Apprentissage d'intégrales de Sugeno à partir de données inconsistantes
En prenant pour cadre de référence l'aide à la décision
multi-critéres et l'agrégation de préférences, cet article
traite de l'apprentissage de l'intégrale de Sugeno à partir
de données inconsistantes, et dont les valeurs appartiennent
`a un ensemble totalement ordonné. Il s'agit d'un
problème d'optimisation difficile, puisqu'une intégrale
de Sugeno est définie d'après 2n valeurs, o`u n est le
nombre de paramètres. Dans cet article nous considérons
deux méthodes : la première est une application du recuit
simulé, et la seconde est un nouvel algorithme reposant
sur la séléction préalable d'un sous-ensemble de données
consistantes, dont le temps d'exécution est peu sensible `a
la valeur de n.
