Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Kerboui"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    Méthodes multicritères et degré de dominance
    (2025-11-30) Kerboui; Roumeissa
    Cette thèse relève de l’aide multicritère à la décision (AMCD), dont l’objectif est d’évaluer des alternatives selon plusieurs critères souvent contradictoires. Elle propose des améliorations de certaines méthodes de surclassement, notamment PROMETHEE II, par l’intégration d’opérateurs d’agrégation avancés. Elle approfondit également l’étude de la méthode basée sur le degré de dominance appliquée aux données intervalles, en analysant son impact sur le classement et le phénomène d’inversion de rang. Les contributions proposées améliorent la robustesse et la cohérence des classements, tout en réduisant les inversions de rang. Des perspectives futures concernent l’extension de ces approches à d’autres contextes décisionnels et aux systèmes de recommandation.
  • No Thumbnail Available
    Item
    Méthodes multicritères et degré de dominance
    (2025-11-30) Kerboui; Roumeissa
    Cette thèse relève de l’aide multicritère à la décision (AMCD), dont l’objectif est d’évaluer des alternatives selon plusieurs critères souvent contradictoires. Elle propose des améliorations de certaines méthodes de surclassement, notamment PROMETHEE II, par l’intégration d’opérateurs d’agrégation avancés. Elle approfondit également l’étude de la méthode basée sur le degré de dominance appliquée aux données intervalles, en analysant son impact sur le classement et le phénomène d’inversion de rang. Les contributions proposées améliorent la robustesse et la cohérence des classements, tout en réduisant les inversions de rang. Des perspectives futures concernent l’extension de ces approches à d’autres contextes décisionnels et aux systèmes de recommandation.

Dspace USTHB copyright @ 2025

  • Elearning
  • Campus virtuel Moodle
  • Messagerie
  • Portail de l'université