@misc{17168, author = {Mohamed Belaid and Nassim Belmecheri and Nadjib Lazaar and Arnaud Gotlieb and Helge Spieker}, title = {Approche g{\'e}n{\'e}rique pour l{\textquoteright}acquisition de contraintes qualitatives}, abstract = {De nombreux probl{\`e}mes de planification et d{\textquoteright}ordonnance- ment impliquent la conception de subtiles combinaisons lo- giques de contraintes temporelles ou spatiales. D{\textquoteright}une part, la mod{\'e}lisation pr{\'e}cise de ces contraintes, qui sont formu- l{\'e}es dans diverses alg{\`e}bres de relations, implique un cer- tain nombre de combinaisons logiques possibles et n{\'e}ces- site une expertise en mod{\'e}lisation bas{\'e}e sur les contraintes. D{\textquoteright}autre part, l{\textquoteright}acquisition active de contraintes (AC) a {\'e}t{\'e} utilis{\'e}e avec succ{\`e}s pour aider les utilisateurs non exp{\'e}- riment{\'e}s {\`a} apprendre les r{\'e}seaux de contraintes conjonc- tives par la g{\'e}n{\'e}ration d{\textquoteright}une s{\'e}quence de requ{\^e}tes. Dans cet article, nous proposons GEQCA, pour Generic Quali- tative Constraint Acquisition, une m{\'e}thode d{\textquoteright}AC active qui apprend les contraintes qualitatives via le concept de re- qu{\^e}tes qualitatives. GEQCA combine les requ{\^e}tes quali- tatives avec la coh{\'e}rence de chemin limit{\'e}e dans le temps (PC pour Path Consistency) et la propagation des connais- sances de base pour acqu{\'e}rir les contraintes qualitatives. Nous prouvons la correction, la compl{\'e}tude et la terminai- son de GEQCA et nous donnons une {\'e}valuation exp{\'e}ri- mentale qui montre (i) l{\textquoteright}efficacit{\'e} de notre approche dans l{\textquoteright}apprentissage des contraintes temporelles et, (ii) l{\textquoteright}utilisa- tion de GEQCA sur des instances r{\'e}elles d{\textquoteright}ordonnance- ment.}, year = {2023}, journal = {JFPC}, }