expérimentation des algorithmes génétiques …theses.univ-oran1.dz/document/th2455.pdf ·...

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.


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].


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.


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.


« 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.


− 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)


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


. 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.


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.


• 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.


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.


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 :


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


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


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


-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


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


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


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


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


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


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


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


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


• 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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


• 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


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


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


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


• 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


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


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


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


• 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


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


« 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


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


• 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


• 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


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


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


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


- 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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


• 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


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


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


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


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


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


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



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.


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


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


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


Figure 4.10: Zone d'étude pour l'exemple 2

Résultats Par utilisation de Electre III



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


- 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):


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)

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


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


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


• 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