Équipe : DECISION - Décision
Axes : AID (👥👥), TMC (👥👥).Responsable :
Patrice Perny Campus Pierre et Marie Curie 26-00/411
Aucune manisfestation prévue actuellement.
Brève présentation
Les travaux de l’équipe Décision se situent au coeur des interactions entre théorie de la décision et algorithmique de l’optimisation et portent sur la modélisation et la résolution de problèmes de décision et d’optimisation. Nous menons d’une part des travaux de modélisation visant à produire des représentations formelles de situations décisionnelles complexes (modélisation de préférences individuelles et collectives, modélisation du contexte décisionnel, approche multicritère, modélisation des croyances, de l’incertain et du risque, modélisation de grands systèmes en vue de leur optimisation) et d’autre part des travaux de nature algorithmique visant à résoudre les problèmes formels posés et déterminer efficacement les solutions préférées/optimales parmi un ensemble de solutions défini en compréhension (problèmes combinatoires, optimisation continue sous contraintes). Les applications potentielles concernent les systèmes d'aide à la décision (préparation rationnelle de décisions importantes, systèmes de recommandation sur le web), la décision automatique (agents décisionnels autonomes) et l'optimisation dans les grands systèmes (télécommunication, transport, énergie).
- Décision sur domaine combinatoire (Décision et optimisation multi-objectifs, Décision dynamique dans l’incertain et le risque, Choix social computationnel)
- Modèles graphiques (Réseaux d’utilité GAI, réseaux bayésiens, graphes contextuels)
- Modélisation et optimisation des systèmes (Etudes des relaxations pour l’optimisation en nombres entiers, Optimisation dans les réseaux, Optimisation robuste)
- Systèmes de Décision (Elicitation, Recommandation, Explication, Contexte)
- Les compétences de l'équipe couvrent l'ensemble du spectre de la problématique décisionnelle, allant du développement de modèles théoriques et de leur justification mathématique aux applications réelles en passant par la modélisation de problèmes et le développement d'algorithmes et de systèmes décisionnels.
- Nos travaux, du fait des outils formels qu'ils utilisent et combinent, mais aussi des problématiques abordées, concernent aussi bien la Recherche Opérationnelle que l'Intelligence Artificielle, et l'équipe publie dans les deux communautés.
Théorie de la décision algorithmique, modélisation et apprentissage de préférences, décision multicritère et collective, décision dans l’incertain, modèles graphiques, programmation mathématique, optimisation des systèmes, contexte, systèmes décisionnels.
Sélection de publications
- M. Herin, P. Perny, N. Sokolovska : “Learning Preference Models with Sparse Interactions of Criteria” IJCAI 2023 - The 32nd International Joint Conference On Artificial Intelligence, Macao, China[Herin 2023]
- H. Ouzia, R. Vicente Pinto, N. Maculan : “A New Second-Order Conic Optimization Model for the Euclidean Steiner Tree Problem in R^d” International Transactions in Operational Research, (Wiley)[Ouzia 2023]
- H. Gilbert, T. Portoleau, O. Spanjaard : “Beyond pairwise comparisons in social choice: A setwise Kemeny aggregation problem” Theoretical Computer Science, vol. 904, pp. 27-47, (Elsevier)[Gilbert 2022c]
- B. Escoffier, O. Spanjaard, M. Tydrichová : “Weighted majority tournaments and Kemeny ranking with 2-dimensional Euclidean preferences” Discrete Applied Mathematics, vol. 318, pp. 6-12, (Elsevier)[Escoffier 2022b]
- M. Herin, P. Perny, N. Sokolovska : “Learning Sparse Representations of Preferences within Choquet Expected Utility Theory” Proceedings of the Thirty-Eighth Conference on Uncertainty in Artificial Intelligence, vol. 180, Proceedings of Machine Learning Research, Eindhoven, Netherlands, pp. 800-810, (PMLR)[Herin 2022b]
- M. Lasserre, R. Lebrun, P.‑H. Wuillemin : “Learning Continuous High-Dimensional Models using Mutual Information and Copula Bayesian Networks” Proceedings of the AAAI Conference on Artificial Intelligence, vol. 35 (13), AAAI-21 Technical Tracks 13, Vancouver, Canada, pp. 12139-12146[Lasserre 2021c]
- N. Gross‑Humbert, N. Benabbou, A. Beynier, N. Maudet : “Sequential and Swap Mechanisms for Public Housing Allocation with Quotas and Neighbourhood-Based Utilities (Extended Abstract)” Proceedings of the 20th International Conference on Autonomous Agentsand Multiagent Systems (AAMAS 2021), London / Online, United Kingdom[Gross-Humbert 2021]
- N. Benabbou, C. Leroy, Th. Lust, P. Perny : “Combining Preference Elicitation with Local Search and Greedy Search for Matroid Optimization” Proceedings of the 35th AAAI Conference on Artificial Intelligence (AAAI'21), Virtual, France[Benabbou 2021a]
- M. Lasserre, R. Lebrun, P.‑H. Wuillemin : “Constraint-based learning for non-parametric continuous bayesian networks” Annals of Mathematics and Artificial Intelligence, vol. 89, pp. 1035-1052, (Springer Verlag)[Lasserre 2021b]
- N. Benabbou, H. Martin, P. Perny : “Min Cost Improvement and Max Gain Stability in Multicriteria Sorting Methods on Combinatorial Domains” Journal of Multi-Criteria Decision Analysis, (Wiley)[Benabbou 2021d]
- V. Nguyen, M. Minoux : “Linear size MIP formulation of Max-Cut: new properties, links with cycle inequalities and computational results” Optimization Letters, (Springer Verlag)[Nguyen 2020]
- P. Brézillon : “Modeling and Using Context: 25 Years of Lessons Learned” chapter in Modeling and Use of Context in Action, (Wiley & Sons Ltd), (ISBN: 978-1-78630-829-0)[Brézillon 2022a]