Upload
jeremie-bonhomme
View
105
Download
1
Embed Size (px)
Citation preview
Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Définition d’un cadre méthodologique pour la conception de modèles multi-
agents adaptée à la gestion des ressources renouvelables
Soutenance de thèse, Université de Montpellier 2, école doctorale I2S
7 mai 2009
Pierre Bommel
2 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Contexte de la thèse
Equipe pluridisciplinaire du Cirad sur la gestion des ressources renouvelables
Interactions :
gestion collective, disponibilité et
conflits d’accès, pollution,
épidémies, viabilité…
Dynamiques naturelles
couvert
sol
Dynamiques économiques et sociales
foncier
3 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Simulations
Modèle
Représentation
Simulateur
Scientifiques
Décideurs
Producteurs
adéquation?
?
Con
fian
ce, U
tilité?
Fiabilité
?
Robustesse
Adéquation au discours
?Objectivité
0
2000
4000
6000
8000
0 5 10 15 20 25 30 35
forêt
arbres de valeur
jachère
pâturage
troupeau
cacao
culture annuelle
Forêt+cacao
Superficie(alquère)
ans0
2000
4000
6000
8000
0 5 10 15 20 25 30 35
forêt
arbres de valeur
jachère
pâturage
troupeau
cacao
culture annuelle
Forêt+cacao
Superficie(alquère)
ans
Résutats
Scénarios prospectifs
4 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Des questions sur les modèles multi-agentsface à d'autres formes de modélisation
Robustesse du modèle Réplication et alignement de modèles Lisibilité des modèles multi-agents Statut de la simulation et ses conséquences
pour la validation des SMA• Fiabilité du simulateur • Vérification et « validation »”Building the model right” vs ”Building the right
model” [Balci, 1998]
Besoin de proposer un cadre méthodologique pour la conception de modèles multi-agents
5 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Une vision "standard" de la modélisation
Une démarche
Observationdu système Calibration
AnalyseConceptualisation ValidationImplémentation
• Le processus de modélisation
Des limites• Validation• Observation
6 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Qu'apporte la notion de validation à un modèle ?
Comparer les résultats à des données empiriques Essentiel … mais pas suffisant pour assurer la
validité du modèle• Quelles données ? Quelle corrélation ? Combien de jeux
de données cf. Cygne noir [Taleb, 2008] • Quel fonctionnement du modèle ? Résultats cohérents,
modèle aberrant • Réfutation comme critère d'invalidité [Popper, 1973;
Lakatos 1974] Il est donc dangereux de parler de modèle validé
• Modèle validé = modèle juste• Certitude => décisions en se fiant aux seuls résultats
Proposition de substituer "évaluation, vraisemblance" du modèle à "validation"
Observationdu système Calibration
AnalyseConceptualisation ValidationImplémentation
7 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
L'observation est-elle neutre ?
Les limites du représentationnisme• Observation non neutre, issue de l'adaptation de modèles
cognitifs :”la théorie joue un rôle crucial préalablement à l'observation: elle l'oriente” [Chalmers, 1982]
• Sélection au préalable les variables que nous considérons déterminantes
• Construction d'une re-présentation [Piaget, 1968], [Watzlawick, 1978], [Damasio, 1999]
Une illusion de neutralité du modèle quand l'option KIDS est choisie [Edmonds & Moss, 2004]
Proposition : révéler la complexité au travers de la simulation plutôt qu'au travers de la structure du modèle
Observationdu système Calibration
AnalyseConceptualisation ValidationImplémentation
8 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Le processus de modélisation est-il une démarche linéaire ?
Modèle du domaine
Modèle opérationnel
Modèle de conception
Environnement de simulation informatique
Résultats
Analyses
Interprétation
Conceptiondétaillée
Conceptiondétaillée
Executions Implémentation
Phénomène cible
Théories Observations
Vérification interne
Vérification externe
Validation interne
Validation externe
contrôler l’implémentation du simulateur, ( “débuggage”)
cohérence entre le modèle opérationnel et l'implémentation
cohérence entre modèle conceptuelet les résultats des simulations
adéquation entre le modèle etle phénomène étudié
“Validation”
Vérification
[Meurisse, 2004 ]
Observationdu système Calibration
AnalyseConceptualisation ValidationImplémentation
9 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
ConcevoirStructurerFormaliser
ÉvaluerComparer
Les deux apports centraux de la thèse
1) Une proposition de démarche méthodologique• Vers un processus récursif
de modélisation
2) Des approfondissements de phases techniques • Gestion du temps et des
interactions• Sensibilité• Réplication• Evaluation
ComprendreAnticiper
10 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
I. Une proposition d'un cadre méthodologique
Explicitation de la question centrale
Question
11 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Une proposition d'un cadre méthodologique
Explicitation de la question centraleLa récursive de la démarche
ConcevoirStructurerFormaliser
ÉvaluerComparer
Question
12 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Une proposition d'un cadre méthodologique
Explicitation de la question centraleLa réflexité de la démarcheLa nécessité d'autres phases
• Communication• Réplication/ critique
13 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Conceptionglobale
Cohérence des comportements
individuels
Testsunitaires
Testsunitaires
Testsunitaires
Simplification
Complexification
Conceptionglobale
Conceptiondétaillée
Analyse de sensibilité
Implémentation
Autre modèle
Comparaison à des données
Comparaison à d’autres modèles E
valu
atio
n
AnalyseConception
AnalyseConception
ExplorationÉvaluation
ExplorationÉvaluation
Définition des objectifs
Question
De deux phases….
Définition des objectifs
Question
AnalyseConception
AnalyseConception
ExplorationÉvaluation
ExplorationÉvaluation
14 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Conceptionglobale
Formalisation
Description adaptée à la
critique
Description adaptée à la réplication
Publication
Cohérence des comportements
individuels
Testsunitaires
Testsunitaires
Testsunitaires
Réplicationindépendante
Réplicationindépendante
Critiquesdu modèle
Simplification
Complexification
Conceptionglobale
Conceptiondétaillée
Analyse de sensibilité
Implémentation
Définition des objectifs
Question
Autre modèle
Comparaison à des données
Comparaison à d’autres modèles E
valu
atio
n
AnalyseConception
AnalyseConception
ExplorationÉvaluation
ExplorationÉvaluation
CommunicationCommunicationRéplicationCritique
RéplicationCritique code
diagrammes
analyses
Mis
e à
disp
ositi
on
Nouveau cyclede modélisation
… à quatre phases
15 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
II. les approfondissements des phases techniques
Des resultats sur des points en débat • Gestion des interactions et du temps
dans les SMA• Sensibilité et robustesse des modèles• Réplication du simulateur • Evaluation des modèles
Illustrations à partir d'analyses de modèles existants et de travaux réalisés
16 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Des problèmes intrinsèquement liés
Conceptionglobale
Formalisation
Description adaptée à la
critique
Description adaptée à la réplication
Publication
Cohérence des comportements
individuels
Testsunitaires
Testsunitaires
Testsunitaires
Réplicationindépendante
Réplicationindépendante
Critiquesdu modèle
Simplification
Complexification
Conceptionglobale
Conceptiondétaillée
Analyse de sensibilité
Implémentation
Définition des objectifs
Question
Autre modèle
Comparaison à des données
Comparaison à d’autres modèles E
valu
atio
n
AnalyseConception
AnalyseConception
ExplorationÉvaluation
ExplorationÉvaluation
CommunicationCommunicationRéplicationCritique
RéplicationCritique code
diagrammes
analyses
Mis
e à
di
spos
ition
II. les approfondissements des phases techniques Gestion du temps et des
interactions 3 problèmes :
• Les artefacts liés à la gestion du temps
• Les conflits liés à la gestion des interactions et à l'autonomie des agents
• L'ordonnancement des activations
17 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Parallèlisme et résolution de conflitstep
moveWest
extinct
[Fire] [¬Fire]
perceiveFire
stepstepstep
moveWest
extinct
[Fire] [¬Fire]
perceiveFire
moveWestmoveWest
extinctextinct
[Fire] [¬Fire]
perceiveFireperceiveFire
incrémenterTemps
propager
:Feu:OrdonnanceurSynchrone
bougerOuest
éteindre
:Pompier
incrémenterTemps
propager
:Feu:OrdonnanceurSynchrone
bougerOuest
éteindre
:Pompier
Synchrone S1: active simultanément la propagation du feu et le déplacement du pompier (2 actions indépendantes)
propager
bougerEstextinction
[¬foret] [cellule Est en foret]
changerCouvert(Cendre)
changerCouvert(feu)
propagerpropager
bougerEstbougerEstextinctionextinction
[¬foret] [cellule Est en foret]
changerCouvert(Cendre)changerCouvert(Cendre)
changerCouvert(feu)changerCouvert(feu)
:OrdonnanceurAsynchrone :Pompier:Feu
incrémentation du tempst ← t+1
propager()
stepPompier() bougerOuest()
éteindre()
sd: main step A1
:OrdonnanceurAsynchrone :Pompier:Feu
incrémentation du tempst ← t+1
propager()
stepPompier() bougerOuest()
éteindre()
sd: main step A1
Asynchrone A1: l'ordonnanceur active d'abord la propagationdu feu, puis il active le pompier
18 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Illustration : parallèlisme et résolution de conflit
Pompier Foret
FeuExtinction
Cendre Vide
Asynchrone A1stepDiffusionpuis stepPompier
Asynchrone A2stepPompierpuis stepDiffusion
SynchroneS1 et S2
État initial EI2État initial EI1
t0
t1
t2
EI1-A1
t0
t1
t2
EI2-A1
t0
t1
t2
EI1-A2
t0
t1
t2
EI2-A2
t0
t1
t2
EI1-S1 S2
t0
t1
t2
EI2-S1 S2
Pompier Foret
FeuExtinction
Cendre Vide
Pompier Foret
FeuExtinction
Cendre Vide
PompierPompier ForetForet
FeuFeuExtinctionExtinction
CendreCendre VideVide
Asynchrone A1stepDiffusionpuis stepPompier
Asynchrone A2stepPompierpuis stepDiffusion
SynchroneS1 et S2
État initial EI2État initial EI2État initial EI1État initial EI1
t0
t1
t2
EI1-A1
t0
t1
t2
t0t0
t1t1
t2t2
EI1-A1
t0
t1
t2
EI2-A1
t0
t1
t2
t0
t1
t2
EI2-A1
t0
t1
t2
EI1-A2
t0
t1
t2
t0t0
t1
t2
EI1-A2
t0
t1
t2
EI2-A2
t0
t1
t2
t0
t1
t2
EI2-A2
t0
t1
t2
EI1-S1 S2
t0
t1
t2
t0t0
t1
t2
EI1-S1 S2
t0
t1
t2
EI2-S1 S2
t0
t1
t2
t0
t1
t2
EI2-S1 S2
step
moveWest
extinct
[Fire] [¬Fire]
perceiveFire
stepstepstep
moveWest
extinct
[Fire] [¬Fire]
perceiveFire
moveWestmoveWest
extinctextinct
[Fire] [¬Fire]
perceiveFireperceiveFire
step
moveWest
extinct
[Fire] [¬Fire]
perceiveFire
[Fire]
[¬Fire]
perceiveFire
19 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Simultanéité et résolution de conflit
Aucun choix technique de gestion des interactions n' y échappe • Architectures multiprocesseurs, distribuées ou
multithreadées o La cohérence du monde simulé est plus difficile à
maintenir. o Fonctionne si activités indépendantes o Nécessité de synchroniser les agents quand ils
interagissent, mais mêmes problèmes que dans les situations classiques.
• Simuler le parallélisme : artifices des automates cellulaires ou principe Influence-Réaction [Ferber & Müller, 96]
o Percevoir le même état du monde, reporter la validation des actions
20 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
L'ordonnancement des activations
Le cas d' interactions indirectes
Reimplémentation de [Michel, 2004]
1 2..*< consume
Resource
levelgrowthIndex=10
growBack()
Agent
energycataRateMax=10hungryThreshold=7satietyThreshold=10
stepconsume()doNothing()catabilism()
consumer
random(0;cataRateMax)
A B
R
seuilFaim (7)
seuilSatiété (10)
énergie niveau de ressource
consommer
21 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Gestion des interactions
level ←level+growthIndex
consume(satietyThreshold-energy)
sd: scénario 1
res:Resource
t ← t+1
sortingAgentsOrder()
* step()
growback()
ag:Agent
[ag.energy<ag.hungryThreshold]
updateAgentList()
:Scheduler
level ←level- qty
catabolism
energy ← energy + qty
qty
qty=Min(level ;satietyThreshold-energy)energy←energy -
random(0;cataRateMax)
level ←level+growthIndex
consume(satietyThreshold-energy)
sd: scénario 1
res:Resourceres:Resource
t ← t+1t ← t+1
sortingAgentsOrder()
* step()
growback()
ag:Agentag:Agent
[ag.energy<ag.hungryThreshold]
updateAgentList()updateAgentList()
:Scheduler:Scheduler
level ←level- qty
catabolism
energy ← energy + qty
qty
qty=Min(level ;satietyThreshold-energy)qty=Min(level ;satietyThreshold-energy)energy←energy -
random(0;cataRateMax)energy←energy -random(0;cataRateMax)
level ←level+growthIndex
sd: scénario 2
res:Resource
t ← t+1
* step()
growback()
ag:Agent
[ag.energy<ag.hungryThreshold]
updateAgentList()
:Scheduler
level ←level- qty
catabolism
energy ← energy + qty’
energy←energy -random(0;cataRateMax)
qtyAsked←satietyThreshold-energy
distributeEnergy()
see distributeEnergyactivity diagram
level ←level+growthIndex
sd: scénario 2
res:Resourceres:Resource
t ← t+1t ← t+1
* step()
growback()
ag:Agentag:Agent
[ag.energy<ag.hungryThreshold]
updateAgentList()updateAgentList()
:Scheduler:Scheduler
level ←level- qty
catabolism
energy ← energy + qty’
energy←energy -random(0;cataRateMax)energy←energy -random(0;cataRateMax)
qtyAsked←satietyThreshold-energy
distributeEnergy()
see distributeEnergyactivity diagramsee distributeEnergyactivity diagram
Scénario 2, principe "Influences-Réaction"Calcul des quantités demandées, puis restitution par la plante (environnement) au prorata
scénario 1, consommation séquentielle. Chaque agent consomme au moment de son activation.L'ordre d'activation des agents est étudié
A B
R
Distribution au prorata
Quantitédésirée
Quantitédésirée
AA BB
RR
Distribution au prorata
Quantitédésirée
Quantitédésirée
A B
R
consommerAA BB
RR
consommer
22 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
0
50
100
150
200
250
32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
Indice d'accroissement de la ressource (en unité de biomasse par pas de temps)
Date
1èr
e ex
clus
ion
Influence/Reaction
MixedOrder
WeakestFirst
StrongestFirst
Durée de cohabitation
Gestion des interactions
0
5
10
15
20
25
0 10 20 30 40 50 60 70 80 90 100
In d ice d e r é g é n é r at io n d e la r e s s o u r ce
Nb
d'a
ge
nts
co
ex
ista
nts
Influen/Reaction
m ixedOrder
Indicateur de coexistence
0
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
in d ice d e cr o is s an ce d e la r e s s o u r ce
ind
ice
de
co
rré
lati
on
influen/Reactionm ixedOrderweakestFirs ts trongestFirs t
Indicateur "corrélation des comportements"
Degré de co-dépendance des agents, [Parunak et al. , 2003].Calcul inspirer de l'indice de Shannon
23 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Des résultats : Gestion du temps ET des interactions
L'approche évènementielle n'apporte pas d'avantage clair pour la modélisation des ressources renouvelables• Physique continue, difficile à mettre en œuvre
L'approche par pas de temps se justifie• Plus simple• Activation asynchrone randomisée sans influence sur les
résultats Simultanéité des actions vs ordonnancement
• résolution de conflit lors d'interactions Le choix technique de la gestion du temps ou des
interactions n'est pas neutre. • Ordre d'exécution des agents est lié au domaine
o Tri des agents par ordre de vivacité, de force, de proximité, etc. o L'ordonnancement constitue un élément du modèle
• La gestion des interactions, directes ou indirectes, fait partie intégrante du modèle
• Le concepteur doit la prendre en charge totalement, la spécifier et la justifier
24 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Conceptionglobale
Formalisation
Description adaptée à la
critique
Description adaptée à la réplication
Publication
Cohérence des comportements
individuels
Testsunitaires
Testsunitaires
Testsunitaires
Réplicationindépendante
Réplicationindépendante
Critiquesdu modèle
Simplification
Complexification
Conceptionglobale
Conceptiondétaillée
Analyse de sensibilité
Implémentation
Définition des objectifs
Question
Autre modèle
Comparaison à des données
Comparaison à d’autres modèles E
valu
atio
n
AnalyseConception
AnalyseConception
ExplorationÉvaluation
ExplorationÉvaluation
CommunicationCommunicationRéplicationCritique
RéplicationCritique code
diagrammes
analyses
Mis
e à
di
spos
ition
II. les approfondissements des phases techniques Sensibilité des modèles et
robustesse
Au delà de la sensibilité, l'exploration du modèle • Vérifier la cohérence des
comportements individuels : analyse détaillée
• Analyse de sensibilité o Signatures des paramètres o Sensibilité globale / locale o Analyse des configurations
initiales
25 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Illustration : Exploration de modèle
ECEC, Evolution of Cooperation : Réplication de [Pepper & Smuts 2000]
2 dynamiques en interactionUn modèle didactique, souvent
présenté• Comparaison avec Lotka-Volterra • Illustration du principe de Gause• Réfutation du principe de Gause
26 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
ECEC, structure
8
Landscape
Elements *
Unrestrained
-harvestRate = 0.99
Restrained
-harvestRate = 0.5
VegetationUnit
K = 10
r = 0.2
energy
step()
logisticGrowth()
neighbours
occupant
0..1< is located on
patch
1
Forager
catabolicRate = 2
fertilityThreshold = 100
harvestRate
energy
step()
energyConsume()
move()
eat()
reproduce()
die())
K
x(1rxxx t
tt1t
27 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
0
1
2
0 20 40 60 80 100
Proies (x)
Predateurs (y)
0
50
100
150
0 100 200 300 400 500
0
1000
2000
3000
4000
5000
unrestrainedSize
restrainedSize
plantEnergy
p.x.ym.y dtdy
p.x.yn.x dtdx
Ecec, résultats
Comparaison avec Lotka-Volterra
28 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Sensibilité locale/ globale
Choix des indicateurs• Valeur à T, Moyennes, …• Développement durable
L'analyse de l'ordonnancement : pas de différences
Sensibilité locale
Sensibilité globale• [Ginot et Monod, 2006]
• Hiérarchisation des paramètres
distance S(tot, i)
0
5
10
15
20
25
30
35
40
Unr
est_
harv
estR
ate
Unr
est_
fert
ility
Res
t_ha
rves
tRat
e
Unr
est_
met
abol
ic
Unr
est_
initN
b
Pla
nt_K
Pla
nt_r
Res
t_m
etab
olic
Res
t_fe
rtilit
y
Unr
est_
initE
nerg
y
Res
t_in
itEne
rgy
Pla
nt_e
nerg
yMax
Init
Res
t_bi
rthR
ange
Unr
est_
birt
hRan
ge
Res
t_in
itNb
S-Unrestrained
0
1
2
3
4
5
6
Pla
nt_K
Pla
nt_r
Pla
nt_e
nerg
yMax
Init
Unr
est_
fert
ility
Res
t_fe
rtilit
y
Unr
est_
met
abol
ic
Res
t_m
etab
olic
Unr
est_
harv
estR
ate
Res
t_ha
rves
tRat
e
Unr
est_
initE
nerg
y
Res
t_in
itEne
rgy
Unr
est_
birt
hRan
ge
Res
t_bi
rthR
ange
Res
t_in
itNb
Unr
est_
initN
b
29 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Signature des paramètres
Connaître l'influence d'un paramètre sur un indicateur
Valeur du paramètre
Taille de la population- des restraints- des non-restraints
30 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Analyse des configurations initiales
Degrès variés de fragmentation spatiale
Le principe de l'inversion de l'exclusion compétitive
0
1000
2000
3000
4000
0 2 4 6 8 10
Distance entre patchs
Dat
e d'
excl
usio
n
0
10
20
30
40
50
Tai
lle p
opul
atio
n à
T=4
000
Patch : 3x3
0
1000
2000
3000
4000
0 2 4 6 8 10
Distance entre patchs
Dat
e d'
excl
usio
n
0102030405060708090100110120130140
Tai
lle p
opul
atio
n à
T=4
000
Patch : 5x5
31 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Des résultats Exploration : une phase longue mais
indispensable pour comprendre le comportement du modèle• Vérifier et corriger les anomalies • Hiérarchiser l'influence des paramètres• Simplifier le modèle dans certains cas • Découvrir des nouvelles propriétés – non prévues dans
la conception initialeo [Ginot, 2003] "cette analyse peut bousculer les idées reçues, il
serait dommage de s'en passer" => remises en questions constructives
Robustesse [Grimm & Railsback, 2005] • hypersensibilité • schémas généraux d'évolution (patterns)• zones de stabilité dans l'espace des paramètresMieux comprendre, expliquer, anticiper les réponses
32 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Conceptionglobale
Formalisation
Description adaptée à la
critique
Description adaptée à la réplication
Publication
Cohérence des comportements
individuels
Testsunitaires
Testsunitaires
Testsunitaires
Réplicationindépendante
Réplicationindépendante
Critiquesdu modèle
Simplification
Complexification
Conceptionglobale
Conceptiondétaillée
Analyse de sensibilité
Implémentation
Définition des objectifs
Question
Autre modèle
Comparaison à des données
Comparaison à d’autres modèles E
valu
atio
n
AnalyseConception
AnalyseConception
ExplorationÉvaluation
ExplorationÉvaluation
CommunicationCommunicationRéplicationCritique
RéplicationCritique code
diagrammes
analyses
Mis
e à
di
spos
ition
II. les approfondissements des phases techniques
Réplication des modèles Toute démarche
scientifique doit être réplicable
• Difficulté de réplication des SMA ([Hales et al., 2003], M2M)
• 4 réplications faites : • Interactions [Michel, 2004],
• ECEC [Pepper & Smuts 2000] • Sugarscape [Epstein & Axtell,
1996]
• Dricol [Thébaud & Locatelli, 2001], [Sudgen, 1989]
33 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Des résultats
Constats dans l'analyse des exemples de réplication• Descriptions insuffisantes • Faiblesse des spécifications de la gestion du temps et des interactions
Réplication• Une étape nécessaire • A faire par d'autres modélisateurs que le(s) concepteur(s) du modèle
initial • Simplicité du modèle facilite la réplication
Nécessité de retravailler la description du modèle• Proposition de protocole ODD (Overview, Design concepts & Details), [Grimm et al.,
2006]
• Diagramme UML revus et adaptés à tout public • D'autres types de diagrammes restent à imaginer
Mise à disposition des diagrammes, du code et des analyses
La réplication renforce la fiabilité du simulateur et permet de réfuter un modèle : [Edmonds & Hales, 2003][Riolo et al., 2001]
34 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Conceptionglobale
Formalisation
Description adaptée à la
critique
Description adaptée à la réplication
Publication
Cohérence des comportements
individuels
Testsunitaires
Testsunitaires
Testsunitaires
Réplicationindépendante
Réplicationindépendante
Critiquesdu modèle
Simplification
Complexification
Conceptionglobale
Conceptiondétaillée
Analyse de sensibilité
Implémentation
Définition des objectifs
Question
Autre modèle
Comparaison à des données
Comparaison à d’autres modèles E
valu
atio
n
AnalyseConception
AnalyseConception
ExplorationÉvaluation
ExplorationÉvaluation
CommunicationCommunicationRéplicationCritique
RéplicationCritique code
diagrammes
analyses
Mis
e à
di
spos
ition
II. les approfondissements des phases techniques Evaluation
Impossibilité épistémologique de valider un modèle [Popper, 1985] [Bradbury, 2002]• Définir la notion de
vraisemblance du modèle par rapport au système étudié
• Donner une valeur au modèle par l'évaluation, non quantifiable
Quels critères pour donner une valeur à un modèle? • Capacité du modèle à prédire de
nouvelles observations : vérification sur des analyses rétrospectives, anticipation
• Modèle ad'hoc vs modèle à haute valeur informative
35 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Achat lot
Force de travail
Eleveur
Planteur
Sans terre
Ressources financièresAgent
MO $
couvert
sol
Gestion de l’exploitation
Embauche de maind'œuvre occasionnelle
Vente de maind'œuvre familiale
Flux de maind’œuvre
Flux d’argent
Récoltes
+
+ -
-
+
Consommation -
-
Exploitation
+ -
Restauration
Maladie -
+Vente lot
-
Achat lot
Force de travail
Eleveur
Planteur
Sans terre
Eleveur
Planteur
Sans terre
Ressources financièresAgent
MOMO $$
couvert
sol
couvert
sol
Gestion de l’exploitation
Embauche de maind'œuvre occasionnelle
Vente de maind'œuvre familiale
Flux de maind’œuvre
Flux d’argent
Flux de maind’œuvre
Flux d’argent
Récoltes
++
++ --
--
++
Consommation -Consommation --
--
Exploitation
++ --
Restauration
Maladie --
++Vente lot
--
Modèle TransAmazon : d'un modèle ad'hoc à modèle adaptatif Premier cycle de modélisation: une typologie figée de
comportements d'agents Modèle descriptif• Calendrier d'activités , comportements figés • Bonne reproduction des observations
Second cycle : plus de typologie mais la possibilité de choisir entre 2 stratégies Modèle explicatif• Typologie est reconstituée (émergence)• Bonne reproduction des observations et des parcours de vie • Pas de réponse à un scénario d'incitation à la préservation
de la forêt: ajout nécessaire d'une troisième stratégie (ad'hoc)
Troisième cycle : des comportements plus génériques à base de règles Modèle adaptatif• Création dynamique de stratégies (émergence)• Réponse en terme d'anticipation : simulation de N scenarios
par les agents et choix d'un des scénarios selon critères • Capacité de répondre à un choc exogène quelconque
36 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Agent
Espace
VicinaleExploitationpropriétaire
Parcelle
Lot
Stratégie
SansTerre EleveurPlanteur
Famille
Couverture
CulturePérenne
Jachère
ForetPâture
Troupeau
CultureAnnuelle
CouvertureVegetale
Agent
Espace
VicinaleExploitationpropriétaire
Parcelle
Lot
Stratégie
SansTerre EleveurPlanteur
Famille
Couverture
CulturePérenne
Jachère
ForetPâture
Troupeau
CultureAnnuelle
CouvertureVegetale
AgentAgent
Espace
VicinaleExploitationpropriétaire
Parcelle
Lot
EspaceEspace
VicinaleVicinaleExploitationpropriétaire
Exploitationpropriétaire
ParcelleParcelle
LotLot
Stratégie
SansTerre EleveurPlanteur
FamilleStratégie
SansTerre EleveurPlanteur
StratégieStratégie
SansTerreSansTerre EleveurEleveurPlanteurPlanteur
FamilleFamille
Couverture
CulturePérenne
Jachère
ForetPâture
Troupeau
CultureAnnuelle
CouvertureVegetale
CouvertureCouverture
CulturePérenne
Jachère
ForetPâture
Troupeau
CultureAnnuelle
CouvertureVegetale
CulturePérenneCulturePérenne
JachèreJachère
ForetForetPâturePâture
TroupeauTroupeau
CultureAnnuelleCultureAnnuelle
CouvertureVegetaleCouvertureVegetale
-consoIndividuelle=50$/mois-tarifMO = 100$/mois-probaMalade=5%/semestre -seuilExclusion = -1500$-membres = {2;8}-MOactive = {1;4}-inactifs = {1;4}-solde : $
propriétaire+valeur()...
Exploitationgère >1
propriété
1
Planteur
+stepSaisonSèche()+stepSaisonPluie()
Eleveur
+stepSaisonSèche()+stepSaisonPluie()
Stratégie
+stepSaisonSèche()+stepSaisonPluie()
+acheterLot()+vendreMO()
+vendreLot()
+bilan()
< applique1 1
Agriculteur
+supprimer (Couvert)+implanter (Couvert)+entretenir (Couvert)
+embaucherMO()+récolter()
+bilan()
SansTerre
+stepSaisonSèche()+stepSaisonPluie()+bilan()
Famille
+appliquerStratégie()
+consommer()+majMO()
+changerStrategie()
-consoIndividuelle=50$/mois-tarifMO = 100$/mois-probaMalade=5%/semestre -seuilExclusion = -1500$-membres = {2;8}-MOactive = {1;4}-inactifs = {1;4}-solde : $
propriétaire+valeur()...
Exploitation
+valeur()...
Exploitationgère >1
propriété
1
Planteur
+stepSaisonSèche()+stepSaisonPluie()
Eleveur
+stepSaisonSèche()+stepSaisonPluie()
Planteur
+stepSaisonSèche()+stepSaisonPluie()
Planteur
+stepSaisonSèche()+stepSaisonPluie()
Eleveur
+stepSaisonSèche()+stepSaisonPluie()
Eleveur
+stepSaisonSèche()+stepSaisonPluie()
Stratégie
+stepSaisonSèche()+stepSaisonPluie()
+acheterLot()+vendreMO()
+vendreLot()
+bilan()
< applique1 1
Agriculteur
+supprimer (Couvert)+implanter (Couvert)+entretenir (Couvert)
+embaucherMO()+récolter()
+bilan()
SansTerre
+stepSaisonSèche()+stepSaisonPluie()+bilan()
Famille
+appliquerStratégie()
+consommer()+majMO()
+changerStrategie()
Second cycle de modélisation
2 stratégies
37 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Emergence de la typologie Dynamique sous forme de parcours
de vie cohérents
[Ferreira, 2001], [Bonaudo, 2005]
Second cycle de modélisation
38 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Décision de la prochaine stratégie basée sur le bilan annuel => pas d'innovation
Agent anticipatif : parcours de graphes• Imagine un ensemble d’itinéraires d’assolement
Troisième cycle de modélisation
[Stinckwich, 2003], [Bonté, 2007]
39 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Une analyse sur la valeur informative d'un modèle
Modèle ad'hoc • Descriptif : fait pour présenter des données et lié à ces
données • Pas de dimension explicative • Ne peut réagir à d'autres types d'événements exogènes
Modèle à haute valeur informative• Capacité de répondre à des événements exogènes • Via une plus grande autonomie des agents• Dimension explicative : la cohérence des réponses du
modèle permet d'inférer sa généricité cad son application à un domaine plus large
Un modèle générique, applicable à des situations variées et capable de réagir à des chocs exogènes, constitue une progression dans la connaissance du système étudié• Points essentiels qui déterminent évolution du système
sont identifiés
40 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Conclusions
Enrichissement de la démarche vs conception de modèles simples, fiables, lisibles et reproductibles
Une question centrale mais glissanteDu modèle descriptif au modèle adaptatif
en ciblant la question de rechercheHaute valeur Haute valeur informativeinformativeAd HocAd Hoc
Modèle descriptif
Modèle explicatif
Modèle adaptatif
Question
ConcevoirStructurerFormaliser
ÉvaluerComparer
Question
Comprendre
EVALUERCOMPARER
QQ11QQ22
CONCEVOIRSTRUCTURER
41 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Obrigado
42 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Le statut de la simulation et ses conséquences
pour la « validation » des SMA Distinguer "modèle ", "simulateur" et "simulation" [Zeigler
et al., 2000] • concevoir un SMA ne donne pas forcément accès à la compréhension de
son comportement. • Le cerveau humain n'est pas capable de "prendre en compte en même
temps le comportement d'un grand nombre d'éléments qui s'influencent mutuellement" [Deffuant et al., 2003a].
• La force de la simulation est justement de permettre cette prise en compte.
La simulation révèle l'importance du temps (TEMPS)• La simulation consiste à faire s'exprimer un modèle. • En déroulant le temps, elle permet de déplier sa représentation. • Révélation de comportements surprenants. • Emergence
La simulation révèle la complexité • La complexité selon Von Neumann
o une machine est complexe si l’ensemble de ses comportements possibles est infiniment plus difficile à caractériser que ses règles de fonctionnement
La simulation : une expérience incompressible• sans raccourci • qui ne se démontre pas
43 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Les artéfacts liés à la gestion du temps
Les modèles à temps continuo Prise en compte difficile des interactions
(continues et réparties de façon homogène dans l'espace).
o Prise en compte difficile des perturbations ponctuelles.
Transformation en modèles à temps discret
K)t(X 1 ).t(rX.t )t(X )tt(X
0
20
40
60
80
100
0 10 20 30 40 50
Δt=0,05
Δt=0,1
Δt=1
Δt=2
Δt=4
continue
K
X 1 .rX X X ttt1t
Kx1r.x.
dtdx
Développement de Taylor d'ordre 1 (approximation linéaire) :
)x ).(x(xf' )f(x f(x)000
44 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Les artefacts liés à la gestion du temps
Les modèles à événements discrets
Gestion événementielle pour des problèmes physiques continus
45 Introduction Démarche Approfond. 1 Approfond. 2 Approfond. 3 ConclusionApprofond. 4
Gestion événementielle ou par horloge ? Choix ouvert pour des problèmes de gestion des
ressources
[Lawson et Park, 2000]
Sugarscape [Epstein & Axtell, 1996]
Modèle original : Mode synchrone : fortes oscillations•Extinction d’agents => une disponibilité d’espace => bcp de naissances. •Occupation de tout l’espace => limite le nombre de naissances. •Mais ils vont aussi tous mourir approximativement au même moment
Réplication [Michel, 2004] En mode asynchrone par événements, oscillations sont amorties :•Génération des événements suit une loi de Poisson. •Les naissances sont distribuées de façon plus homogène La gestion événementielle bernoullienne amortit les oscillationsen atténuant progressivement l'uniformité de la population.
Test : en mode synchrone par pas de temps, tirage bernoullien avec remiseoscillations sont amorties :•Confirmation des résultats de Michel