1/2 3 1
Tableau 2.2 : Importance des critères
Remarque: La qualité du produit est beaucoup plus importante que le délai de livraison.
La matrice doit, ensuite, être normalisée en divisant chaque élément par le total de la
colonne. Le poids est obtenu en calculant la moyenne de la ligne (Poids=Moyenne).
40
Chapitre 2Méthodologies et Outils d’Investigation
Qualité Délai Expérience Poids
Qualité 0.58 0.56 0.6 0.58
Délai 0.11 0.11 0.1 0.11
Expérience 0.29 0.33 0.3 0.31
Somme 1.7 9 3.33
Tableau 2.3 : Différents calculs effectués par la méthode
2. Paramètres intracritères : Ils formalisent pour chaque critère l’appréciation subjective
de leurs valeurs. Ils comprennent le seuil d’indifférence, le seuil de préférence et le veto
[Joe, 97].
Seuils d’indifférence [Pel, 04]
Le seuil d’indifférence indique l’écart dans lequel aucune préférence ne peut être établie
sur un critère. Ces seuils permettent de tenir compte de l’imprécision et des incertitudes sur
les évaluations ou sur les données.
Seuils de préférence
Le seuil de préférence indique l’écart à partir duquel une préférence nette peut être établie
entre deux évaluations. L’écart entre le seuil d’indifférence et le seuil de préférence
indique une préférence faible entre deux évaluations.
Seuils de veto
Le seuil de veto permet de fixer une notion supplémentaire. Si ce seuil est dépassé sur un
critère, alors l’action ne peut être prise en considération. Il définit donc une situation
intolérable pour un des décideurs. Il s’exprime par l’écart maximum acceptable autour de
la valeur de l’évaluation.
4.2.4 La matrice de performance
Appelée aussi matrice d’évaluation ou de jugement, elle se compose des éléments
suivants :
Ensemble des actions potentielles
A= {a1,a2,a3,…,an} avec A={ai} Pour i=1,2,…,n
Différents critères
gj Pour j=1,2,…,m
41
Chapitre 2Méthodologies et Outils d’Investigation
Poids des critères
pj Pour j=1,2,…,m
Évaluations ou jugements
eij Pour i=1,2,...,n; j=1,2,…,m
g1…………gj ………………gn
a1
.
.
.
ai
.
.
an
g1(a1)………gj(a1)………….gn(a1)
……………………………………..
……………………………………..
……………………………………..
g1(ai)………gj(ai)………….gn(ai)
……………………………………..
……………………………………..
g1(an)………gj(an)………….gn(an)
Tableau 2.4 : Matrice d’évaluation
4.2.5 Les structures de préférence
Avant d’entamer le fonctionnement des méthodes multicritères, il s’avère nécessaire
d’introduire les notions des structures de préférence.
En effet, les méthodes multicritères s’appuient sur les relations entre les actions pour
décider et pour prendre en compte les valeurs et les préférences d’un ou de plusieurs
acteurs dans un processus de décision.
Sans rentrer dans la spécificité de chaque méthode, on donnera ci dessous les différents
concepts utilisés par la plupart des méthodes multicritères :
a) Relation binaire
Une relation binaire R d’un ensemble E vers un ensemble F est définie par une partie G de
E×F.
Si (x, y) ∈G on dit que x est en relation avec y et on le note « x R y ».
b) Ordre et Préordre
Ordre : Relation réflexive, transitive et antisymétrique, il n'y pas d'ex æquo.
42
Chapitre 2Méthodologies et Outils d’Investigation
Préordre : Relation réflexive et transitive, des ex æquo sont possibles. On distingue deux
types :
• Préordre total : est un préordre dans lequel les éléments sont toujours comparables :
Incomparabilité exclue.
• Préordre partiel : est un préordre dans lequel l'incomparabilité est permise.
c) Situations de préférences
Roy [Roy et al, 93] a modélisé quatre situations principales de préférence résumées dans le
tableau (Tableau 2.5) :
Situation Définition Relation binaire
(Propriétés)
Indifférence Elle correspond à l’existence de raisons
claires et positives qui justifient une
équivalence entre les deux actions.
I : Relation symétrique
rèflexive.
Préférence
stricte
Elle correspond à l’existence de raisons
claires et positives qui justifient une
préférence significative en faveur de
l’une (identifiée) des deux actions.
P : Relation asymétrique
( irréflexive)
Préférence
faible
Elle correspond à l’existence de raisons
claires et positives qui infirment une
préférence stricte en faveur de l’une
(identifiée) des deux actions mais ces
raisons sont insuffisantes pour en
déduire soit une préférence stricte en
faveur de l’autre, soit une indifférence
entre ces deux actions (Ces raisons ne
permettent donc pas d’isoler l’une des
deux situations précédentes comme
étant la seule appropriée).
Q :Relation asymétrique
(irréflexive)
Incomparabilité Elle correspond à l’absence de raisons
claires et positives justifiant l’une des
trois situations précédentes.
R :Relation symétrique
irréflexive.
Tableau 2.5 : Les situations de préférences
43
Chapitre 2Méthodologies et Outils d’Investigation
d) Surclassement
Une action a surclasse une action b, noté aSb, si elle est au moins aussi bonne que a
relativement à une majorité de critères, sans être trop nettement plus mauvaise que b
relativement aux autres critères [Sch, 85].
Cette définition est donnée mathématiquement par la relation suivante :
)(: aIbaQbaPbaSbS ∨∨⇒
e) Agrégation
Il s’agit ici d’établir un modèle des préférences globales, c’est-à-dire une représentation
formalisant de telles préférences relativement à un ensemble A d’actions potentielles, que
l’homme d’étude juge approprié au problème d’aide à la décision [Ben, 00] .
Il y a une analogie entre l’agrégation multicritère et la théorie du choix social qu’on peut
résumer par le tableau suivant [Mou, 03]:
Théorie du choix social Agrégation multicritère
- Chaque électeur donne un avis sur les
candidats.
- Le candidat élu doit refléter l’avis collectif
des électeurs.
- Tout électeur a le même pouvoir de vote.
- Chaque critère permet d’évaluer/comparer
les actions.
- La décision résulte de plusieurs critères.
- Les critères n’ont pas nécessairement la
même importance.
Tableau 2.6 : Analogie entre l’agrégation multicritère et la théorie du choix social
f) Discrimination des critères [Gin, 02]
Vrai critère
On appelle vrai critère tout critère dont la structure de référence sous-jacente est une
structure de pré ordre total.
Dans le cas d'un vrai critère, on a, pour deux actions (a, b) de A :
aIbbcacaPbbcac
⇔=⇔>
)()()()(
En d’autres termes, deux actions sont dites indifférentes, selon le critère c, si leurs
évaluations respectives sur le critère c sont égales. Dans le cas contraire, l'une des deux
44
Chapitre 2Méthodologies et Outils d’Investigation
actions comparées est strictement préférée à l'autre, si son évaluation est strictement
supérieure.
Quasi critère
Dans ce cas, un seuil d'indifférence q est introduit. Ainsi, l'homme d'étude admet que
l’écart c(a) - c(b) inférieur à q traduit également une indifférence entre a et b et que l’écart
supérieurs à q traduit une préférence stricte de a par rapport à b.
Pseudo critère
Nous parlons de pseudo critère lorsque l’homme d’étude fait intervenir deux seuils de
discrimination distincts :
- Un seuil d’indifférence : Associé au critère c qui indique la limite supérieure en
dessous de laquelle le décideur marque une indifférence nette entre deux actions
potentielles.
- Un seuil de préférence : Représente la valeur au-dessus de laquelle le décideur
montre une préférence stricte au profit d’une de ces deux actions comparées.
Ainsi, une zone d’hésitation entre la préférence stricte et l’indifférence est définie : c’est la
zone de préférence faible.
4.3 CLASSIFICATION DES METHODES D’ANALYSE MULTICRITERES
Les méthodes d’analyse multicritères peuvent être classifiées selon le type de problème
qu’elles affrontent ou selon leurs propriétés dans le traitement de la matrice d’évaluation
(La méthode d’agrégation) [Joe, 97].
4.3.1 Selon la Problématique Traitée
Le tableau (Tableau 2.7) résume les différentes problématiques traitées ainsi que leurs
objectifs et résultats [Roy et al, 93] :
45
Chapitre 2Méthodologies et Outils d’Investigation
Problématique Objectifs Résultat
Alpha
Eclairer la décision par le choix d’un sous
ensemble aussi restreint que possible en vue d’un
choix final d’une seule action, ce sous ensemble
contenant de meilleures actions ou, à défaut, des
actions satisfaisantes.
Un choix ou une
procédure de
sélection.
Bêta
Eclairer la décision par un tri résultant d’une
affectation de chaque action à une catégorie, les
catégories étant définies à priori en fonction de
normes ayant trait à la suite à donner aux actions
qu’elle sont destinées à recevoir.
Un tri ou une
procédure
d’affectation.
Gamma
Eclairer la décision par un rangement obtenu en
regroupant tout ou partie (les « plus
satisfaisantes ») des actions en classes
d’équivalence, ces classes étant ordonnées, de
façon complète ou partielle, conformément aux
préférences.
Un rangement ou
une procédure de
classement.
Delta
Eclairer la décision par une description, dans un
langage approprié, des actions et de leurs
conséquences.
Une description ou
une procédure
cognitive.
Tableau 2.7 : Les quatre problématiques de référence
4.3.2 Selon la Méthode d’Agrégation Utilisée
Agrégation complète (Top Down Approach)
Connue aussi sous le nom: Méthode fondée sur un critère unique de synthèse. Elle tente
d’introduire toutes les performances dans une fonction d’agrégation ou d’utilité (le modèle
de préférence s’exprime à travers une fonction unique), en leur attribuant d’éventuels
poids. Ce qui conduit à une compensation totale entre les critères et une transitivité
complète.
Comme exemple de cette approche on peut citer plusieurs méthodes : MAUT (Multiple
Attribute Utility Theory), UTA (Utilité Additives), AHP (Analytic Hierarchy Process),
WPM (Weight Product Method), WSM (Weight Sum Method) [Cai, 03].
46
Chapitre 2Méthodologies et Outils d’Investigation
La complète transitivité, la compensation entre critères et la difficulté liées au choix de la
fonction d’agrégation (Obligation d’y intégrer toutes les préférences des décideurs à part
les poids) sont considérées comme des inconvénients de cette approche ayant une gravité
changeante selon la situation et la problématique traitée.
Agrégation partielle
Cette approche repose sur la comparaison des actions deux à deux puis une synthèse des
résultats de ces comparaisons (c’est d’ailleurs la façon de synthétiser qui diffère entre les
méthodes de cette approche). Elle permet de respecter l’incomparabilité, mais au prix de la
clarté des résultats.
Les méthodes d’agrégation partielle sont utiles lorsque [Mou, 03] :
• Un critère au moins n’est pas quantitatif (L’approche permet de traiter
simultanément des critères qualitatifs et quantitatifs).
• Les unités des critères sont très hétérogènes et leur codage en une échelle commune
est difficile ou artificiel.
• La compensation entre avantages et désavantages sur différents critères n’est pas
justifiable.
• Des seuils de préférences ou de veto doivent être pris en compte.
Parmi les méthodes les plus connues d’agrégation partielle, on cite les familles Electre
(Elimination Et Choix Traduisant la Réalité) et Prométhée.
Les inconvénients de cette approche se résument dans la forme des résultats (Les réponses
sont généralement complexes et pas précises) et le nombre de comparaisons entre les
actions (Pour n actions, il faut effectuer n fois (n-1) comparaisons).
Agrégation locale
La technique consiste à partir d’une solution de départ (supposée aussi bonne que
possible) et de voir « Dans les alentours » s’il n’existe pas de meilleure. En d’autres
termes, une solution de départ est choisie, ensuite on sélectionne un groupe de variantes
relativement proches à la solution sélectionnée. Par la suite, on vérifie s’il n’existe pas de
meilleure variante par rapport à celle sélectionnée. Ce nouveau choix constitue une
solution initiale pour une nouvelle itération. On pratique donc une exploration locale et
répétitive qu’on appelle « Technique d’agrégation locale itérative » [Sch, 85].
47
Chapitre 2Méthodologies et Outils d’Investigation
Contrairement aux méthodes d’agrégation précédentes, la méthode d’agrégation locale est
adaptée aux situations où il existe un nombre quasi infini de variantes.
En effet, « (...) placé devant un ensemble A (de variantes) très riche, le responsable ne sait
plus très bien où il en est, il ne parvient pas à exprimer ses préférences de manière
explicite, surtout s'il est sensible à des critères divergents. On peut aussi inverser l'ordre
du raisonnement : non pas dire que l'attitude d'agrégation locale et itérative est imposée
par la richesse de l'ensemble A, mais qu'elle apparaît chaque fois que le décideur ne
connaît pas très bien ses préférences. Et ajouter que cela se produit notamment - mais pas
uniquement- lorsque A est grand ou infini» [Sch, 85].
Les principales méthodes d’agrégation locale itérative existantes sont : Plm
(programmation linéaire multicritère), Stem (Pop), Uta interactive, Prefcalc [Sch, 85]
[May et al, 94].
4.4 DEMARCHE GENERALE D’UNE METHODE MULTICRITERE
Les problèmes de décision multicritères opèrent, habituellement, en 4 étapes [May et al,
94] [Ben, 00].
Les deux premières sont communes pour toutes les méthodes multicritères à l’inverse des
deux dernières qui dépendent de la méthode choisie :
Création d’une liste des actions potentielles
Au cours de cette étape, on établit une liste des actions potentielles qui vont rentrer en
concurrence. Cette liste n'est pas exhaustive et définitive. Elle peut évoluer tout au long de
l'étude (suppression ou ajout d’actions) [Til, 00].
Création d’une liste des critères et pondération
Il s’agit d’élaborer la liste des critères à prendre en considération. Un critère peut être plus
important qu’un autre. Cette importance relative est exprimée par un nombre appelé poids
[Til, 00].
Le calcul de la matrice des performances
N’importe quelle méthode multicritère agit sur ce qu’on appelle « Matrice des
performances »
Connue aussi sous le nom de matrice d’évaluation ou de jugements ou tableau de
performance. Comme son nom l’indique la matrice de performance est un tableau à double
48
Chapitre 2Méthodologies et Outils d’Investigation
entrée, dans lequel chaque ligne représente une action et chaque colonne un critère.
L’intersection d’une colonne j avec une ligne i représente le jugement de l’action i par
rapport au critère j. Chaque action est jugée par rapport à chacun des critères.
L’agrégation des performances
Pour définir une solution (action) qui fait émerger une préférence commune (qui jouit
globalement des meilleures évaluations), les jugements doivent être agréger.
Les méthodes multicritères diffèrent selon leurs façons de traiter cette dernière étape.
4.5 INTEGRATION DES SIG AVEC LES METHODES D’AMC
L’intégration des SIGs avec les AMCs a été largement utilisée dans les problématiques
d’AT. Elle a réussi à prouver son efficacité ainsi que son succès. La complexité des
données à références spatiales et les différentes origines des personnes impliquées dans les
problèmes géographiques de décision et qui ont des points de vue différents sont quelques
arguments en faveur de cette intégration.
L’association des méthodes AMC et SIG constitue une voie privilégiée pour faire évaluer,
d’une part, les SIG vers de véritable système d’aide à la décision et permettre d’autre part,
aux AMC d’élargir leurs capacités d’analyse tout en acquérant la transparence qui leur fait
souvent défaut [Mol, 03] .
49
Chapitre 2Méthodologies et Outils d’Investigation
SIG AMC Avantages
• Gestion et traitement des données
spatialisées.
• Contribue à l’analyse relationnelle
des données à références spatiales.
• Synthèse cartographique adaptée.
• Vision globale du problème.
Avantages
• Hiérarchise les solutions.
• Améliore le processus décisionnel.
• Permet de prendre des externalités.
Mais… Mais…
• Centre l’analyse sur des données
spatialisables.
• Ne hiérarchise pas les solutions
étudiées.
• Gère difficilement les différents
systèmes de valeurs.
• Ne spatialise pas les données.
• Ne peut évaluer qu’un nombre
restreint d’actions.
• Méthodes complexes.
Tableau 2.8: SIGs et AMCs : Outils complémentaires
4.6 EVALUATION D'UNE METHODE MULTICRITERE
Analyse de Sensibilité: Analyse consistant à répéter l'analyse multicritère originale en
faisant varier les valeurs attribuées a l'origine aux différents paramètres de la méthode,
valeurs qui sont souvent empreintes d'un certain arbitraire. Elle vise à définir les
paramètres qui conditionnent le plus étroitement la solution choisie, c'est-à-dire ou il suffit
d'une faible modification pour changé la solution proposée.
Analyse de robustesse:Analyse cherchant à déterminer le domaine de variation de certains
paramètres dans lequel une recommandation reste stable. Elle sert à fournir au décideur
une recommandation synthétique et robuste, qui l'informe quant à la capacité de la solution
proposée à résister à des variations entre la réalité et le modèle censé la représenter.
Remarques
Il n’existe pas de méthodes parfaites, car « pour sortir de l’imbroglio multicritère il faut
transgresser l’une ou l’autre des règles de base » [Sch, 85].
50
Chapitre 2Méthodologies et Outils d’Investigation
Il n'y aura jamais de méthode idéale. Le choix dépend de la nature du problème, et aussi,
du contexte culturel et de la personnalité du ou des décideurs [Lao, 05].
Dans le cadre de notre recherche, on a choisi les méthodes de surclassement pour résoudre
la problématique abordée.
Cependant, il ne s’agit pas d’affirmer pour autant que ces méthodes sont les seuls
applicables dans ce contexte.
5. CONCLUSION
Au terme de ce chapitre, le lecteur ne peut ignorer la richesse et les potentialités des
différents domaines abordés.
En effet, les trois concepts : Aide à la Décision, Système d’Information Géographique et
Analyse Multicritère s’avèrent nécessaires et complémentaires pour traiter les problèmes
décisionnels spatiaux.
Le chapitre suivant abordera d’une manière plus détaillée les méthodes utilisées et jugées
les plus convoitées ainsi que l’approche adoptée dans notre travail.
51
Chapitre 3 Electre III Et Algorithmes Génétiques Plan
1. Introduction2. La famille Electre
2.1 Historique2.2 Electre I2.3 Electre II2.4 Electre IV2.5 Electre Is2.6 Electre Tri2.7 Electre III
2.7.1 Principe général2.7.2 Procédure2.7.3 Algorithme général d’Electre III2.7.4 Pourquoi Electre III2.7.5 Inconvénients Electre III
3. Les algorithmes génétiques3.1 Introduction3.2 Définition3.3 Historique3.4 Structure générale d'un Algorithme Génétique 3.5 Principe de fonctionnement
3.5.1 Le codage des données3.5.2 Génération de la population initiale 3.5.3 Une fonction à optimiser3.5.4 Les opérateurs génétiques 3.5.5 Les paramètres de dimensionnement
3.6 Domaines d'application3.7 Avantages et inconvénients des algorithmes génétiques
3.7.1 Les Avantages3.7.2 Les Inconvénients
3.8 Algorithmes Génétiques et Aide à la Décision Territoriale 3.9 Optimisation multicritère (Multiobjectif) évolutionniste
4. Conclusion
Chapitre 3Electre III Et Algorithmes Génétiques
Chapitre 3
Electre III Et Algorithmes Génétiques
1. INTRODUCTION
Dans ce chapitre, nous présentons les outils adoptés pour l’évaluation des critères
identifiés à savoir la méthode Electre III et les Algorithmes Génétiques (AGs).
Avant de présenter ces outils, nous avons jugé nécessaire de survoler dans la section
suivante quelques travaux existants dans le concert de la littérature relative à l'aide à la
décision en général et d’Aménagement du Territoire en particulier.
Le tableau (Tableau 3.1) illustre quelques travaux ayant utilisé, comme outil d’Analyse
Multicritère, une méthode ELECTRE.
53
Chapitre 3Electre III Et Algorithmes Génétiques
Sujet Année Méthode Référence
Les Méthodes multicritères ELECTRE 1994 Des méthodes
Electre
[May et al, 94]
La Planification des ressources d’eau
(Water resources planning )
1995 Electre II [Ana, 95]
La gestion du processus de consultation et
de décision : un nouvel enjeu en
aménagement du territoire
1995
Electre I
[Rey, 95]
L’Évaluation environnementale
(Environmental appraisal)
1996 Electre II [Rog et al, 96]
Pratiquer ELECTRE et Prométhée : un
complément à décider sur plusieurs
critères
1996 Des méthodes
Electre
[Sch, 96]
Le Choix d'un système de gestion de
déchets solides (Choosing a solid waste
management system)
1997 Electre III [Hok et al, 97a]
[Hok et al, 97b]
Décider sur le territoire : Proposition
d’une approche par l’utilisation de SIG et
de AMC
1997 Electre Is
Electre Tri
[Joe, 97]
La Classification des projets (Project
ranking)
1999 Electre III [Buc et al, 99]
Le Choix d'une installation carburant
alternative pour le transport de terre
(Choosing an alternative fuel system for
land transportation )
1999
Electre II
[Poh et al, 99]
Le Choix d'emplacement pour une usine
de traitement des eaux résiduaires (Site
selection for a wastewater treatment plant)
1999
Electre II
[Rog et al, 99a]
Le Choix d'une stratégie de rebut
d’incinération (Choosing a waste
incineration strategy)
1999
Electre III
[Rog et al, 99b]
54
Chapitre 3Electre III Et Algorithmes Génétiques
L’Intégration du système d’aide à la
décision multicritère et du système
d’intelligence économique dans l’ère
concurrentielle : Application dans le choix
de partenaire en Indonésie
2000
Electre I
[Gin, 00]
La Modélisation de l’accessibilité par
analyse multicritère : Application à la
région de Québec1996
2001
Electre Tri
[Bég, 01]
Le Problème de localisation d'endroits
d'affaires (Business location problem)
2001 Electre III [Bel et al, 01]
L’Analyse multicritère : étude de l'existant
et application en analyse du cycle de vie
2003 Electre III
Electre IV
[Cai, 03]
Le Choix d'une centrale alternative de
l'électricité (Selection of an alternative
electricity power plant)
2003
Electre III
[Ley et al, 03]
L’Evaluation de stratégies pour la gestion
du risque sismique du bâtiment
2004 Electre III [Pel, 04]
Tableau 3.1 : Etudes ayant utilisée une méthode Electre
Le tableau (Tableau 3.2) illustre quelques travaux ayant utilisé d'autres stratégies
multicritères ou des associations entre différentes méthodes :
Sujet Année Méthode Référence
La Recherche de l’emplacement le mieux
adapté pour une usine de fabrication de tapis
dans la région de Katmandu
1994
AHP
(Analytic
Hierarchical
Process)
[Eas, 94]
Les Modèles pour un outil d'aide à la
décision et la négociation en aménagement
du territoire - approche multi-agents
1997
SMA
[Fer, 97]
55
Chapitre 3Electre III Et Algorithmes Génétiques
L’Analyse multicritère : étude de l'existant
et application en analyse du cycle de vie
2003
Somme
pondérée
Prométhée I
Prométhée II
Macbeth
[Cai, 03]
L’Application d'aide de décision
multicritères à un problème de selection
d'étudiant (Multicriteria Decision Aid
Application To A Student Selection
Problem)
2005
Electre III
Algorithmes
Génétiques
[Ley, 05]
Tableau 3.2 : Etudes ayant utilisé d’autres méthodes ou une hybridation
2. LA FAMILLE ELECTRE
2.1 HISTORIQUE
Electre (Elimination Et Choix Traduisant la REalité) est une famille de méthodes conçues
par Bernard Roy. Il proposa à travers ces méthodes une nouvelle philosophie d’aide à la
décision permettant de pallier aux insuffisances des méthodes existantes.
La famille Electre a prouvé son efficacité, mais sans autant pouvoir dire que ceux sont les
meilleures méthodes d’analyse multicritère. Simpson [Buc et al, 99] a comparée les deux
méthodes Electre et Smart11 en formulant la conclusion suivante:
“There are obvious differences between the methods, but it is not obvious that one method
is stronger than the other.” (Il y a des différences évidentes entre les méthodes mais il
n'est pas évident qu'une méthode soit meilleure que l’autre).
Les méthodes Electre suivent l'approche d'agrégation partielle. Elles se basent sur les
mêmes concepts fondamentaux de l’analyse multicritère mais diffèrent dans leurs
fonctionnements ainsi que dans le type de la problématique traitée.
11 Méthode d’analyse multicritère d’agrégation complète
56
Chapitre 3Electre III Et Algorithmes Génétiques
Dans notre travail, nous nous intéressons particulièrement à la méthode Electre III, mais
avant de l’exposer en détail, nous survolerons les différentes méthodes de la famille Electre
à savoir : Electre I, Electre II, Electre IV, Electre Is, Electre Tri.
2.2 ELECTRE I
Traite les problématiques d’aide à la décision de type alpha (Choix ou sélection). Elle
utilise les vrais critères (p=q=0).
En utilisant la relation de surclassement S préalablement définie, Electre I divise
l’ensemble des actions potentielles en deux sous ensembles N et A\N complémentaires tel
que :
• Toute action appartenant à A\N est surclassée par au moins une action appartenant
à N ; les actions-éléments de A\N sont éliminées.
• Les actions appartenant à N sont incomparables entre elles ; ce sont les actions
sélectionnées.
La relation de surclassement S est construite en prenant appui sur la notion de concordance
et la notion de discordance. Pour tout couple (ai, ak), l’hypothèse de surclassement « ai
surclasse ak » sera acceptée si un test de concordance et un test de non-discordance sont
satisfaits.
Une fois toutes les relations crées, on les visualise en utilisant le graphe de surclassement :
• Si l’action ai surclasse l’action ak, une flèche partant du sommet ai et aboutissant au
sommet ak unit les deux sommets.
• Si aucune relation de surclassement n’existe entre les deux actions ai et ak, alors
aucune flèche ne peut être dessinée entre les deux sommets.
• Le sous-ensemble N est assimilé au noyau du graphe.
Le noyau du graphe est l’ensemble des sommets tels que :
• Tous les sommets du graphe n’appartenant pas au noyau sont surclassés par, au
moins, un sommet du noyau.
• Les sommets du noyau ne sont surclassés par aucun sommet de celui-ci.
57
Chapitre 3Electre III Et Algorithmes Génétiques
a 2
a 1
a 5 a 4
a 3
a 7
a 6
Figure 3.1 : Exemple d’un noyau
Dans l’exemple de la Figure 3.1, le noyau est constitué par les sommets a4 et a5.
Remarques
1. Une action qui appartient au noyau n’est pas nécessairement une bonne solution :
• Le noyau représente l’ensemble des actions parmi lesquelles se trouve la
« meilleure » action.
• Le noyau est constitué des actions difficilement comparables.
2. La seconde meilleure solution n’est pas disponible dans le noyau puisqu’ elle est
surclassée par la meilleure solution : Si la meilleure solution n’existe pas, il faut refaire
tous le processus pour reconstruire le noyau.
2.3 ELECTRE II
Relève de la problématique gamma γ (procédure de classement). Elle vise, en utilisant les
relations d'ordre sur chacun des critères, à munir l'ensemble A des actions potentielles
d'une structure de pré ordre total afin de faciliter le choix.
En résumé : Classer les actions potentielles, depuis les "meilleures" jusqu'aux "moins
bonnes", en tolérant les ex æquo.
Comme pour Electre I, la méthode Electre II utilise aussi la relation de surclassement S,
qui est construite sur la base des notions de concordance et de discordance. A la différence
d’Electre I, les tests de concordance et de non discordance dans Electre II sont imbriqués
les uns dans les autres.
58
Chapitre 3Electre III Et Algorithmes Génétiques
Aussi dans Electre II on distingue deux sortes de surclassements :
- Les surclassements forts : Reposent sur des bases solides et sont donc avancés avec une
grande certitude.
- Les surclassements faibles : Concernent ceux des surclassements qui sont sujets à
caution.
L'exploitation de ces deux graphes (l'un fort, l'autre faible) s'opère selon un algorithme qui
permet de classer les actions. Cet algorithme permet d'obtenir deux classements différents
(ou deux préordres totaux différents) : un classement direct et un classement inverse.
Les deux classements s'opèrent à partir du graphe de surclassement fort, le graphe de
surclassement faible n'étant utilisé que pour départager, si possible, les ex æquo.
A partir de ces deux préordres totaux, un préordre partiel est établi, ainsi l'intérêt de ces
deux classements provient de leur effet sur des actions incomparables.
2.4 ELECTRE IV
La méthode Electre IV (1982), relève aussi de la problématique de rangement ou de
classement γ. Sa démarche d’utilisation consiste en une simplification de la méthode
Electre III par l’abandon de la pondération des critères [Til, 00].
Electre IV utilise, comme Electre III des pseudo-critères. A partir de la matrice des
évaluations, on calcule la différence de notes deux à deux entre toutes les actions,
relativement à tous les critères. Ici, les auteurs ont introduit une nouvelle relation
« Meilleure que », notée M.
On définit ensuite deux règles permettant de distinguer les dominances fortes et faibles.
Ainsi, il s'agit d'une préférence forte [Cai, 03]:
• S’il n’existe aucun critère donnant b strictement préférée à a.
• Et si le nombre des critères donnant b faiblement préférée à a est au plus égal au
nombre des critères donnant a préférée (strictement ou faiblement) à b.
Il s'agit d'une préférence faible :
• S’il n’existe aucun critère donnant b strictement préféré à a et la seconde condition
ci-dessus n’étant pas vérifiée.
59
Chapitre 3Electre III Et Algorithmes Génétiques
• Ou s’il existe un unique critère donnant b strictement préféré à a, l’écart étant au
plus égal au double seuil de préférence, et si trois critères au moins donnent a
strictement préféré à b.
La comparaison des actions par paire et par critère situe chaque action par rapport à l’autre
selon un cas de figure déterminé. Le nombre des fois que chaque cas de figure particulier
apparaît pour l’ensemble des critères est enregistré. Des règles simples, utilisant des
chiffres, permettent d’établir des relations de surclassement entre deux actions.
L’établissement de ces règles se fait de telle manière qu’aucun critère ne soit pas trop
« prépondérant » ou pas trop « négligeable » [Ham, 05].
Selon les règles suivantes, sont définis six niveaux de crédibilité [Roy et al, 81]:
Niveau Règles
a S1 b
Si aucun critère ne donne bPa ni bQa,
Et si le nombre de critères donnant aMb est strictement supérieur à celui des
critères donnant bMa.
a S2 b
Si aucun critère ne donne bPa
Et si le nombre de critères donnant aPb est supérieur ou égal à celui des critères
donnant bQa
Et si le nombre des critères donnant aMb est strictement supérieur à celui des
critères donnant bMa.
a S3 b
Si aucun critère ne donne bPa
Et si le nombre de critères donnant aPb ou aQb est supérieur ou égal à celui des
critères donnant bQa.
a S4b Si aucun critère ne donne bPa
a S5 b
Si aucun critère ne donne bPa,
Ou si un seul critère donne bPa
Et si ce critère discordant n’oppose pas un veto,
Et si le nombre de critères donnant aPb est supérieur ou égal à la moitié
du nombre des critères.
a S6 b Dans tous les autres cas
Tableau 3.3 : Différents niveaux de surclassement de la méthode Electre IV
60
Chapitre 3Electre III Et Algorithmes Génétiques
L’exploitation du graphe de surclassement dans Electre IV suit le même chemin
qu’ElectreIII12. Donc, on peut dire qu’Electre IV est une simplification d’Electre III,
adaptée aux problèmes où il est difficile d’affecter des poids aux critères.
2.5 ELECTRE IS
C’est une adaptation de la méthode Electre I à la logique floue, permettant d’utiliser des
pseudo-critères (Le S veut dire seuil) [May et al, 94]. Comme dans Electre I l’ensemble
des actions potentielles A est divisé en deux sous ensembles :
Le noyau N, qui comprend les actions non surclassées, et le reste A\N qui contient les
actions surclassées. C’est dans le noyau que se trouve la meilleure action. La construction
de ces partitions nécessite l’utilisation de la relation de surclassement.
En effet, il est nécessaire de comparer toutes les actions, l’une par rapport à l’autre. Le
résultat du calcul des degrés de crédibilité peut prendre la forme d’un graphe où chaque
action est représentée par un disque et les flèches reliant l’ensemble des actions expriment
le surclassement de l’action origine vers l’action cible. Les degrés de crédibilité de ce
surclassement sont associés à chaque flèche [Joe, 97].
La figure suivante présente un exemple de résultat de cette méthode contenant cinq actions
potentielles. On remarque, que malgré le petit nombre d’actions, il est assez difficile
d’interpréter le graphe de surclassement et de conclure quelles actions surclassent quelles
autres actions.
Afin de remédier à cette situation, il faut fixer un seuil, appelé seuil de coupe.
L’application de ce seuil permet de simplifier le graphe de surclassement. L’opération est
répétée plusieurs fois afin de départager le noyau et avoir la/les meilleur (es) action(s).
12 Electre III va être détaillé par la suite
61
Chapitre 3Electre III Et Algorithmes Génétiques
Figure 3.2: Exemple d’un graphe des relations de surclassement avant/après l’application d’un seuil de coupe à 0.8 [Joe, 97].
2.6 ELECTRE TRI
Les méthodes Electre Tri relèvent de la problématique de tri ou d’affectation β. Il s’agit
d’attribuer chaque variante à une catégorie, ou classe d’affectation, prédéfinie. Ces
catégories sont délimitées par des actions nommées « Les actions de références ». Dans ce
cas il n’est pas nécessaire de comparer toutes les actions ensemble. Il suffit de comparer
chaque action à une ou plusieurs actions de référence. [Joe, 97]
Les actions de référence sont soit des actions réelles, c’est-à-dire appartenant à l’ensemble
des actions à analyser, soit des actions artificielles. Elles permettent de «délimiter» les
différentes catégories du tri [Joe, 97]. Le plus souvent dans la pratique, le tri est réalisé en
trois catégories [Sch, 96] [Ham, 05].
Mau
vais
e e
Moy
enn
Bon
ne
Etalon-mauvaise
Etalon-bonne
Action de référence n°2
Action de référence n°1
Catégorie n° 3
Catégorie n° 2
Catégorie n° 1
Figure 3.3 : Situation des actions de référence pour un exemple de 3 catégories
Comme l’illustre la figure (Figure 3.3), si une action surclasse l’action de référence n°1,
(Etalon-bonne) elle est affectée à la première catégorie. Par contre, si elle est surclassée par
62
Chapitre 3Electre III Et Algorithmes Génétiques
l’action de référence n°2, (Etalon-mauvaise), elle est affectée à la dernière catégorie. Les
autres actions13 sont affectées à la deuxième catégorie.
Formellement, la méthode Electre Tri suit la procédure d’Electre III jusqu’aux degrés de
crédibilité ; l’affectation des actions à une catégorie est spécifique. Pour déceler
l’incomparabilité, deux procédures d’affectation distinctes, appelées optimiste et
pessimiste, sont nécessaires : elles consistent à comparer chaque action potentielle avec les
actions de référence en commençant par la plus contraignante, respectivement la moins
contraignante. Si les deux procédures affectent l’action potentielle à la même catégorie,
elle est alors parfaitement comparable aux actions de références ; sinon en fonction de la
différence entre les deux catégories auxquelles elle est attribuée, elle est plus ou moins
incomparable. [May et al, 94]
2.7 ELECTRE III
2.7.1 Principe général
C’est une méthode de surclassement, qui date de 1977 [Til, 00], et qui vise à résoudre les
problématiques de type gamma : Classer les actions de la meilleure à la pire pour
sélectionner ensuite la (ou les) action(s) qui semble(nt) la (ou les) plus adéquate(s).
Pour se faire, Electre III traite une matrice d’évaluation contenant des actions et des pseudo
critères. Les traitements de surclassement muni sur cette matrice permettront d’établir un
préordre final partiel.
Electre III suit les méthodes Electre I et Electre II dans l’hypothèse de surclassement,
assortie par les notions de concordance et de discordance. Mais d’un autre côté, apporte
des évolutions remarquables : [May et al, 94]
• Le flou est introduit dans la relation de surclassement : La réflexion ne porte pas
sur l’acceptation ou le rejet en bloc de l’hypothèse de surclassement, mais sur la
crédibilité accordée à cette hypothèse. Ceci est traduit par la mesure du degré de
crédibilité de l'hypothèse de surclassement, qui varie de 0 (surclassement
certainement inexistant) à 1 (surclassement existant).
13 Les actions qui sont surclassées par l’étalon-bonne et au même temps surclassent l’étalon-mauvaise.
63
Chapitre 3Electre III Et Algorithmes Génétiques
• L’introduction de la notion de préférence faible : zone intermédiaire où le décideur
hésite entre la préférence et l’indifférence. Ceci est assuré à travers l’utilisation de
deux seuils : seuil d’indifférence et seuil de préférence stricte. Ces seuils ont été
définis de manière à tenir compte directement de l’incertitude qui entache plus au
moins les valeurs de la matrice des évaluations. Aussi, un troisième seuil, le seuil
de veto, est utilisé pour la concrétisation de la notion de discordance.
2.7.2 Procédure
En général, Electre III opère en deux phases : Agrégation et Exploitation.
a) Phase d'Agrégation
Avant le début de traitement d’Electre III, le décideur est invité à introduire les paramètres
subjectifs de la méthode relativement à chaque critère:
• Poids des actions.
• Seuil de préférence.
• Seuil d’indifférence.
• Seuil de veto.
Pour construire les relations de surclassement, Electre III utilise deux principes :
Le principe de concordance
Détermine l’indice de concordance globale C (a, b) et requis que la majorité des
critères (En prenant en compte leurs importance relative) sont d’accord avec la
relation de surclassement a S b. Ce principe est assuré par les formules suivantes :
),(1),(1
bacpP
baC j
r
jj∑
=
= (1)
Avec :
∑=
=r
jjpP
1 (2)
1 Si )()( bgqag jjj ≥+
0 Si )()( bgpag jjj ≤+ (3)
j=1,2,…,r
jj
jjj
qpbgagp
−
−+ )()( Sinon
cj(a,b) =
64
Chapitre 3Electre III Et Algorithmes Génétiques
Avec:
a,b : Deux actions.
pj : Le poids relative au critère j.
gj(a) : L’évaluation du critère j pour l’action a.
j : L'indice du critère.
p,q : Les seuils de préférence et d’indifférence.
Les valeurs de l’indice de concordance cj(a, b) appartiennent à l'intervalle
[0, 1].
Après avoir réalisé des matrices de concordance pour chaque critère (m
matrices n×n) comprenant les indices de concordance cj (a, b), une matrice
de concordance globale est ensuite réalisée (matrice n × n comprenant les
indices de concordance globale C (a,b)).
Le principe de discordance
Ce principe est connu aussi sous le nom « Principe du respect de la minorité ». Il
consiste à vérifier que la minorité des critères contrariante avec la relation de
surclassement a S b ne s’y oppose pas beaucoup : La relation de surclassement ne
doit pas être nettement plus mauvaise relativement aux critères minoritaires.
Ce principe est introduit par les formules suivantes :
0 Si )()( bgpag jjj ≥+
1 Si )()( bgvag jjj ≤+ j=1,2,…..,r (4)
jj
jjj
pvpagbg
−
−− )()( Sinon
dj(a,b)=
Des matrices de discordance sont ensuite réalisées pour chaque critère (m matrices
n × n comprenant les indices de discordance dj(a,b)).
Calcul du degré de crédibilité (Relation de surclassement floue)
Le degré de crédibilité pour chaque paire (a,b) ∈A² est déterminé ainsi :
65
Chapitre 3Electre III Et Algorithmes Génétiques
C(a,b) Si jbaCbad j ∀≤ ),(),(
S(a,b) = ∏∈ −
−
),( ),(1),(1
*),(baJj
j
baCbad
baC Avec J(a,b) l’ensemble des critères tel que: (5) ),(),( baCbad j >
Une matrice des degrés de crédibilité est ensuite générée (matrice n × n comprenant les
degrés de crédibilité S (a,b) pour chaque paire (a,b)∈ A²).
Comparé à Electre II, Electre III possède une multitude de surclassements caractérisés par
leur degré de crédibilité tandis que Electre II est à base de deux types de surclassements
fort ou faible. L’avantage de cette multitude est de bien saisir la complexité de la
problématique étudiée.
b) Phase d'Exploitation [Pel, 04]
La méthode Electre III propose de classer les actions selon un algorithme décrit dans [May
et al, 94] et [Roy et al, 93]. Les actions sont comparées entre elles par paire selon tous les
critères. Deux préordres sont construits (distillation) où les ex æquo sont acceptés mais pas
les incomparabilités.
Le principe d’établissement de ces deux distillations est le suivant:
• La distillation ascendante range les mesures en partant de la meilleure jusqu’à la
«moins meilleure », se basant sur les meilleurs scores des mesures comparées deux à
deux,
• La distillation ascendante range les mesures en partant de la pire à la «moins pire »,
se basant sur les moins bons scores des mesures comparées deux à deux.
Un algorithme permet, par comparaison entre les deux préordres, de définir un graphe de
surclassement illustrant le préordre final partiel acceptant les ex æquo et les
incomparabilités. C’est ce classement qui définit la meilleure action.
66
Chapitre 3Electre III Et Algorithmes Génétiques
2.7.3 Algorithme général d’Electre III
Le principe général du fonctionnement d’Electre III, est donné par l'organigramme14
illustré par la figure (Figure 3.4) :
Figure 3.4 : Démarche d’utilisation de la méthode Electre III [Til, 00]
2.7.4 Pourquoi Electre III [Pel, 04]
Cette méthode possède les principales caractéristiques suivantes [May ,99] :
• Elle permet de considérer aussi bien des critères qualitatifs que quantitatifs.
14 Les notations dans cet algorithme sont différentes de celles utilisées dans le chapitre "Conception et mise en œuvre".
67
Chapitre 3Electre III Et Algorithmes Génétiques
• Elle prend en considération l’imprécision de l’évaluation des critères grâce aux
notions de seuils d’indifférence et de préférence.
• Elle permet de mettre en évidence des différences inacceptables entre deux actions
sur un critère par la notion du seuil de veto.
• Elle ne permet pas une compensation entre les critères.
• Elle permet de mettre en évidence des actions incomparables.
• Elle permet de fixer une pondération par acteur entrant dans le processus
décisionnel.
2.7.5 Inconvénients Electre III
Comme il est détaillé plus haut dans la méthode Electre III, on distingue deux phases :
Agrégation et exploitation.
Le processus d’agrégation correspond à la construction des relations de surclassement. Le
processus d’exploitation vise à tirer un classement final des actions (sites) à partir des
relations de surclassement. Electre III utilise un processus de distillation.
Selon [Ley, 05] et [Wang et al, 06], cette façon d’exploiter les relations peut conduire à
des situations irrégulières (Non raisonnables) surtout dans le cas d’un graphe complexe
avec circuits.
Pour pallier à ce problème, plusieurs travaux ont été entamés dans le domaine de la
sélection des étudiants remplaçant dans la phase d’exploitation d’ElectreIII, le processus de
distillation par les algorithmes génétiques. Cette approche a été testée avec succès dans ce
domaine.
En tenant compte de la complexité des graphes résultants de notre problématique spatiale,
on intégrera les algorithmes génétiques dans la phase d’exploitation d’Electre III.
En effet, pour avoir un classement final des sites, un algorithme génétique multiobjectif
sera appliqué sur la matrice de crédibilité résultante de la phase d’agrégation.
En d’autres termes, la phase de distillation d’Electre III sera remplacée par un algorithme
génétique. Les détails relatifs à cet algorithme seront abordés dans le chapitre "Conception
et mise en oeuvre".
68
Chapitre 3Electre III Et Algorithmes Génétiques
3. LES ALGORITHMES GENETIQUES
3.1 INTRODUCTION
Il arrive très souvent que les sciences et les techniques imitent les mécanismes de la nature.
Par exemple, le sonar ou le radar sont inspirés des techniques d'écholocation des dauphins
ou des chauves-souris, la texture de la peau du requin a été imitée pour fabriquer des
matériaux hydrodynamiques... .
Les algorithmes génétiques (AG) proposent de reproduire les mécanismes d'évolution et
d'adaptation génétique de la vie pour optimiser des problèmes complexes dont les données
peuvent varier au cours du temps. Dans ce qui suit nous allons présenter les notions
préliminaires relatives aux algorithmes génétiques ainsi que leur fonctionnement.
3.2 DEFINITION
« Les Algorithmes génétiques sont des algorithmes d’exploration fondés sur les
mécanismes de la sélection naturelle et de la génétique, utilisant le principe de la survie
des structures les mieux adaptées et les échanges d’information pseudo aléatoire »[Gol,
94].
« Les algorithmes génétiques sont des métaphores biologiques inspirées des mécanismes
de l’évolution Darwinienne et de la génétique moderne et utilisées comme outils
d’optimisation ou de recherche combinatoire» [Ren, 94].
Les algorithmes génétiques sont des problèmes d'optimisation, simulant le processus
d'évolution des espèces, introduit par C. Darwin en 1859, et qui veut que les individus les
plus adaptés aient une meilleure longévité ainsi qu'une meilleure progéniture.
Ils sont conçus par analogie avec le processus d’évolution biologique et tirent leurs
puissances des mêmes mécanismes.
3.3 HISTORIQUE
En 1859, l’ouvrage « The Origin Of Species », écrit par le biologiste Charles Darwin,
est apparu. L’auteur a exposé sa théorie de l’évolution qui repose sur les deux postulats
suivants :
« Dans chaque environnement, seules les espèces les mieux adaptées perdurent au
cours des temps, les autres étant condamnées à disparaître ».
69
Chapitre 3Electre III Et Algorithmes Génétiques
« Au sein de chaque espèce, le renouvellement, des populations est essentiellement
dû aux meilleurs individus de l’espèce » [Gol, 94]
Au début de 1960, le professeur J.Holland, ses collègues ainsi que ses étudiants ont
entamé une vaste étude à l’université du Michigan. Leurs recherches visaient deux
principaux objectifs :
1- Mettre en évidence et expliquer rigoureusement les processus d’adaptation des
systèmes naturels.
2- Concevoir des systèmes artificiels possédant les propriétés les plus importantes des
systèmes naturels.
En 1975, J.Holland a exposé les résultats de ses recherches dans son livre « Adaptation In
Natural And Artificial System » où il a expliqué les fondements des AGs, calqués sur les
principes de Darwin, et a prouvé théoriquement leur robustesse dans l’exploration
d’espaces complexes. Ces travaux ont suscité un intérêt sans cesse croissant pour les
mathématiciens tel que Koza qui a validé rigoureusement leurs mécanismes.
3.4 STRUCTURE GENERALE D'UN ALGORITHME GENETIQUE
Le fonctionnement des algorithmes génétiques se rapproche beaucoup de celui de la
génétique dans la nature.
On définit au départ une population d'individus sélectionnée aléatoirement et
uniformément distribuée sur tout l'espace si c'est possible. Chaque individu de cette
population est appelé "Chromosome".
Le chromosome est un ensemble de symboles, il est généralement, mais pas
nécessairement, binaire. La population change à travers des itérations successives, pour
former des générations. Durant ces générations, chaque individu est évalué en utilisant une
fonction de mesure appelée "Fitness".
Pour créer une nouvelle génération, les meilleurs individus sont sélectionnés (ceux qui
passent une épreuve de sélection choisie) et soumis aux opérateurs génétiques
(croisement, mutation). Ce processus se poursuit, génération après génération, jusqu’à ce
que le critère d’arrêt soit atteint, comme par exemple le nombre maximal de générations.
70
Chapitre 3Electre III Et Algorithmes Génétiques
Figure 3.5: Structure générale d'un AG
3.5 PRINCIPE DE FONCTIONNEMENT
3.5.1 Le codage des données
L’étape du codage est fondamentale dans les Algorithmes Génétiques, elle associe à
chacun des points de l’espace considéré une structure de données. Cette structure
conditionne le succès des Algorithmes Génétiques. Historiquement le codage binaire a été
le premier à être utilisé [Gol, 89] car :
• Il peut facilement coder toutes sortes d’objets : des réels, des entiers, des valeurs
booléennes, des chaînes de caractères…
• Il permet la création d’opérateurs de croisement et de mutation simples.
Cela nécessite simplement l’usage de fonctions de codage et décodage pour passer d’une
représentation à l’autre. C’est également en utilisant ce codage que les premiers résultats de
convergence théorique ont été obtenus.
Il existe d’autres méthodes de codages comme le codage par permutation des entiers ou le
codage par valeur qui est inclu dans le codage des réels et évite la phase coûteuse du
décodage.
3.5.2 Génération de la population initiale
La population initiale conditionne fortement la rapidité et la convergence de l’algorithme
génétique. On distingue deux cas :
71
Chapitre 3Electre III Et Algorithmes Génétiques
• Si la position de l’optimum dans l’espace d’état est totalement inconnue, il est
essentiel que la population initiale soit répartie sur tout le domaine de
recherche.
• Si on a des informations à priori sur le problème, on génère les individus dans
un sous domaine particulier (relativement aux informations disponibles) afin
d’accélérer la convergence.
3.5.3 Une fonction à optimiser
La fonction d’adaptation, ou fitness, associe une valeur pour chaque individu. Cette valeur
a pour but d’évaluer si un individu est mieux adapté qu’un autre à son environnement. Ce
qui signifie qu’elle quantifie la réponse fournie au problème pour une solution potentielle
donnée.
Ainsi les individus peuvent être comparés entre eux. Cette fonction, propre au problème,
est souvent simple à formuler lorsqu’il existe peu de paramètres. Au contraire, lorsqu’il y a
beaucoup de paramètres ou lorsqu’ils sont corrélés, elle est plus difficile à définir.
3.5.4 Les opérateurs génétiques
Afin de diversifier le milieu d’une génération à l’autre, il est nécessaire d’introduire divers
opérateurs selon la complexité de l’application. On peut citer [Gol, 94] :
a) Sélection (Reproduction)
La sélection a pour objectif d’identifier les individus qui doivent se reproduire. Cet
opérateur ne crée pas de nouveaux individus mais identifie les individus sur la base de leur
fonction d’adaptation, les individus les mieux adaptés sont sélectionnés alors que les moins
bien adaptés sont écartés.
Notons que les étapes de sélection et de remplacement sont indépendantes de l'espace de
recherche. On distingue deux types de sélection [Net 4]:
• Sélection déterministe: On sélectionne toujours les meilleurs individus et on écarte
totalement les plus mauvais. Cela suppose un tri de l'ensemble de la population. On
parle alors d'élitisme.
72
Chapitre 3Electre III Et Algorithmes Génétiques
• Sélection stochastiques : On favorise toujours les meilleurs individus mais de
manière stochastique ce qui laisse une chance aux individus moins performants. Il
se peut que le meilleur individu ne soit pas sélectionné aux dépens du plus faible et
qu'aucun des enfants ne soit au niveau du meilleur parent.
En général, la sélection doit favoriser les meilleurs éléments selon le critère à optimiser
(minimiser ou maximiser). Ceci permet de donner aux individus dont la valeur est plus
grande une probabilité plus élevée de contribuer à la génération suivante. Il existe plusieurs
méthodes de sélection, les plus connues étant la « roulette » et la « sélection par tournoi »
[Spa, 99].
1) Sélection par roue de loterie
Le principe de sélection le plus simple est celui de la sélection par roue de loterie (Roulette
Wheel Sélection) conçu par J.Holland (1975). Il consiste à associer à chaque individu un
segment dont la longueur est proportionnelle à sa fitness ; ces segments sont ensuite
concaténés sur un disque (roue de loterie).
La sélection d’un segment se déroulera par le tirage d’un nombre aléatoire de distributions
uniformes entre 0 et 1.
A l’aide de ce système, les grands segments, c'est-à-dire les bons individus auront plus de
chance d’être tirés au sort lors du déroulement du jeu et vont être reproduits et soumis à
d'autres opérateurs génétiques. Parfois, on peut avoir un bon individu qui se reproduit trop
souvent en provoquant l’élimination de ses congénères (Convergence prématurée) et
convergera vers un optimum local (un bon individu qui prend le contrôle de la population)
[Gol, 94].
Figure 3.6 : Sélection par roue de loterie
73
Chapitre 3Electre III Et Algorithmes Génétiques
2) Sélection de Holland (Par restes stochastiques)
Chaque individu de la population est caractérisé par une note, représentant le rapport de
son adaptation (sa fitness) sur l’adaptation moyenne de la population, dont la partie entière
représente le nombre de copie de l’individu dans la population à créer. Si la population est
incomplète (nombre d’individus insuffisant), on sélectionne les meilleurs individus de la
population après l’avoir triée.
3) Sélection par tournoi
Elle consiste à choisir aléatoirement un nombre d’individus (participants au tournoi) et à
reproduire le meilleur d’entre eux (celui qui a la plus grande adaptation).
Les individus sont de nouveau disponibles pour les tournois restants (il y a autant de
tournois que d’individus à remplacer).
Figure 3.7 Le tournoi entre deux individus
4) Élitisme
Cette méthode de sélection permet de mettre en avant les meilleurs individus de la
population. On trie l'ensemble de la population suivant leur adaptation et on sélectionne les
premiers (les faibles n'ont aucune chance au contraire des forts qui sont toujours
sélectionnés).
b) L’opérateur de croisement (Crossover)
Cet opérateur a pour but d’enrichir la diversité de la population et exploiter l’espace de
recherche en manipulant la structure du chromosome. Les croisements sont envisagés avec
deux parents et génèrent deux enfants. Les descendants doivent hériter quelques caractères
de chaque parent. C’est donc un essai d’amélioration des meilleurs individus (parents)
produits jusqu’au moment du croisement. Pour cela, plusieurs techniques sont utilisées
selon le codage adopté.
74
Chapitre 3Electre III Et Algorithmes Génétiques
La plus simple est celle du croisement à découpage de chromosomes associé au codage
par chaîne de bits. Pour effectuer ce type de croisements sur des chromosomes constitués
de M gènes, on tire aléatoirement une position dans chacun des parents ; On échange
ensuite les deux sous chaînes terminales de chacun des deux chromosomes, ce qui produit
deux enfants (croisement simple: à un point) (Figure 3.8).
On peut étendre ce principe en découpant les chromosomes non pas en 2 sous chaînes mais
en 3,4, etc... (Croisement multipoints) (Figure 3.9).
Avant croisement Après croisement
Croisement
Figure 3.8: Croisement simple
Avant croisement Après croisement
Croisement
Figure 3.9 : Croisement à deux points
c) L’opérateur de mutation
Cet opérateur permet aux algorithmes génétiques d’explorer tout l’espace de recherche en
modifiant aléatoirement une partie de la population. Il a été conçu pour renforcer les deux
opérateurs : reproduction et croisement, qui par leurs caractères pseudo- aléatoires peuvent
avoir le désavantage d’oublier des solutions. Sur le plan théorique les propriétés de
convergence des algorithmes génétiques sont fortement dépendantes de cet opérateur, et un
algorithme peut même converger rien qu’en utilisant des mutations.
75
Chapitre 3Electre III Et Algorithmes Génétiques
Comme pour le croisement, plusieurs techniques de mutation peuvent être utilisées. Pour
les problèmes discrets, l’opérateur de mutation consiste généralement à tirer aléatoirement
un gène dans le chromosome et à le remplacer par une valeur aléatoire.
Si la notion de voisinage existe (utilisation de distance) dans le modèle retenu, il pourra
être judicieux de choisir à chaque fois des valeurs mutées dans le voisinage des valeurs
originales. La figure suivante (Figure 3.10) présente un exemple d'application de cet
opérateur sur une chaîne de bits (dans le cas d'un codage binaire) [Gol, 94].
1 0 1 0 1 1 0 0 0 1
Avant mutation Après mutation
Lieu de mutation (choisi aléatoirement)
Bit muté
Figure 3.10 : Exemple de mutation
Remarques: Les opérateurs de croisement et de mutation sont appelés opérateurs
génétiques car ils simulent le processus d'héritage des gènes, pour créer une nouvelle
génération. Par contre l'opérateur de reproduction (séléction) est un opérateur d'évolution
qui simule le processus d'évolution darwinien, pour produire de nouvelles populations qui
serviront à la création des générations.
3.5.5 Les paramètres de dimensionnement [Lab et al, 03]
• La taille de la population: C’est-à-dire le nombre d’individus dans la population. Si
la taille est trop petite, l’AG peut ne pas converger, par contre si elle est trop
grande, l’évaluation des individus peut être très longue.
• Le critère d’arrêt de l’algorithme: Pour un algorithme génétique, ce critère n'est pas
fixe, il peut changer d'une application a une autre. Il peut s'agir de:
- Nombre total de générations atteint.
- Limites sur utilisation des ressources CPU.
- Optimum atteint.
76
Chapitre 3Electre III Et Algorithmes Génétiques
- Nombre maximum d’évaluation de la fonction fitness.
- Plusieurs générations sans améliorations.
- Combinaison entre deux ou plusieurs critères cités ci-dessus.
• La probabilité d’application des opérateurs génétiques: détermine le choix du taux
de mutation et de croisement. Le taux de croisement est généralement assez fort et
se situe entre 70% et 95% de la population totale, par contre celui de la mutation est
généralement faible, et se situe entre 0.5% et 1% de la population totale.
Ce paramétrage n'est pas universel, car il n'est pas adapté à la résolution de tous les
problèmes, mais peut être pris comme point de départ pour démarrer une recherche de
solutions à un problème donné.
3.6 DOMAINES D'APPLICATION
Les algorithmes génétiques ont prouvé leur puissance dans plusieurs domaines, ils sont
appliqués pour les problèmes d'optimisation n'ayant pas de méthodes de résolution décrites
précisément, ou dont la solution dans le cas où elle est connue est très compliquée pour
être calculée. Dans ce cadre on peut citer quelques problèmes complexes [Lab et al, 03]:
• La constitution des équipes de travail.
• L’optimisation dans les réseaux.
• Le problème des huit rênes.
• La mise au point d'un emploi du temps.
• Le problème du voyageur de commerce.
• Etc.
Les AGs sont riches en terme d'applications, et largement utilisés, on peut les appliquer
pour résoudre des problèmes divers: biologiques, informatiques, on les trouve aussi dans
les sciences de l'ingénieur, dans la programmation des jeux et la reconnaissance des
formes. Ils sont, aussi, utilisés pour le traitement des images médicales et dans divers
problèmes mathématiques.
77
Chapitre 3Electre III Et Algorithmes Génétiques
3.7 AVANTAGES ET INCONVENIENTS DES ALGORITHMES GENETIQUES
3.7.1 Les Avantages
• Parcequ'ils sont basés sur les techniques d'évolution naturelle, les AGs ne
nécessitent pas beaucoup de connaissances mathématiques sur le problème à
optimiser (n'ont pas besoin de dérivabilité, continuité, etc.).
• Largement applicables ; on peut résoudre avec les Algorithmes Génétiques
plusieurs types de problèmes: linéaires ou non linéaires, discrets ou continus,… .
• Sont des algorithmes de recherche globale, contrairement aux méthodes classiques
d'optimisation qui n'effectuent ce type de recherche qu'en satisfaisant des propriétés
garantissant la globalité de chaque optimum.
• Les Algorithmes Génétiques offrent la flexibilité d'hybridation avec d'autres
méthodes, ce qui permet de s'approcher beaucoup plus de la solution exacte, et
d'avoir de meilleurs résultats.
3.7.2 Les Inconvénients
• Pas de garantie d'obtenir une solution en un temps fini.
• Coûteux en temps de calcul (codage, évaluation, sélection, recombinaison,
mutation, évaluation, etc.).
• Pas de paramétrage universel.
• Les opérateurs de base sont parfois insuffisants pour résoudre un problème donné,
ce qui peut conduire à une mauvaise conclusion (Algorithme Génétique non
applicable pour le problème), ou à plus de temps dans les essais avec d'autres
opérateurs génétiques.
3.8 ALGORITHMES GENETIQUES ET AIDE A LA DECISION TERRITORIALE
Selon notre recherche bibliographique, les AGs n’ont pas été abordés ni expérimentés dans
le domaine de l’aide à la décision territoriale. En s’inspirant de la méthode proposée par
[Ley, 05] dans le domaine de la sélection des étudiants, on a essayé d’intégrer les AGs
dans notre processus d’aide à la décision spatiale.
L’intégration des Algorithmes Génétique (AGs) se situe au niveau de la phase
d’exploitation de la méthode Electre III. La multiplicité des critères et des paramètres dans
l’Aménagement du territoire nous a incité à utiliser un algorithme génétique multiobjectif.
78
Chapitre 3Electre III Et Algorithmes Génétiques
Plusieurs méthodes se présentent dans la littérature. Nous avons opté pour MOGA (Multi
Objective Genetic Algorithm). En effet cette approche a fourni des résultats satisfaisants
dans d’autres domaines d’aide à la décision [Ley, 05]. Les détails relatifs à cet algorithme
ainsi que les différents paramètres utilisés seront mentionnés dans le chapitre suivant.
3.9 OPTIMISATION MULTICRITERE (MULTIOBJECTIF) EVOLUTIONNISTE
Le paradigme des algorithmes évolutionnistes mis en place dans les années 1960, consiste
à s’inspirer des mécanismes de l’évolution naturelle et à utiliser le concept de populations
d’individus ou solutions pour résoudre des problèmes du monde réel [Dup, 04].
Le concept d’algorithme évolutionniste se décline en plusieurs modèles décrits en (Figure
3.11). Ce recensement n’est pas exhaustif ; d’autres techniques sont aux frontières du
domaine telles que les “ Classifiers ” (Holland, 1986) par exemple ou telles que le modèle
des colonies de fourmis (Dorigo ,1996) [Dup, 04].
Figure 3.11 : Taxonomie des algorithmes évolutionnistes
Comme les méthodes d’analyse multicritère, abordé en chapitre 2, les algorithmes
évolutionnistes multiobjectifs visent à trouver les meilleures solutions parmi un ensemble
de solutions possibles tendant à satisfaire au mieux un ensemble de critères à optimiser.
Ces critères sont représentés sous formes de fonctions appelées Fonctions Objectives.
Nous nous intéressons particulièrement à l’application des algorithmes génétiques dans un
contexte multicritère en utilisant l’algorithme MOGA. Pour comprendre le fonctionnement
de ce dernier, il est nécessaire d’aborder les notions suivantes :
Dominance Pareto
Le concept d’optimalité Pareto était introduit par l’économiste V. Pareto au XIXème siècle :
Un vecteur u = (u1,..,uM) domine un vecteur v= (v1,..,vM) au sens de Pareto dans un
problème de minimisation si et seulement si les conditions suivantes sont vérifiés:
79
Chapitre 3Electre III Et Algorithmes Génétiques
1. fm (u) ≤ fm (v) m ∈ {1….M} ∀
2. m ∈ {1….M} tel que f∃ m (u) < fm (v)
Cette relation traduit donc que le vecteur u domine le vecteur v, au sens de Pareto si et
seulement si il existe une dimension de l’espace dans laquelle u est strictement meilleur
que v et si u n’est pas moins bon que v dans toutes les autres dimensions de cet espace.
Rang
Dans MOGA (Multi-Objective Genetic Algorithm) le rang d’un individu est proportionnel
au nombre d’individus le dominant. Plus précisément, le rang de l’individu i, ri est défini
par :
ri=1+Dom(i) (6)
avec :
Dom (i), le nombre d’individus dominant l’individu i.
Un individu non dominé de la population initiale possède donc le rang numéro un.
4. CONCLUSION
Bien que les méthodes d’analyse multicritère jouent un rôle critique concernant beaucoup
de problèmes réels, il est difficile d’accepter une méthode AMC comme étant
constamment précise [Wang et al, 06].
Cependant, ces méthodes d’AMC, en général, et Electre, en particulier, souffrent des
irrégularités dans le processus de classement.
[Wang et al, 06] a prouvé dans son article que ces irrégularités devraient s’avérer comme
un avertissement pour accepter les recommandations d’Electre sans remettre en cause leur
validité. Dans notre travail, on a essayé d’examiner quelques points soulevés par [Wang et
al, 06] en utilisant ElectreIII, puis d’expérimenter les AGs afin de palier à ces
inconvénients.
80
Chapitre 4 Conception et mise en œuvre Plan
1. Introduction2. Critiques de la méthode Electre III3. Approche utilisée
3.1 Le Codage3.2 Fonctions objectives3.3 Le calcul de la Fitness Globale F3.4 La sélection des individus3.5 Le croisement3.6 La mutation3.7 Les Critères d’arrêts
4. La description du processus proposée 5. Expérimentations et résultats
5.1 Organigramme du logiciel5.2 Outils de développement de PRODUSMAGAT 5.3 Etude de cas et résultats expérimentaux
5.3.1 Bases de données utilisées5.3.2 Critères dégagés5.3.3 Le prototype PRODUSMAGAT
6. Conclusion
Chapitre 4Conception et mise en œuvre
Chapitre 4
Conception et mise en œuvre
1. INTRODUCTION
L’aménagement du territoire est confronté à une augmentation considérable
de la complexité de la gestion du sol. Cette discipline est aujourd’hui
amenée à concilier un nombre croissant d’objectifs, souvent divergents,
défendus par des acteurs motivés utilisant toutes les voies administratives et
juridiques pour parvenir à leur fin.
Le processus décisionnel PRODUSMAGAT (Un PROcessus Décisionnel
par Utilisation des SIG, des méthodes Multicritères et des Algorithmes
Génétiques pour l’Aménagement du Territoire), proposé dans ce chapitre
est inspiré du modèle MEDUSAT (MEthode d’aide à la Décision par
l’Utilisation de SIG pour l’Aménagement du Territoire) [Joe, 97] et du
modèle adapté par PRODUSMAT (Un PROcessus Décisionnel par
Utilisation des SIG et des méthodes Multicritères pour l’Aménagement du
Territoire) [Ham et al, 06].
En effet, le modèle PRODUSMAGAT permet de traiter la problématique de
localisation en AT :
Problématique qui consiste en la recherche d’une surface satisfaisant au
mieux certains critères pour une construction donnée.
Notre contribution consiste à proposer des méthodes et des outils
succeptibles d’apporter une aide pertinente à la réalisation d’un projet
82
Chapitre 4Conception et mise en œuvre
urbain en s’appuyant sur une démarche méthodologique de telle façon à
apporter une aide aux décideurs du territoire dans la réalisation des
différents projets d’aménagement [Ham et al, 07].
Le modèle PRODUSMAGAT utilise principalement la méthode multicritère
Electre III comme démarche méthodologique. Cependant, cette méthode
souffre de quelques irrégularités, l'utilisation des Algorithmes Génétiques
Multiobjectives dans la phase d'exploitation de cette méthode multicritère
permet de minimiser ces irrégularités.
Dans le présent chapitre nous exposerons en détail la démarche d'évaluation
multicritère adaptée par PRODUSMAGAT et nous présenterons quelques
résultats expérimentaux fournis par ce prototype.
Nous procédons comme suit:
Dans la première partie, nous aborderons les différentes critiques de la
méthode Electre III, ainsi que les stratégies d'intégration des Algorithmes
Génétiques Multiobjectives dans le processus d'exploitation d'Electre III.
Dans la deuxième partie, nous présenterons le modèle décisionnel proposé.
Les différentes aspects pratiques de PRODUSMAGAT : Bases de données
utilisées, problématiques traitées, résultats obtenus, comparaisons entre les
deux approches (Electre III et Algorithmes Génétiques Multiobjectives) sont
abordés en fin de ce chapitre.
83
Chapitre 4Conception et mise en œuvre
2. CRITIQUES DE LA METHODE ELECTRE III
Dans le chapitre précédent, nous avons mis le point sur le fait que les méthodes d’AMC,
en général, et la famille Electre, en particulier, souffrent des irrégularités dans le processus
de classement [Wang et al, 06] [Ley, 05].
En effet, [Tri, 00] [Tri, 01] ont dégagé trois critères pour tester la performance d’une
méthode multicritère:
Critère 1 :
« Une méthode multicritère efficace ne devrait pas changer d’indication de la meilleure
alternative (action) quand une alternative non-optimale est remplacée par une autre plus
mauvaise ».
Supposons qu'une méthode multicritère a classé un ensemble de solutions (alternatives,
actions) d'une certaine manière. Ensuite, supposons qu'une alternative non optimale, dite
Ak, est remplacée par une autre alternative, dite Ak’(Ak’ moins bonne que Ak).
Ainsi, selon le critère 1, l'indication de la meilleure alternative ne devrait pas changer
lorsque les alternatives sont encore classifiées par la même méthode.
Critère 2 :
« Les classements des alternatives par une méthode multicritère efficace devraient suivre
la propriété de transitivité ».
Supposons qu'une méthode multicritère a classé un ensemble d’alternatives d'un problème
de décision d'une certaine manière. Ensuite, supposons que ce problème est décomposé en
un ensemble de sous problèmes ayant chacun à la fois deux alternatives et le même nombre
de critères comme dans le problème original.
Selon le critère 2, tous les classements dérivés à partir des plus petits problèmes devraient
satisfaire la propriété de transitivité. C'est-à-dire, si l'alternative A1 est meilleure que
l'alternative A2, et l'alternative A2 est meilleure que l'alternative A3, alors on devrait
conclure que l'alternative A1 est meilleure que l'alternative A3.
Critère 3 :
« Pour le même problème de décision (Utilisé pour tester le critère2) et en utilisant la
même méthode multicritère, et après avoir combiné les classements des plus petits
84
85
Chapitre 4Conception et mise en œuvre
problèmes constituant le problème multicritère de départ, le nouveau classement des
actions devrait être identique au classement global original ».
Supposons qu’un problème multicritère est décomposé, en un ensemble de sous problèmes,
ayant chacun deux alternatives et des critères de décision originaux. Supposons ensuite que
les classements des plus petits problèmes suivent la propriété de transitivité. Selon ce
critère, quand tous les classements des plus petits problèmes sont combinés ensemble, le
nouveau classement global des alternatives devrait être identique au classement global
original avant la décomposition du problème.
[Wang et al, 06] ont utilisé ces trois critères pour évaluer la performance des méthodes
multicritères Electre II et Electre III. Les deux ont échoué en terme de chacun des trois
critères. Le tableau (Tableau 4.1) illustre les différents tests effectués par [Wang et al,
06].
[Ley, 05] a proposé de régler les irrégularités d’Electre III dans le domaine de la sélection
des étudiants par l’utilisation de l’optimisation multiobjective.
Nous nous sommes inspirés des travaux de [Ley, 05] pour proposer une solution aux
irrégularités d'Electre III dans le cadre des problématiques d’aménagement du territoire.
86
Chapitre 4nception et mise en œuvre
Taille du Problème
Décisionnel
Le test a-t-il échoué
concernant:
Numéro
du Cas
Etudié
Référence
Domaine d'application et méthode utilisée Nombre
d'actions
Nombre
de
critères
Critère1
Critère2
Critère3
1 [Hok et al, 97a] Le Choix d'un système de gestion de déchets solides (Choosing a solid waste management system) (Electre III)
22 8 Oui Oui
2 [Bel et al, 01] Le Problème de localisation d'endroits d'affaires (Business location problem) (Electre III)
7 6 Non Oui
3 [Rog et al,96] L’Évaluation environnementale (Environmental appraisal) (Electre II)
9 9 Non Non Oui
4 [Rog et al, 99a]
Le Choix d'emplacement pour une usine de traitement des eaux résiduaires (Site selection for a wastewater treatment plant)
(ElectreII)
5 7 Oui Oui
5 [Ana, 95] La Planification des ressources d’eau (Water resources planning ) 27 6 Oui Oui6 [Buc et al, 99] La Classification des projets (Project ranking) (Electre III) 5 5 Non Oui7 [Hok et al, 97b] Le Choix d'un système de gestion de déchets solides (Choosing a
solid waste management system) (Electre III) 11 8 Oui Oui
8 [Rog et al, 99b] Le Choix d'une stratégie de rebut d’incinération (Choosing a waste incineration strategy) (Electre III)
11 11 Oui Oui
9 [Poh et al, 99]
Le Choix d'une installation carburant alternative pour le transport de terre (Choosing an alternative fuel system for land
transportation ) (Electre II)
4 6 Non Oui
10 [Ley et al, 03] Le Choix d'une centrale alternative de l'électricité (Selection of an alternative electricity power plant) (Electre III)
6 6 Oui Oui
Tableau 4.1 : Différentes expérimentations effectués par [Wang et al, 06] testant la performance des méthodes Electre II et Electre III
Co
Chapitre 4Conception et mise en œuvre
APPROCHE UTILISEE
Les irrégularités remarquées dans les résultats fournis par Electre III sont dues,
principalement, à l’instabilité des résultats obtenus par la distillation utilisée dans la phase
d’exploitation d’Electre III.
Ainsi, PRODUSMAGAT propose le remplacement de cette méthode par les Algorithmes
Génétiques en suivant une optimisation multiobjective. En effet, les relations de
surclassement flou produites par Electre III dans la phase d'agrégation sont exploitées par
les AGs dans le seul but de proposer un ensemble de solutions.
Chaque solution offre un ordre décroissant de préférence des différentes actions associées à
la problématique traitée.
Les détails relatifs à l'exploitation des AGs dans PRODUSMAGAT sont exprimés dans la
section suivante.
3.1 LE CODAGE :
Chaque solution du problème traité représente un individu de la population. L’individu est
donc représenté sous forme de chaînes d’actions potentielles données dans l’ordre
décroissant de préférence. Chaque action est un gène de l’individu.
Le chromosome est représenté par m actions où m : désigne le nombre d'actions dans le
problème de décision (dans notre problématique m désigne le nombre d’îlots).
A= {a1, a2, a3,…...,am}
3.2 FONCTIONS OBJECTIVES :
Chaque individu de la population est défini par trois fonctions : λ, f, u
λ : Représente le degré de crédibilité affecté à l’individu. Ce nombre est compris entre 0 et
1.
Soit p= la représentation schématique d'un individu. Supposons que
et sont deux actions telles que:
1 2, ,............,
mk k ka a aika
jka
λσ ≥)(ji kk aa et βλσ −≤)(
ij kk aa (β>0 représente un seuil).
87
Chapitre 4Conception et mise en œuvre
Nous acceptons que [Ley, 05]:
" Surclasse " ( ) et " ne Surclasse pas " ( ) ika
jkaji kk aSa λ
jkaika
ij kk anSa λ
L’individu est plus intéressant si la valeur de λ est voisine de 1 et par conséquent
l’algorithme vise à atteindre ce voisinage.
La fonction f : Représente le nombre des actions incomparables à l’intérieur de l’individu
p au sens de la relation . λAS
p= avec {k1 2, ,............,
mk k ka a a 1, k2, …, km} une permutation de {1, 2, …, m}
f(p)=|{ ( ) ; i=1,2….,m-1 ; j=2,3,…,m ; i < j}| (7) , ; nS et nSi j i j jk k k k k ka a a a a a
i
i
La fonction u : Représente le nombre d’actions mal ordonnées au sein de l’individu p au
sens de la relation . λAS
p = 1 2, ,............,
mk k ka a a avec {k1, k2, …, km} une permutation de {1, 2, …, m}
u(p)=|{ ( ) ; i=1,2….,m; j=1,2,…,m ; i > j}| (8) , ; S et nSi j j i jk k k k k ka a a a a a
3.3 LE CALCUL DE LA FITNESS GLOBALE F
En optimisation multiobjective, plusieurs algorithmes existent pour le calcul de la fitness
global tels que : VEGA, VOES, HLGA, MOGA, NSGA, NPGA, SPEA, etc.[Rou, 04].
PRODUSMAGAT utilise l’algorithme MOGA suite aux résultats satisfaisants obtenus
dans les applications relatives à la sélection des étudiants [Ley, 05].
L'application de l'algorithme MOGA vise a optimiser les trois fonctions objectives: λ, f, et
u tout en assurant:
• Décroître la valeur de u: Les individus ayant u=0 sont les plus intéressants.
• Décroître la valeur de f: Les individus ayant f=0 ou proche de 0 sont les plus
intéressants.
• Accroître la valeur de λ: Les individus ayant λ proche de 1 sont les plus
intéressants.
88
Chapitre 4Conception et mise en œuvre
L’algorithme MOGA
Début
1- Initialiser Shareσ en l'estimant selon la formule suivante:
( )Share
M
j
M
j jjSharejj ffffN
σ
σ∏ ∏= =−−+−
= 1 1minmaxminmax )(
(9)
Avec :
N : Nombre individus
fk : Les valeurs des fonctions objectives max
kf , minkf : Les valeurs minimales et maximales respectivement de la fonction
objective k atteinte sur la population courante.
2- Initialiser λj : λj= Cj Avec : Cj valeur choisie aléatoirement entre 0 et 1.
3- Initialiser le compteur des rangs µ(rj)=0, pour tous les rangs possibles, j=1 ,….,N
avec N : Nombre individus
4- Initialiser le compteur des solutions i=1.
5- Calculer ηi : Nombre de solutions dominant l’individu i
Calculer le rang ri=1+ ηi
Incrémenter le compteur des solutions de rang ri: µ(ri) = µ(ri)+1 (10)
6- Si i < N Alors i=i+1 ; Aller a l’étape 5
7- Identifier le rang maximal r*: Le plus grand ri tel que: µ(ri)>0
8- Pour toutes les solutions i=1,….,N calculer la performance :
(11) (1
1( ) 0.5 ( ) 1ir
i kF N k rµ µ−
== − − −∑ )i
9- Initialiser le compteur des rangs r=1
10- Pour toute solution de rang r , calculer le « niche count » nci en effectuant les
étapes suivantes :
a) Calcul de distance : On calcule la distance entre la solution i et la solution j du même
rang en utilisant la formule suivante :
( ) ( )1
2 2
max min1
i jM k k
ij kk k
f fdf f=
⎛ ⎞⎛ ⎞−⎜= ⎜⎜ −⎜ ⎟⎝ ⎠⎝ ⎠∑ ⎟⎟⎟ (12)
Avec :
k : Nombre des fonctions objectives d’un individu (dans notre cas on a λ , f, u donc
k=3)
89
Chapitre 4Conception et mise en œuvre
fk : Les valeurs des fonctions objectives max
kf , minkf : Les valeurs minimales et maximales respectivement de la fonction
objective k atteinte sur la population courante.
b) Le calcul de la fonction de partage Sh(dij) : Cette fonction dépend de la distance
dij entre deux solutions :
Si d < Shareσ 1 i j
S h a r e
d α
σ⎛ ⎞
− ⎜ ⎟⎝ ⎠
Sh(dij) = (13)
0 Sinon
c) Le calcul du Niche Count nci :
( )( )1ir
i ijnc Sh dµ
==∑ j (14)
Avec : µ(ri) le nombre de solutions de rangs ri
11- Le calcul de la performance partagée : ii
i
FFnc
′= (15)
12- Mettre à l’échelle de la façon suivante : iF ′
( )( )
1
ii r
kk
F rF
Fµ
µ
=
′= iF ′′∑
(16)
13- Incrémenter la valeur de lamda (λ) : λ=λ+ε Tant que : [f(λ)=f(λ)+ε] et
[u(λ)=u(λ)+ε]
14- Si r<r* Alors r=r+1 ; Aller a l’étape 10
Sinon : Fin de calcul de la performance des individus
Fin.
3.4 LA SELECTION DES INDIVIDUS
La sélection des individus est réalisée selon deux mécanismes des plus utilisés: Sélection
par tournoi et Elitisme (Présentées en chapitre III).
3.5 LE CROISEMENT
Le croisement utilisé dans l’algorithme MOGA est un croisement simple avec une
probabilité égale à 0.8.
90
Chapitre 4Conception et mise en œuvre
3.6 LA MUTATION
La mutation d’un individu consiste en un changement aléatoire de positionnement de
deux actions (Permutation).
3.7 LES CRITERES D’ARRETS
Le critère d’arrêt de cet algorithme génétique itératif concerne le nombre de générations.
Après plusieurs expérimentations, on a fixé le nombre maximal de générations à 1000.
4. LA DESCRIPTION DU PROCESSUS PROPOSE
Le processus décisionnel PRODUSMAGAT intègre principalement les composants
suivants:
a) Le modèle du territoire: Exprimé par le Système d’Information Géographique (SIG). Il
contribue de manière importante à la description du contexte et des variantes identifiées de
l’aménagement et constitue le support des fonctions d’analyse spatiale. Lorsque les
décideurs parviennent à identifier les actions et les critères, ces procédures d’analyse
spatiale permettent d'affecter aux différentes actions, une valeur (note) pour chaque critère.
L’ensemble des actions et de leurs notes relativement aux différents critères constitue
la matrice d`évaluation (Tableau des performances). Les actions sont rattachées à des lieux
et la matrice d`évaluation peut donc être représentée sous forme de carte. Le lien entre les
actions et le territoire est ainsi maintenu tout au long de la procédure. Cette particularité
constitue un avantage, car elle permet, à tout moment, de situer les variantes (actions) dans
leur environnement.
b) Les outils d’analyse : La comparaison entre les différentes actions est ensuite réalisée
par l’utilisation des outils d’analyse qui permettent de générer une ou plusieurs
propositions.
Ces outils sont utilisés pour synthétiser l’information géographique afin de sélectionner les
variantes satisfaisant les préférences du (ou des) décideur(s). Les critères peuvent être de
nature très différentes, quantitatives et/ou qualitatives.
91
Chapitre 4Conception et mise en œuvre
PRODUSMAGAT propose deux stratégies d'analyse multicritère:
• Exploiter Electre III toute seul.
• Exploiter Electre III couplée aux AGs multiobjectives.
- Electre III: Cette méthode est bien adaptée pour l’évaluation des projets urbains.
Son utilisation de la notion de surclassement flou permet de gérer l'aspect imprécis
et subjectif des décideurs
- Les Algorithmes Génétiques multiobjectives: Pour minimiser les irrégularités
causés par Electre III, nous proposons aux décideurs de coupler Electre III aux AGs
multipbjectives. Cette façon de procéder, permet aux AGs d'exploiter la relation de
surclassement flou généré par Electre III et de produire à la fin un ensemble de
solutions. Cette logique permet d'offrir aux décideurs le choix entre différentes
solutions possible et adéquates.
Le modèle décisionnel proposé est illustré par la (Figure 4.1) :
Figure 4.1 : Le Modèle Décisionnel adapté par PRODUSMAGAT
5. EXPERIMENTATIONS ET RESULTATS
Dans le but de valider le modèle décisionnel proposé et d'expérimenter PRODUSMAGAT,
plusieurs tests ont été réalisés. Les différents résultats obtenus seront détaillés et discutés
dans les sections suivantes.
92
Chapitre 4Conception et mise en œuvre
5.1 ORGANIGRAMME DU LOGICIEL PROTOTYPE
Choix du type de construction
Décision Final
Carte résultat
Exploitation Electre III : Distillation
Propositionssa
tisfaisante
Non
Oui
Exploitation : Algorithmes Génétiques
MOGA
Prétraitement : Agrégation Electre III
Evaluation des critères
Matrice de Performance
Introduction des
Paramètres subjectifs
Choix des terrains concurrents
Visualisations des terrains libres
Figure 4.2: Organigramme du logiciel prototype
93
Chapitre 4Conception et mise en œuvre
5.2 OUTILS DE DEVELOPPEMENT DE PRODUSMAGAT
La réalisation du logiciel prototype PRODUSMAGAT a nécessité l’utilisation de différents
outils de développement:
MapInfo : C’est un outil de type Système d’Information Géographique. Il a permis dans
notre étude de visualiser et de modifier les différentes bases de données géographiques
utilisées selon le besoin.
MapX : C'est un contrôle Active X qui offre toutes les fonctionnalités de base nécessaires
à l’implémentation du modèle décisionnel. En effet, il permet l’utilisation des
fonctionnalités disponibles sur n’importe quel SIG en l’intégrant dans l’environnement de
développement (Delphi, Visual C, Visual Basic) telles que l’interrogation d’une carte
géographique ainsi que sa visualisation.
C++ Builder : C'est l'environnement de développement utilisé pour la création du
prototype PRODUSMAGAT.
Delphi : L’active X MapX s’intègre seulement dans quelques environnements de
développements dont C++ Builder ne fait pas partie. De ce fait, la composante SIG de
notre application a été implémentée par utilisation du langage de programmation Delphi.
5.3 ETUDE DE CAS ET RESULTATS EXPERIMENTAUX
5.3.1 Bases de données utilisées
Nous tenons à mettre le point sur les difficultés considérables rencontrées pour la
procuration d’une base de données géographique réelle (nationale ou internationale)
capable de valider le modèle décisionnel proposé.
A notre avis, ceci est du au manque énorme en matière d’informatisation des données
géographiques en Algérie, en général, et à Oran en particulier.
Néanmoins, et après plusieurs tentatives nous proposons la stratégie qui consiste à
exploiter des POS déjà établis tout en essayant d’atteindre les deux objectifs suivants :
• Choisir une localisation pour une construction non présente dans le POS.
• Valider une localisation déjà présente dans le POS.
94
Chapitre 4Conception et mise en œuvre
Pour le 1er but : Nous avons utilisé POS HAMMAR (Voir Annexe 1). Dans ce quartier
,situé dans la commune de Gdyel, wilaya d’Oran, l’équipement « secteur sanitaire » est
absent du POS malgré son activité essentielle pour subvenir aux besoins des habitants
d’El-hammar en matière d’urgence et de premiers soins.
Pour le 2eme but : Au cours de nos visites à la direction d’urbanisme d’Oran et de nos
discussions avec les spécialistes d’AT et d’urbanisme, nous avons constaté qu’il y a un
grand projet d’extension de la ville d'Oran vers l’Est.
Parmi les nouveaux équipements injectés dans ce projet, et qui nous a intéressé le plus, est
la construction de la nouvelle gare routière d’Oran (Voir Annexe 4).
D’après les études établies par les spécialistes d’urbanisme, cette gare routière est prévue
au niveau de Hai El Yasmine localisé au Sud Est de l’agglomération Oranaise (Voir
Annexe 2).
Pour la validation de ce choix, nous avons utilisé les deux bases données POS Hai El
Yasmine (Voir Annexe 2) et Oran Est (Voir Annexe 3).
Il convient de préciser que l’absence de certaines données et la non fiabilité d’autres, nous
imposent d’introduire des corrections nécessaires à la mise en œuvre du processus
décisionnel.
5.3.2 Critères dégagés
a. Critères relatifs au secteur sanitaire
Pour cet équipement nous avons choisi de travailler avec les critères déjà établis dans [All,
02]. Ce dernier a utilisé la méthode d'analyse multicritère Electre III pour la localisation du
secteur sanitaire au niveau de Pos Hammar (Gdyel) (Voir Annexe 5).
Les critères choisis sont les suivants :
• Nombre de population avoisinant aux actions.
• Eloignement par rapport au site industriel.
• Nuisance sonore.
• Proximité au réseau d’assainissement.
• Proximité au réseau de la moyenne tension.
95
Chapitre 4Conception et mise en œuvre
b. Critères relatifs à la gare routière
Les critères dégagés sont les suivants :
Critères obtenus de la direction d’environnement d’Oran
• Eloignement par rapport aux zones humides protégées.
• Eloignement par rapport à la sebkha.
• Eloignement par rapport au littoral.
• Eloignement par rapport aux forêts.
• Eloignement par rapport aux sites industriels.
Critères obtenus de la direction de transport d’Oran
• Disponibilité du foncier.
• Positionnement par rapport aux autres infrastructures de transport : Gare
ferroviaire, Terminus Tramway.
• Positionnement par rapport aux lignes urbaines.
• Positionnement à l’extrémité de la ville d’Oran et non pas au centre.
Critères obtenus de la direction d’Urbanisme d’Oran et du bureau d’étude URBOR
• Superficie du terrain.
• Proximité d’un axe routier important.
• Proximité du barycentre de la zone (Pour permettre à la plupart des habitants de la
zone le parcours d'une distance moyenne vers la gare routière).
• Densité urbaine.
• Proximité aux équipement importants : Hôpital, Universités, etc.
• Accessibilité : Eviter les quartiers résidentiels.
• Nuisance Sonore générée.
Critères retenus pour l’étude
Nous avons opté pour les critères suivants selon la disponibilité des données et les
caractéristiques particulières de la zone d’étude :
• Superficie du terrain.
• Proximité d’un axe routier important.
• Accessibilité : Eviter les quartiers résidentiels.
96
Chapitre 4Conception et mise en œuvre
• Nuisance Sonore générée.
• Positionnement a l’extrémité de la ville d’Oran et non pas au centre.
5.3.3 Le prototype PRODUSMAGAT
Interface
Avant d’exposer les différents résultats obtenus, nous présentons dans ce qui suit les
différentes étapes que le décideur doit entreprendre avant le lancement du traitement.
L’utilisateur a la possibilité (Figure 4.3):
• D'effectuer un choix entre les différentes Bases de Données existantes.
• De spécifier le chemin d’accès vers une autre base.
Figure 4.3: Choix de la BDD par le décideur
PRODUSMAGAT permet la visualisation des différentes BDDs choisies par l’utilisateur.
La figure (Figure 4.4) illustre les trois bases utilisées pour nos expérimentations, à savoir
Pos Hammar ; Hai El Yasmine ; OranEst.
97
Chapitre 4Conception et mise en œuvre
Figure 4.4: Bases de données disponibles
Prétraitement
Avant de commencer le traitement, l’utilisateur doit visualiser les îlots libres pour choisir
ceux concurrents à son étude (Figure 4.5).
Figure 4.5: Visualisation des îlots libres
L'aspect subjectif de PRODUSMAGAT est assuré par l'introduction des paramètres
subjectifs : Matrice des seuils et matrice des poids (Figure 4.6).
98
Chapitre 4Conception et mise en œuvre
Par la suite, l’utilisateur doit assurer l’étape d’agrégation (à l’aide du bouton
Prétraitement) (Figure 4.6).
Figure 4.6: Remplissage des paramètres subjectifs
Après la phase de prétraitement, le décideur peut visualiser les différentes tables: Matrice
de concordance, matrice de crédibilité, matrice de performance. La figure (Figure 4.7)
illustre la table de performance résultante des îlots choisis dans la carte géographique
présentée précédemment.
Figure 4.7: Matrice de performance
A la fin du prétraitement, l’utilisateur a le choix d’assurer l’étape de l’exploitation des
relations d’agrégation par la méthode traditionnel : Distillation d’Electre III ou par les
Algorithmes Génétiques multiobjectifs.
99
Chapitre 4Conception et mise en œuvre
Etude de cas
1er cas
IMPLANTATION DU SECTEUR SANITAIRE
Dans l'exemple suivant, le traitement consiste en la recherche d'un site pour l'implantation
du futur secteur sanitaire au niveau de Pos Hammar (Gdyel).
Dans cette étude, nous avons choisi six actions potentielles représentées par des îlots
vierges situés dans la zone d'El-hammar (Figure 4.8).
Figure 4.8: Zone d'étude pour le secteur sanitaire
Les résultats obtenus par [All, 02] sont représentés sur le tableau (Tableau 4.2) :
Num Classe Num Îlot
1 1
2 102
3 103
4 71
5 120
5 37
Tableau 4.2 : Résultats fournis par [All, 02]
100
Chapitre 4Conception et mise en œuvre
Les résultats obtenus par PRODUSMAGAT sont les suivants (Tableau 4.3) :
Tableau 4.3 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (1er Cas
d'étude)
Num
Classe
Num Îlot Incomparable Avec…
1 103 1
1 1 103
2 102
3 37
4 71
4 120
Le traitement par les AGs multiobjectifs propose plusieurs solutions aux décideurs. Dans
cet exemple la meilleure solution est illustrée par le (Tableau 4.4):
Tableau 4.4 : Résultats fournis par PRODUSMAGAT en utilisant les AGs (1er Cas
d'étude)
Numéro Classe Numéro
Îlot
1 1
2 103
3 102
3 37
4 71
5 120
lamda 0.8
f 5
u 1
Performance (Fitness) 120.64
Discussion des résultats
Cet exemple nous permis d'atteindre le 1er but: Choisir une localisation pour une
construction non présente dans le POS. En effet, les résultats trouvés par
PRODUSMAGAT et [All, 02] sont a peu pré les mêmes. De même que pour Electre III et
101
Chapitre 4Conception et mise en œuvre
les AGs où on ne remarque pas beaucoup de différence dans les réultats trouvés.
Cependant, la décision finale reste toujours relative aux différents décideurs du projet.
2eme Cas
IMPLANTATION D'UNE GARE ROUTIERE
Dans le cadre du projet d'extension de la ville d'Oran vers l'est, une nouvelle gare routière
est prévue comme l'un des équipements projetés. Dans les exemples suivants,
PRODUSMAGAT cherchera l'action la plus adéquate pour l'implantation de la gare
routière au sein de deux bases de données, et en utilisant Electre III dans un premier temps
puis en couplant Electre III avec les AGs multiobjectifs.
Exemple1: Utilisation de la BDD Hai El Yasmine
C'est au niveau de ce POS que la gare routière doit être réalisée (Exactement au niveau de
l'îlot 907).
Cet exemple vise à vérifier l'adéquation de ce choix avec celui effectué par la direction
d'urbanisme d'Oran tout en exploitant les deux outils d'analyse disponible: Electre III ainsi
que les AGs multiobjectifs.
Cet exemple se déroule en deux phases :
1ère phase : Les îlots 821, 704, 249, 912, 907, 906, 510 sont sélectionnés pour choisir
l’emplacement le plus adéquat de la gare routière (Figure 4.9).
2ème phase : On reste toujours dans le cadre de la recherche du site le plus adéquat pour la
construction de la gare routière. Les actions candidates resterons les mêmes sauf pour
l'action 704. Cette dernière sera remplacée par une action moins bonne 732 (Figure 4.9).
102
Chapitre 4Conception et mise en œuvre
Figure 4.9: Zone d'étude pour l'exemple 1
Résultats obtenus par utilisation de Electre III
- BDD incluant l'action 704
Numéro Classe Numéro Îlot Incomparable Avec…
1 907 912
2 906 912
3 912 907, 906, 510
3 510 912
4 249
5 821
5 704
Tableau 4.5 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (1er exemple,
1ere phase)
103
Chapitre 4Conception et mise en œuvre
- BDD incluant l'action 732
Tableau 4.6 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (1er exemple,
2eme phase)
Num
Classe
Num Îlot Incomparable Avec…
1 907 912
2 906 912
3 912 907, 906, 510
3 510 912
4 732
5 249
5 821
Résultats obtenus par utilisation des Algorithmes Génétiques
Comme pour l'exemple de l'implantation du secteur sanitaire, dans cet exemple nous
fournirons seulement la meilleure solution donnée par les AGs.
Numéro Classe Numéro
Îlot
1 907
2 906
3 510
3 821
4 912
5 249
5 704
lamda 0.96
f 4
u 0
Performance (Fitness) 184.51
Numéro Classe Numéro
Îlot
1 907
2 906
3 510
3 732
4 912
5 249
5 821
lamda 0.87
f 5
u 0
Performance (Fitness) 125
Tableau 4.7 : Résultats fournis par PRODUSMAGAT en utilisant les AGs(1er exemple,
1ere phase, 2eme phase)
104
Chapitre 4Conception et mise en œuvre
Discussion des résultats
Les deux méthodes ont validé le choix effectué par la direction d'urbanisme d'Oran
concernant l'emplacement de la gare routière. Toutes les deux ont choisi l'îlot 907 comme
étant le meilleur emplacement.
Aussi, les deux méthodes ont satisfait le critère 1, ne présentant aucune instabilité
concernant les trois premières actions.
Cependant, et vue que la base de données choisie n'est pas volumineuse et ne contenant
que quelques actions qui peuvent concurrencer l'action 907, il s'avère judicieux de ne pas
tirer des conclusions à partir de ces résultats.
De ce fait, nous avons décidé d'élargir la zone d'étude en choisissant comme BDD la zone
Oran Est. Les résultats sont donnés par l’exemple suivant.
Exemple 2: Utilisation de la BDD Oran Est
Hai El Yasmine se trouve à l'intérieur de cette zone, l'action 907 est toujours présente,
toutefois et à l'inverse de l'exemple précédent, au niveau de cette BDD on trouve beaucoup
d'actions qui peuvent concurrencer l'action 907.
L'exemple 2 se déroulera aussi en deux étapes et en utilisant les mêmes outils d'analyse.
1ère étape : Les îlots 907, 1057, 1109, 1067, 573, 87 sont sélectionnés pour choisir
l’emplacement le plus adéquat de la gare routière (Figure 4.10).
2ème étape : Pour la même problématique, les mêmes îlots sont sélectionnés sauf pour
l’action 87 qui est remplacée par l’action 741 (Figure 4.10).
105
Chapitre 4Conception et mise en œuvre
Figure 4.10: Zone d'étude pour l'exemple 2
Résultats Par utilisation de Electre III
- BDD incluant l'action 87
Numéro Classe Numéro
Îlot
1 907
2 1057
3 1109
3 1067
3 573
3 87
Tableau 4.7 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (2eme
exemple, 1ere étape)
106
Chapitre 4Conception et mise en œuvre
- BDD incluant l'action 741 Numéro Classe Numéro
Îlot
1 907
2 1057
3 1109
3 1067
3 573
4 741
Tableau 4.8 : Résultats fournis par PRODUSMAGAT en utilisant Electre III (2eme
exemple, 2eme étape)
Résultats par utilisation des Algorithmes Génétiques
Les résultats fournis par les AGs sont représentés par les deux états d'écrans illustrés par
les figures (Figure 4.11) et (Figure 4.12):
- BDD incluant l'action 87
Figure 4.11: Résultats fournis par PRODUSMAGAT en utilisant les AGs (2eme exemple,
1ere étape)
107
Chapitre 4Conception et mise en œuvre
- BDD incluant l'action 741
Figure 4.12: Résultats fournis par PRODUSMAGAT en utilisant les AGs (2eme exemple,
2eme étape)
Discussion des résultats:
Ces expérimentations ont, encore validé l'emplacement de la gare routière projetée.
Cependant, nous remarquons que l'optimisation multiobjective permet de proposer aux
décideurs diverses solutions avec différents λ, et en mentionnant le nombre d'actions
incomparables (f) ainsi que le nombre d'actions mal classées (u).
En revanche, Electre III se limite à proposer un seul classement n'offrant pas beaucoup de
choix aux décideurs.
Aussi, et malgré l'injection de la mauvaise action 741 au niveau des tests, nous remarquons
qu'il n'y a pas eu d'instabilité au niveau des deux méthodes testées. Cela est du a la BDD
utilisée.
En effet, la présence des actions concurrentes à l'action 907 s'avère insuffisante pour
déstabiliser Electre III. A notre avis, plus de critères doivent être prise en compte:
L'insuffisance des informations nous en empêcher de relancer une autre expérimentation
avec plus de critères.
108
Chapitre 4Conception et mise en œuvre
6. CONCLUSION
Dans ce chapitre, nous avons présenté le modèle décisionnel adapté par le processus
PRODUSMAGAT et qui intègre un SIG, des outils d’analyse multicritère ainsi que des
techniques d'optimisation multiobjective en utilisant les AGs.
Le SIG représente le territoire et permet de générer la matrice d’évaluation de toutes les
actions de A sur chacun des critères identifiés.
Cette matrice est prétraitée par la méthode Electre III (Agrégation) puis exploitée soit par
la Distillation, soit par l'algorithme MOGA, pour résoudre la problématique considérée
dans ce mémoire:
La problématique qui consiste en la recherche d’une surface satisfaisant au mieux
certains critères,
L'optimisation multiobjective en phase d'exploitation d'Electre III offre plus de choix aux
différents décideurs concernés par le projet, et leur permet ainsi de passer à une étape de
négociation des résultats obtenus afin de choisir la solution finale.
109
Conclusion Générale
CONCLUSION GENERALE
Le thème de notre étude est pluridisciplinaire et s'articule autour de plusieurs axes:
l'aménagement du territoire, les systèmes d'information géographiques, l'aide à la décision
multicritère ainsi que l'optimisation multiobjective.
La première partie de ce travail, a montré la complexité de la gestion du territoire. En effet,
la décision en aménagement du territoire ne peut pas être prise sans la consultation de
l'ensemble des parties prenantes. Il est également essentiel de procéder à une identification
thématique de l'ensemble des critères environnementaux et des alternatives à prendre en
compte afin d'aboutir à une décision fondée sur une compréhension globale des problèmes
urbains.
L'essentiel des autres parties de cette étude, était de définir l’ensemble des outils
nécessaires à l’élaboration d’une solution informatique dédiée à la problématique de
l'aménagement ponctuel du territoire : La localisation du site le plus adéquat pour une
construction donnée.
La mise en place de bases de données géographiques s’avère intéressante pour la gestion
du territoire. Les systèmes d'informations géographiques visent à créer les bases de
données spatiales puis les interroger et les mettre à jour. Dans une problématique de
localisation, la présence des données géographique est obligatoire pour pouvoir traiter le
problème.
Au travers ce SIG, longtemps tourné vers le descriptif, nous avons intégré des processus
d’analyse en particulier des éléments orientés vers l’aide à la décision. L’information
géographique est, en effet, un vecteur priviligié pour l’aide à la décision spatiale
constituant le seul moyen de représentation et de modélisation du contexte géographique.
110
Conclusion Générale
En plus, l’association des méthodes d’AMC et des SIG constitue une voie priviligiée pour
faire évaluer d’une part, les SIG vers de véritables SAD et permettre d’autre part aux
méthodes d’AMC d’élargir leurs capacités tout en acquérant la transparence qui leur fait
souvent défaut.
Ce couplage permet aussi d’assurer une prise en compte de l’aspect subjectif des décisions
en AT.
Le processus décisionnel proposé PRODUSMAGAT (Un PROcessus Décisionnel par
Utilisation des SIG, des méthodes Multicritères et des Algorithmes Génétiques pour
l’Aménagement du Territoire), intègre à la fois la partie descriptive du territoire (SIG) et
des outils d'analyse multicritère: La méthode Electre III ou Electre III couplé avec les
Algorithmes génétiques multiobjectives.
La méthode Electre III est simple et rapide. Elle permet de bien prendre en compte les
différents points de vue des acteurs et de fournir des résultats servant de base de
négociation ou de recommandation. Elle convient bien aux domaines complexes et
présentant une part de subjectivité tel que celui de l'aménagement du territoire. Toutefois,
Electre III présente quelques irrégularités causées par la méthode de distillation utilisée
dans sa phase d'exploitation. Afin de remédier à ces irrégularités, nous avons utilisé
l'algorithme génétique multiobjective MOGA dans la phase d'exploitation d'Electre III.
Les résultats fournis par le prototype PRODUSMAGAT permettent d'assister les
décideurs dans le processus de prise de décision, en leur proposant divers classements
intéressants des sites concurrents.
L'évolution de la base de données géographique manipulée s'effectue de manière discrète
non dynamique en fonction des modifications remarquées dans la réalité et sur site. A notre
avis, cela ne peut pas gêner la résolution de la problématique traitée car les projets de
gestion du territoire sont généralement à long terme ne nécessitant pas une mise à jour
rapide de la base de données géographique.
Perspectives futures L’étude réalisée dans ce mémoire nous a permis de dégager les perspectives suivantes:
• Elargir la base de données géographique utilisée en incorporant d'autres données et
critères pour permettre une étude plus approfondie.
111
Conclusion Générale
• Une attention particulière doit être réservée à la confirmation des résultats obtenus.
Dans ce sens, nous proposons de mener une analyse de sensibilité et de robustesse
des résultats devant indiquer si les recommandations sont synthétiques ou pas.
• L'intégration des données avancées de télédétection dans le modèle du territoire
ouvre des optiques intéressantes et significatives pour l'optimisation de la qualité de
la décision.
• Viser la représentation de la multiplicité des acteurs, leur diversité, leur
comportement ainsi que leur interaction. « Les Systèmes Multi Agent » s’avèrent
particulièrement adaptés et constituent une alternative aux modèles spatiaux
classiques assurant ainsi la négociation et la participation de plusieurs acteurs.
112
ANNEXE 1
Plan d’Occupation du Sol HAMMAR
ZONE D’ETUDE El-HAMMAR
Dans ce qui suit nous donnerons une présentation géographique et morphologique de la
région d’étude [All, 02].
a) Situation géographique
Le quartier d’El-Hammar se situ dans la commune de Gdyel, wilaya d’Oran et s’étend sur
une superficie de 52,19 Ha. Il est limité:
• Au nord : le forêt.
• Au sud : Le quartier Carteaux.
• A l’est : La route de Kristel et les Castors.
• A l’ouest : Lotissement projeté dans le cadre de l’urbanisation.
b) Morphologie du site
Morphologiquement, et en l’absence de composition urbaine, un anonymat s’est produit
avec cinq types de tissus très variés et d’une qualité médiocre au vu desquels il est à
remarquer une absence d’identité du lieu alors que c’est le meilleur site de Gdyel. Les
espaces publics des différents tissus sont banals. De la même, la voirie n’est ni structurée
ni aménagée. L’accessibilité y est difficile et certaines zones ne sont pas du tout
accessibles avec les voies non carrossables. Ceci concerne, en particulier, la partie Nord et
la partie Sud.
Fonctionnellement, les espaces publics sont réduits en espaces de circulation avec
l’absence de viabilisation. Des zones sont dépourvues de réseaux divers et le niveau de
commodité des habitations est très faible : la moitié n’est pas alimentée en eau potable et
les zones d’habitat illicite n’ont pas d’électricité. Aucun centre de vie n’existe : le quartier
faiblement ou peu équipé, très mal relié avec des accès limités demeure entièrement
dépendant du centre ville de la métropole oranaise ou s’effectuent généralement les achats
et les soins.
113
ANNEXE 2
Plan d’Occupation du Sol El Yasmine (52)
ZONE D’ETUDE EL YASMINE
Dans ce qui suit nous donnerons une présentation générale du site El Yasmine, nous
tenons a informer le lecteur que le projet El Yasmine est actuellement en cours de
réalisation.
a) Situation géographique
Le quartier, El Yasmine objet de notre étude, est localisé au Sud Est de l’agglomération
Oranaise, au niveau de la limite communale de Sidi Chahmi et celle de Bir El Djir. Il
couvre une superficie d’environ 150Ha, il est limité comme suit :
• Au Nord : par les secteurs à urbaniser SAU2 et SAU3.
• Au Sud : par le Chemin de Wilaya (CW46).
• A l’Est : par la rocade projetée, 4ème Bd périphérique.
• A l’Ouest : par Le SAU2 et Haï Es Sabah.
En général le site El Yasmine s’interpose administrativement entre deux espaces urbains à
caractères totalement différenciés ; le premier est à caractère central, révélant la projection
d’une concentration d’activités urbaines et des pôles d’activités. Le second à caractère
rural à dominance d’espaces de bonne valeur agricole (SNU) de Sidi Chahmi. Cette
dernière est constituée de poches urbaines à bloquer vu leur localisation dans un milieu
agricole, entre autre, l’agglomération de Sidi Maârouf douar limitrophe au secteur en
question.
Le terrain est donc, considéré, de par sa situation géographique, comme un espace
“ tampon ” entre deux systèmes Urbains opposés et en même temps une partie intégrante
de l’extension Est d’Oran.
114
La configuration et l’emprise du site sont définies par le tracé d’un réseau de voirie à
caractère primaire tramé dans le cadre du PDAU et induit en perspective des futurs pôles
de centralité à l’Est.
• Ce terrain est composé par des unités topographiques légèrement accidentées.
• Un important réseau de ligne électrique de haute tension divise le terrain en deux
parties Nord et Sud, qui de par l’emprise de sa servitude ( 90 m), freine
considérablement les possibilités d’intervention sur l’espace.
• Des lignes électriques de moyennes tensions longent le côté ouest du terrain et
constituent sa limite du même côté.
• Une conduite d’alimentation en eau potable et une autre de refoulement de diamètre
200, longent le terrain dans le sens de la longueur, pour alimenter un château d’eau
d’une contenance de 1000 m3.
• Une autre conduite en eau potable, de diamètre 1200, longe ce terrain de son côté
ouest.
• Les liaisons importantes de cette zone avec le centre d’Oran s’effectuent à travers
les deux pénétrantes primaires, la route nationale n°11 (Route d’Arzew) et le CW46
(route de Sidi Maârouf ).
• Un choix de terrain d’aménagement d’une gare routière régionale, vient amputer le
site d’une superficie de 12,5 Ha.
b) Occupation actuelle du sol
Le site, objet de notre étude, intitulé POS 52, couvre une superficie totale d’environ 150
hectares, affectés en grande partie à l’agriculture, ainsi la céréaliculture couvre presque la
totalité du terrain, avec quelques rangées d’oliviers et une masse de cyprès dans la partie
sud-ouest et qui sera maintenue dans les différentes variantes d’aménagement et mise en
valeur pour lui permettre de jouer pleinement son rôle de poumon vert de la future ville.
D’une manière générale, le terrain présente de bonnes caractéristiques géotechniques.
115
ANNEXE 3
ZONE D'ETUDE ORAN EST
La zone d'étude Oran Est est composée de plusieurs POSs, schématisés comme suite:
POS 22-3 POS 52 POS 25 POS 22-1 POS 51 POS 49
POS 21 USTO POS 50
116
ANNEXE 4
Projet de la Gare Routière
1. ORIENTATIONS DU PDAU DU GROUPEMENT D’ORAN
La concrétisation du plan directeur d’aménagement et d’urbanisme (PDAU), en tant
qu’instrument de planification urbaine et d’orientation en matière d’aménagement doit
systématiquement passer par la réalisation des plans d’occupation du sol (POS) auxquelles
il revient de régler la forme urbaine conséquente et de préciser l’affectation et les règles
d’usage des sols.
La ville d’Oran occupe une position centrale dans sa Wilaya et réunit les six Communes :
Oran, Es-Senia, Bir El Djir, Sidi Chami, El Kerma et Mers El Kebir.
La surface urbanisée occupe plus de 8800Ha soit 35% de la superficie totale du
groupement. Les terres agricoles et les zones naturelles (forêts,...) représentent 65% du
Total.
Cet espace métropolitain se caractérise par un dynamisme accéléré de croissance et
d’expansion spatiale. L’option retenue pour le développement urbain de la ville d’Oran
consiste en une extension linéaire longeant la mer vers le côté Est, ceci dans l’optique de
désengorger le centre ville d’Oran actuellement asphyxié d’une part, et d’autre part les
fortes dépendances des agglomérations secondaires périphériques vis à vis du centre
d’Oran.
Cette extension doit s’effectuer dans un souci de continuité et de cohérence avec les tissus
existants, impliquant la création d’autres pôles de centralité à caractère attractif de la zone
Est. Ces futurs pôles de concentration sont appelés à décentraliser et à soulager le Centre
Urbain d’Oran, notamment le technopôle de la zone USTO traduit par la projection
d’équipements culturels et universitaires (Zone mitoyenne au site d’intervention).
L’aménagement général de l’agglomération Oranaise s’appuie sur les fonctions retenues
pour la ville d’Oran qui est dotée d’un statut digne de son rayonnement régional et
117
méditerranéen, à savoir les fonctions commerciales, culturelles, universitaires, touristiques
et services tertiaires.
La zone Est constitue une opportunité de rattrapage pour Oran, un aménagement de qualité
et de centralité lui permettra de reconquérir une image de métropole avec un pouvoir
attractif adéquat.
L’extension, s’étalant généralement sur des terres incultes, est répartie entre le réseau
routier primaire traduit par les pénétrantes divergeant de l’aire hypercentrale, entre les
routes de Sidi Maârouf (CW46), de Sidi El Bachir (RN11) et de Belgaïd (CW75).
En conclusion, le PDAU du groupement d’Oran a pour objectifs, de reconquérir les tissus
existants pour une meilleure maîtrise, et de concevoir une seule unité urbaine constituée
par une entité dense centrale complétée par une nature rurale (Sidi Chahmi, Es-Senia) sans
pour autant sanctionner la préservation des terres agricoles concentrées au Sud.
L’option retenue pour Oran est basée sur :
• Mettre fin à l’urbanisation en tâche d’huile à l’intérieur de l’agglomération
Oranaise.
• Assurer une expansion spatiale, rationnelle et graduelle à l’Est, en consommant les
espaces tramés par le prolongement des pénétrantes de Sidi Maârouf et de Sidi El
Bachir et en injectant des équipements centraux telle que la gare routière.
• Préserver les terres de hautes potentialités agricoles dans les zones périphériques,
ceci par le biais du blocage des agglomérations secondaires des communes d’Es-
Senia et de Sidi Chahmi, cette dernière étant un espace limitrophe à la zone
d’étude.
2. PROJET DE LA GARE ROUTIERE
Parmi les équipements projetés dans le PDAU d'Oran cités ci-dessus, nous mentionnons
l'injection d'une gare routière régionale au niveau de la zone Oran Est, précisément au
niveau du site El Yasmine.
Dans ce qui suit nous donnerons quelques notions relatives aux gares routières.
118
2.1 DEFINITION DE LA GARE ROUTIERE
Une gare routière est un lieu de correspondance entre de nombreuses lignes de transports
en commun (autocars, autobus ou trolleybus).
Quand la gare permet aux usager différents modes de transport, on l'appelle gare
multimodale ou pôle d'échange.
2.2 PARTENAIRES POUVANT ETRE ASSOCIES A LA CREATION D'UNE
GARE ROUTIERE
Pourrons être associés au projet:
• Les trois collectivités territoriales que sont la Commune, le Département, et la
région.
• Les divers groupements de collectivités locales: syndicats de communes,
communautés urbaines, syndicats mixtes.
• L'autorité organisatrice des transports urbains.
• La SNTF (Société Nationale du Transport Ferroviaire), quand elle est concernée
par le projet.
• La direction départementale de l'équipement et les services des préventions et de
sécurité.
2.3 CHOIX DU SITE
Pour qu'une gare routière remplisse bien ses fonctions notamment de rabattement sur la
gare de transport public, il est primordial de l'implanter:
• A proximité d'une offre en transport public compétitive.
• Sur un site très accessible en transports publics.
• Dans un secteur urbain dense ou a proximité de pôles économiques ou
commerciaux.
• Sur un terrain à rendement géométrique intéressant.
119
ANNEXE 5
Evaluation des critères pour POS Hammar
Nous donnerons dans ce qui suit les définitions des différents critères utilisés dans [All,02].
Aussi les méthodes d'évaluation des critères vont être abordés.
CALCUL DU NOMBRE DE LA POPULATION
Chaque îlot est un ensemble de parcelles. Chaque parcelle représente une moyenne de cinq
personnes. Donc, pour calculer le nombre de population d'une action ai il suffit de faire
l'opération suivante:
Nombre de population (ai) = (Nombre de parcelles incluse dans l'action ai) *(5 personnes)
Le tableau suivant (Tableau Annexe 5.1) représente le nombre de population concerné par
chaque site potentiel pris par [All, 02]:
Actions Nombre de population
a 1 2180 pers
a 2 3510 pers
a 3 1145 pers
a 4 1145 pers
a 5 2670 pers
a 6 1450 pers
Tableau Annexe 5.1 : Evaluation du critère C1
120
ELOIGNEMENT PAR RAPPORT AU SITE INDUSTRIEL
Se traduit par l'éloignement des différentes actions par rapport à la zone industriel situé
dans l'îlot 129. Cette distance est calculée à vol d'oiseau (Tableau Annexe 5.2).
Actions Eloignement su site industriel
a 1 700 mètres
a 2 530 mètres
a 3 240 mètres
a 4 710 mètres
a 5 820 mètres
a 6 1040 mètres
Tableau Annexe 5.2: Distance d'éloignement des actions par rapport au site industriel
LA NUISANCE SONORE
Ce critère est nécessaire et doit être pris en compte étant donné le caractère des centres de
soin.
Pour se faire, [All, 02] a classifié diverses activités en 6 catégories de nuisances, en
affectant à chacune une note de nuisance (Tableau Annexe 5.3).
Catégorie Activité Note de Nuisance
A îlots vierges 0
B Habitations 2
C Commerces de base, Hammam, les PTT,.. 4
D Ecoles et CFPA 6
E Centre des loisirs et sale omnisports 8
F Site industriel 10
Tableau Annexe 5.3: Nuisance sonore des occupations et activités
L'évaluation de ce critère pour chaque site potentiel est basée sur le calcul de la somme des
nuisances de toutes les activités voisines. Les évaluations obtenues relatives à toutes les
actions potentiels candidates sont représentées sur le Tableau Annexe 5.4.
121
Actions Nuisance sonore
a 1 6
a 2 24
a 3 18
a 4 14
a 5 8
a 6 4
Tableau Annexe 5.4: La nuisance sonore des actions potentielles
PROXIMITE AU RESEAU D'ASSAINISSEMENT
Représente la distance (par rapport à la voirie) séparant les sites au réseau d'assainissement.
Le Tableau Annexe 5.5 représente les différentes évaluations obtenues pour ce critère.
Actions Proximité au réseau d'assainissement
a 1 20 mètres
a 2 110 mètres
a 3 40 mètres
a 4 30 mètres
a 5 10 mètres
a 6 20 mètres
Tableau Annexe 5.5: Proximité des actions potentielles au réseau d'assainissement
PROXIMITE AU RESEAU DE LA MOYENNE TENSION
Représente la distance (par rapport à la voirie) séparant les sites au réseau de la moyenne
tension. Le Tableau Annexe 5.6 représente les différentes évaluations obtenues pour ce
critère.
122
Actions Proximité au réseau de la moyenne tension
a 1 1 mètres
a 2 230 mètres
a 3 570 mètres
a 4 460 mètres
a 5 30 mètres
a 6 1 mètres
Tableau Annexe 5.6: Proximité des actions potentielles au réseau de la moyenne tension
PONDERATION DES CRITERES
[All, 02] a utilisé l'échelle de SAATY (Présentée en chapitre 2) pour pondérer les critères,
fournissant à la fin les résultats suivants:
C1 C2 C3 C4 C5
0.0436 (5%) 0.4641 (46%) 0.00887 (9%) 0.2017 (20%) 0.9998 (20%)
Tableau Annexe 5.7: Calcul des jeux de poids
123
BIBLIOGRAPHIE
[Ana, 95] R.P.Anand, «Multi-Criteria Methods in River Basin Planning: a Case
Study», Water Science and Technology, Vol. 31, pp. 261-272., 1995.
[All, 02] N.E.Allal, «Méthodologie de mise en œuvre d'un système
d'information géographique pour le suivie d'un plan d'occupation du
sol (Application au POS d'El-Hammar, Gdyel)», Mémoire de
magistère, Centre national des techniques spatiales (CNTS), Arzew,
Oran, Algérie, 2002.
[Bég, 01] F. Bégin, « Modélisation de l’accessibilité par analyse multicritère :
Application à la région de Québec, 1996», Mémoire présenté à la
Faculté des études supérieures de l'université Laval pour l'obtention
du grade de maître en sciences géographiques, Département de
géographie, Faculté des lettres, Université Laval, Québec, 2001.
[Ben, 00] S.Ben Mena, « Introduction aux méthodes multicritères d'aide à la
décision », Biotechnol Agron.Soc.Environ, pp. 83-93, 2000.
[Bel, 90] V.Belton, «Multiple Criteria Decision analysis pratically the only
way to choose», Operational Research, Tutorial papers : 1990, edited
by L. C. Hendry, R.W. Eglese, Operational Society, Birmingham,
1990.
[Bel et al, 01] V.Belton and T.J.Stewart, “Chapter 8: Outranking Methods,
«Multiple Criteria Decision Analysis: An Integrated Approach»,
Kluwer Academic Publishers, Boston, MA, U.S.A, 2001.
[Blo, 94] F.Blomac « Concepts et applications en géomatique » ArcInfo,
Edition Hermès, 1994.
[Bon, 84] R.H. Bonczek, C.W. Holshapple, A.B. Whinston, « Developments
in decision support system », Advances in Computers, vol.23,
pp.145-175, 1984.
[Bou, 06] K. Bouamrane, «Un système interactif d'aide à la décision pour la
régulation d'un réseau de transport urbain bimodal: Approche multi-
agent et raisonnement a base de cas» », Thèse Doctorat,
Département d'informatique, Université Es_Senia, Oran, Algérie,
2006.
[Buc et al, 99] J. Buchanan, P. Sheppard, and D. Vanderpooten, «Project Ranking
Using Electre III », Research report 99-01, University of Waikato,
Dept of Management Systems, New-Zealand, Presented at MCDM
2000, Ankara, Turkey, 1999.
[Car, 89] J.-R. Carter «On Defining the Geographic Information System»,
Ripple W.J. edition, Fundamentals of Geographic Information
Systems. A Compendium. ASPRS/ACSM, Falls Church Virginia,
1989.
[Cai, 03] R.Caillet, « Analyse multicritère : étude de l'existant et application
en analyse du cycle de vie », Rapport de stage, Étudiant de l’École
Polytechnique Palaiseau, Stagiaire au CIRAIG et au CIRANO,
France, 2003.
[Cha et al, 05 a] S. Chakhar, V. Mousseau, C. Pusceddu et B.Roy, « Decision map for
spatial decision making in urban planning », CUPUM'05, London,
UK, 2005.
[Cha et al, 05 b] S. Chakhar, et C. Pusceddu « Un processus pour la prise de décision
spatial » ROADEF'2005 , 14-16 Février · Tours, France, 2005.
[Che, 05] C.Chemrouk, « Les instruments d’urbanismes et les actes de contrôle
d’urbanisme », Formation de mise à niveau pour les cadres du
ministère de l’habitat et de l’urbanisme, Institut National de
Perfectionnement de l’Equipement, Ministère des Ressources en
Eau, Alger, Algérie 2005.
[Cod, 01] « Codes du Foncier et de l’Urbanisme », Compilation de textes
juridiques législatifs et réglementaires de la république Algérienne,
Berti Editions, 2001.
[Cou, 88] J.C. Courbon, « Les SIAD : outils, concepts et mode d’action »,
Afcet/interfaces, n°9, pp.30-36, 1988.
[Dne et al, 96] J. Denegre et F. Salge, « Les systèmes d'information géographique »,
Institut Géographique National (IGN), Paris, PUF, Collection : Que
sais-je ? , 1996.
[Dup, 04] R.Dupas, «Amélioration de performance des systèmes de production
: apport des algorithmes évolutionnistes aux problèmes
d’ordonnancement cycliques et flexibles», Thèse Doctorat, Université d’Artois, France, 2004.
[Eas, 94] J.R.Eastman and J.Toledaro, « Exploration in Geographic
Information Systems Technology », Volume4, GIS and Decision
Making, Switzland, 1994.
[Fer, 97] N. Ferrand, « Modèles pour un outil d'aide à la décision et la
négociation en aménagement du territoire - approche multi-agents »,
Thèse Doctorat, Université Joseph Fourier, Grenoble, France, 1997.
[Gin, 00] R. Ginting, « Intégration du système d’aide à la décision multicritère
et du système d’intelligence économique dans l’ere concurrentielles :
Application dans le choix de partenaire en Indonésie », Thèse
Doctorat, Sciences de l’information, Faculté des Sciences et
Techniques de Saint Jerome, Université de Droit et des Sciences
d’Aix-Marseille, France, 2000.
[Gol, 89] D.E Goldberg, « Genetic Algorithms in Search, Optimization and
Machine Learning», Addison Wesley Longman, 412 p. 1989.
[Gol, 94] D.E. Goldberg, « Algorithmes génétiques Exploration, optimisation
et apprentissage automatique », Traduit de l'anglais (américain) par
V. Corruble, Edition Addison- Wesley, France, 1994.
[Gue, 03] F. Guerroudji.Meddah, « La gestion du patrimoine bâti par les SIG »,
Mémoire de Magister, Département d’Informatique, Faculté des
Sciences, USTO, 2003.
[Ham, 05] M.A. Hamadouche, « Contribution à la mise en place d’un système
basé sur les systèmes d’information géographique et l’analyse
multicritère pour décider sur le territoire ». Mémoire de Magister en
techniques spatiales et applications. Option : Géomatique, CNTS,
Arzew, Oran, Algérie, 2005.
[Ham et al, 06] D.Hamdadou, K.Bouamrane, K.Labed, «Un Processus Décisionnel
Par Utilisation Des SIG Et Des Méthodes Multicritères Pour
l’Aménagement Du Territoire : PRODUSMAT», MCSEAI’06,
Agadir, pp. 671-676, 2006.
[Ham et al, 07] D.Hamdadou, K.Labed, B.Beldjilali, «Proposal for a Decision-
making process in Regional planning: GIS, Multicriterion
Approach, Choquet’s Integral and Genetic Algorithms», ERIMA07',
15-16 Mars, France, 2007.
[Hok et al, 97a] J. Hokkanen, and P. Salminen, «Choosing a solid waste management
system using multicriteria decision analysis», European Journal of
Operational Research, Vol. 98, pp. 19-36, 1997
[Hok et al, 97b] J. Hokkanen and P. Salminen, “Electre III and IV decision aids in an
environmental problem,” Journal of Multi-criteria Decision
Analysis, Vol. 6, pp. 215-226, 1997.
[Joe, 97] F. Joerin, « Décider sur le territoire : Proposition d’une approche par
l’utilisation de SIG et de AMC », Thèse Doctorat, Ecole
Polytechnique Federale de Lausanne, Suisse, 1997.
[Joe, 02] F. Joerin, « Introduction à l’Aide à la Décision », Présentation,
Centre Universitaire d'Ecologie Humaine et des Sciences de
l'Environnement, Suisse, 2002
[Kos, 89] A.-V.Koshkariov, V.-S. Tikunove et A.-M. Trofimov, «The current
State and the Main Trends in the Development of Geographical
Information Systems in the USSR», International Journal of
Geographical Information Systems 3-3:215-232, 1989.
[Laa, 95] A.Laarbi, «Système d'Information Géographique et Analyse
Multicritère: Intégration pour l'aide à la décision à référence
Spatiale », Thèse Doctorat, Faculté de Foresterie et Géomatique,
Centre de recherche en Géomatique, Université Laval, Québec,
1995.
[Lab et al, 03] K.Labed et I. Karriche, « Classification de mémoire satellitaires par
les algorithmes génétiques », projet de fin d'étude, Université USTO
Mohamed Boudiaf, Oran, Algérie, 2003.
[Lao, 05] R.Laouar, « Contribution pour l’aide à l’évaluation des projets de
déplacements urbains », Thèse Doctorat, Laboratoire d'Automatique,
de Mécanique, et d'Informatique industrielles et Humaines
(LAMIH), Université de Valenciennes et du Hainaut Cambrésis
France, 2005.
[Lau, 93] R.Laurini., « Les base des données en géomatiques », Traité des
technologies–série géomantique. Edition Hermés, Paris.
1993
[Leh, 05] N. Lehoux « Analyse Multicritère », Note de cours, Étudiante au
doctorat en génie industriel, Ecole polytechnique, Canada, 2005.
[Lev et al, 04] J.Lévy, F.Golay, M. Schuler, J.Macquat, B.Beaude « Théorie du
territoire », Cours d’aménagement du territoire, EPFL, Lausanne,
Suisse, 2004.
[Ley, 05] J.C Leyva López ,“ Multicriteria Decision Aid Application To A
Student Selection Problem”, Pesquisa Operacional, v.25, n.1, p.45-
68, Janeiro a Abril de 2005.
[Ley et al, 03] J.C.Leyva-López and E. Fernández-González, “A new method for
group decision support based on ELECTRE III methodology,”
European Journal of Operational Research, Vol. 148, pp. 14-27,
2003.
[Lil et al, 02] Z. Lili chabaane, I. Friaa, A. Rhouma et M. Ferchichi, «Choix d’un
site de décharge de déchets industriels : utilisation de SIG et de
l’analyse multicritère », Proceedings of International Symposium on
Environmental Pollution Control and Waste Management, Tunis, 7-
10 January 2002.
[Mac, 87] H.Macris, « Application d’Electre IV à l’étude de la qualité de
l’environnement », Institut de Génie de l’Environnement, École
Polytechnique Fédérale de Lausanne, Suisse, 1987.
[Mar, 02] P.Marmonier, « L’information géographique », Ecole Nationale
des Sciences Géographiques, France, 2002.
[Mat, 04] MATE (Ministère de l’Aménagement du Territoire et de
l’Environnement), « Aménager l’Algérie de 2020 », Alger, Algérie,
2004.
[May et al, 94] L.Y Maystre, J. Pictet, et J. Simos «Méthodes multicritères
ELECTRE », Presses Polytechniques et Universitaires Romandes,
Lausanne, Suisse, 1994.
[May et al, 99] L.Y.Maystre, D.Bollinger, « Aide à la négociation multicritère:
pratique et conseils », PPUR, Lausanne, Suisse, 1999.
[Mer et al, 00] P.Merlin et F.Choay, « Dictionnaire de l'urbanisme et de
l'aménagement » PUF, France, 2000.
[Mon et al, 04] J.Monod et F.Castelbajac, « L’Aménagement Du Territoire »,
Collection Que Sais-je ?, Edition PUF, France, 2004.
[Mol, 03] N.Molines, « Méthodes et outils pour la planification des grandes
infrastructures linéaires et leur évaluation environnementale », Thèse
Doctorat, Université de St Etienne, CRENAM, France, 2003.
[Mou, 03] V.Mousseau, «Méthodes de Surclassement », Note de Cours pour
DEA "Méthodes Scientifique de Gestion", 2002-2003.
[Mot, 99] V.Mottier, « Un composant logiciel pour les systèmes informatisés
de gestion des réseaux d’assainissements », Ecole polytechnique
fédérale de Lausanne, Suisse, 1999.
[Pel, 04] V.Pellissier, «Evaluation des Stratégies pour la Gestion du Risque
Sismique du Bâtiment», Thèse Doctorat, Ecole Polytechnique
Fédérale De Lausanne (EPLF), Suisse, 2004.
[Poh et al, 99] K.L.Poh and B.W.Ang, “Transportation fuels and policy for
Singapore: an AHP planning approach” Computers and Industrial
Engineering, Vol. 37, pp. 507-525, 1999.
[Ren, 94] J.M.Renders, « Algorithmes génétiques et réseaux de neurones »,
Editions Hèrmes, France, 1994.
[Rey, 95] M.Rey, «La gestion du processus de consultation et de décision : un
nouvel enjeu en aménagement du territoire», Solution de conflits
environnementaux par la négociation, Exemples suisses et
étrangers,Collection Oekologie und Gesellschaft, Helbing und
Lichtenhahn, 1995.
[Rog et al, 96] M.Rogers and M.Bruen, “Using ELECTRE to rank options within a
highway environmental appraisal - two case studies,” Civil
Engineering Systems, Vol. 13, pp. 203-221, 1996.
[Rog et al, 99a] M.G. Rogers, M. Bruen and L.-Y. Maystre, “Chapter 5: Case Study
1: Finding the Best Location for the Galway Wastewater Treatment
Plant,” Electre and Decision Support, Kluwer Academic Publishers,
Boston, MA, U.S.A, 1999.
[Rog et al, 99b] M.G. Rogers, M. Bruen and L.-Y. Maystre, “Chapter 6: Case Study
2: Choosing the Best Waste Incineration Strategy for the Eastern
Switzerland Region,” Electre and Decision Support, Kluwer
Academic Publishers, Boston, MA, U.S.A, 1999.
[Roh, 02] S.Roche « Les enjeux sociaux de systèmes d’information
géographique », Les cas de la France et du Québec, coll Géographie
sociale. Edition de l’Harmattan, Paris, 2002.
[Rou, 04] O.Roudenko, « Application des algorithmes évolutionnaires aux
problèmes d'optimisation multi objectif avec contraintes », Thèse
Doctorat, Centre de Mathématiques Appliquées (CMAP), École
Polytechnique, Paris, France, 2004.
[Roy, 81] B. Roy, « The optimisation problem formulation: criticism and
overstepping », The Jounal of the Operational Research Society, 32,
6, 427-436,1981.
[Roy et al, 81] B. Roy et J.C.Hugonnard, «Classement des prolongements de lignes
de métro en banlieue parisienne», Lamsade (Université Dauphine) et
RATP, Paris, 1981.
[Roy et al, 93] B. Roy et D. Boyssou, « Aide multicritère à la décision : Méthodes
et cas », Economica, Paris, 1993.
[Sch, 85] A.Schärlig, « Décider sur plusieurs critères, panorama de l’aide à la
décision multicritère », Collection Diriger l’entreprise, Presses
Polytechniques et Universitaires Romandes, Lausanne, Suisse, 1985.
[Sch, 96] A.Schärlig, « Pratiquer Electre et Prométhée : un complément à
décider sur plusieurs critères », Presses polytechniques et
universitaires, Lausanne, Suisse, 1996.
[Sim, 77] H.A. Simon, «The new science of management decision», Prentice –
Hall, Englewood Cliffs, 1977.
[Spa, 99] A.Spalanzani, « Algorithmes évolutionnaires pour l’étude de la
robustesse des systèmes de reconnaissance automatique de la
parole», Thèse de Doctorat, Université Joseph-Fourier - Grenoble I,
France, 1999.
[The, 96] M.Thériault, « Systèmes d’information Géographique, Concepts
fondamentaux », Note de cours, LATIG, Département de géographie,
Université Laval, Québec, 1996.
[Tik, 02] A. Tikniouine et M. El Adnani, « Essai d’intégration des SIG à
représentation multiple et des méthodes multicritères d'aide à la
décision pour l'aménagement du territoire », 56th Meeting of the
European Working Group "Multiple Criteria Decision Aiding",
Coimbra - Portugal - October 3-5, 2002
[Til, 00] M.Tille, « Choix de Variantes d’Infrastructures Routières : Méthodes
Multicritères », Thèse Doctorat, Ecole Polytechnique Fédérale De
Lausanne (EPLF), Suisse, 2000.
[Tri, 00] E.Triantaphyllou,” Multi-Criteria Decision Making Methods: A
Comparative Study”, Kluwer Academic Publishers, Boston, MA,
U.S.A, 2000.
[Tri, 01] E.Triantaphyllou, “Two New Cases of Rank Reversals when the
AHP and Some of its Additive Variants are Used that do not Occur
with the Multiplicative AHP,” Multi-Criteria Decision Analysis,
(May 2001 issue) Vol. 10, pp. 11-25, 2001.
[Vin, 89] P.Vincke, « L'aide multicritère à la décision », Éditions de
l'Université de Bruxelles, Bruxelles 1989.
[Wang et al, 06] X.Wang, and E. Triantaphyllou, “Ranking Irregularities When
Evaluating Alternatives by Using Some ELECTRE
Methods,”Omega, Vol. x, No. x, pp. xxx-xxx, in print, 2006.
Références Internet
[Net 1] L’encyclopédie libre wikipedia http://fr.wikipedia.org
[Net 2] « Manuel d'introduction à l'Aide à la Décision Territoriale »,
Université Laval, Québec :
http://www.adt.chaire.ulaval.ca/4_ressources/manuel_introduction.p
hp
[Net 3] Digeste de la construction au Canada (2005) :
http://www.irc.nrccnrc.gc.ca
[Net 4] Cour sur les Algorithmes Génétiques:
http://www.enseignement.polytechnique.fr/profs/informatique/Eric.
Goubault/poly/ cours009.html