Nous utilisons une modélisation agent pour résoudre un problème spatialisé complexe apparenté à un problème de satisfaction de contraintes : la généralisation de données géographiques vectorielles (diminution du niveau de détail dans un jeu de données géographiques). Ce problème nécessite de manipuler des agents ayant des niveaux d'abstraction différents, par exemple un bâtiment, un groupe de bâtiments, une ville. Nous proposons deux méthodes permettant de changer dynamiquement le niveau d'abstraction des entités manipulées, par observation au niveau d'abstraction le plus bas des contraintes restant non satisfaites, et création dynamique d'entités intermédiaires représentant des groupes d'agents proches ne parvenant pas à satisfaire leurs contraintes. La première méthode suppose que le système en cours d'exécution est connu et peut être observé de l'intérieur (accès aux messages échangés entre agents, aux actions pouvant encore être essayées), la seconde qu'il est vu comme une boîte noire. Des premiers éléments de comparaison sont ensuite donnés. We use an agent modeling to handle a complex spatialised problem close to a constraint satisfaction problem: generalization of vector geographic data (aiming at decreasing the level of detail in a geographic dataset). This problem requires to handle agents at different abstraction levels, e.g. a building, a group of buildings, a city. Two methods are proposed that enable to dynamically change the level of abstraction of handled agents, by observing at lowest abstraction level the unsatisfied constraints, and dynamically creating intermediate entities representing groups of agents that do not manage to satisfy their constraints. The first method supposes that the running system is known and can be observed from inside (messages exchanged by agents or remaining actions to try can be checked), the second one supposes that it is seen as a blackbox. First elements of comparison are then given.
Depuis quelques années, les travaux sur les SMA multi-niveaux ont pris une importance croissante. Devant la diversité des modèles proposés, nous pensons qu'il est utile d'identifier des situations récurrentes et de les caractériser d'une manière suffisamment abstraite pour pouvoir comparer de manière formelle les modèles existants et faciliter la conception de nouveaux modèles. Dans ce but, nous proposons une première liste de patterns SMA multi-niveaux. Ces patterns sont issus d'un travail d'unification de modèles SMA multi-niveaux dédiés à la résolution d'un problème spatialisé (la généralisation cartographique). La structure et la dynamique de chaque pattern sont décrites formellement et accompagnées d'exemples issus d'une part du contexte de la généralisation cartographique, d'autre part d'autres contextes applicatifs multi-agents, en simulation notamment. Nous discutons également la possibilité de réutiliser et composer ces patterns. Multi-level MAS have become a growing research topic in the last years. Due to the diversity of proposed models, we claim that recurrent situations have to be identified and characterized in an abstract way, in order to allow formal comparisons between existing models and to facilitate the design of new models. Therefore, we propose a first list of multi-level MAS patterns, coming from an attempt to unify several multi-level MAS models dedicated to a spatialized problem solving (cartographic generalization). The structure and dynamic of each pattern are formally described, and illustrated through examples drawn from the context of cartographic generalization and other MAS applications (especially in simulation). We also discuss the possibility to re-use and compose those patterns.