Méthode pour trouver les meilleurs produits par les cartes rough sets

La théorie des Rough Sets repose sur un concept mathématique développé par Z. Pawlak au début des années 1980, basée sur la théorie des ensembles « approximatifs ou vagues ». Il consiste à traiter l’information « vague » ou « imparfaite » dans le cadre de l’aide à la décision afin d’obtenir des classements d’objets.

Cette théorie s’appuie sur les différences perçues entre divers objets pour construire des classes d’objets n’ayant pas de différence fondamentale : c’est le principe de l’indiscernabilité.

Le principe de la théorie des Rough Sets repose sur le peu d’information dont nous disposons pour discerner certains objets entre eux. Ainsi, plusieurs objets, bien choisis, sont utilisés pour en connaître les différences, voire les comparer.

Au cours des différents travaux, la théorie des Rough Sets a évolué grâce à différents auteurs en introduisant la notion de règles de préférence et de non préférence. Son principe opérationnel consiste à extraire un échantillon d’actions, d’idées ou d’alternatives et de les faire classer par un expert par ordre de préférence et de non préférence. Ce classement va constituer une mesure des préférences que l’on va convertir en règles de préférence et de non préférence, sous forme de code binaire. Ce classement de l’échantillon se fait par rapport à une cible marché ou client. Ainsi, la connaissance de l’expert est englobée dans le classement.

Ce profil décisionnel de l’expert obtenu sous forme de code binaire est alors appliqué à l’ensemble des idées ou alternatives afin de définir différentes zones de préférences d’importances différentes, selon le calcul d’un score.