Une technique de machine learning pour le choix d’une méthode d’AMD pour le ranking de projets : cas SONATRACH

dc.contributor.authorKARA, Mohamed Ryadh
dc.contributor.authorSERSOUR, Massine
dc.date.accessioned2022-05-18T07:52:09Z
dc.date.available2022-05-18T07:52:09Z
dc.date.issued2020
dc.description87 p. : ill. ; 30 cm.en_US
dc.description.abstractTout au long de ce mémoire, notre travail consistait à modéliser, concevoir et mettre en place un système d’aide à la décision multicritère pour ensuite résoudre le problème de ranking à l’aide de trois méthodes (TOPSIS, SMART, SAW) ensuite de faire une comparaison entre ces méthodes pour savoir laquelle est la plus adéquate pour ce genre de problème. Nous avons proposé un processus basé sur la méthode de machine learning (ML) appelé KNN pour identifier la meilleure méthode parmi celles utilisées. Nous avons trouvé que les méthodes SMART et TOPSIS ont le même score contrairement à la méthode SAW qui est éliminée. Les résultats obtenus lors de notre étude ont montré que l’aide à la décision multicritère représente certainement l’outil le plus adéquat pour un problème multicritère à une compagnie telle que Sonatrach, pour la comparaison à l’aide de technique de machine learning était satisfaisante malgré que la dimension de l’échantillon utilisé n’est pas très grande, et nous proposons à l’entreprise d’inclure et de prendre en charge une masse de données comme une perspective à de futures recherches.en_US
dc.identifier.urihttps://dspace.univ-boumerdes.dz/handle/123456789/8409
dc.language.isofren_US
dc.publisherM'hamed Bougara faculté des sciencesen_US
dc.subjectRanking de projetsen_US
dc.subjectMachine learningen_US
dc.subjectMéthode d’ AMDen_US
dc.subjectSONATRACHen_US
dc.titleUne technique de machine learning pour le choix d’une méthode d’AMD pour le ranking de projets : cas SONATRACHen_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
memoire finale 31.08.2020.pdf
Size:
2.11 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections