Les simulations à base d'agents sont de plus en plus utilisées pour réaliser des études en sciences sociales. Toutefois, peu de méthodologies existent pour guider ces études. De nombreux problèmes cruciaux restent ouverts, tels que la détermination du nombre de simulations à effectuer ou la validation des résultats obtenus. Dans cet article, nous décrivons un outil et sa méthode de conception permettant de générer automatiquement de nouvelles simulations jusqu'à ce que les résultats obtenus et analysés automatiquement soient statistiquement valides. Les interdépendances entre variables sont analysées a l'aide du test du Chi-deux, nécessitant un minimum d'hypothèses. Le modèle décrit est générique et l'outil-application présenté peut être appliqué à n'importe quelle simulation utilisant la plateforme RePast. Un exemple d'application à une simulation du marché du travail académique français est présenté. Multi-agent based simulation (MABS) is increasingly used for social science studies. However, few methodologies exist. A strong issue is the choice of the number of simulation runs and the validation of the results by statistical methods. In this article, we propose a method to automatically generate and run new simulations until the results are statistically valid using a chisquare test. The choice of the test configuration allows both a general overview of the variable links and a more specific independence analysis. We present a generic tool for any RePast-based simulation and apply it on an Academic Labor Market economic simulation.
Les simulations à base d'agents (MABS) ont été utilisées avec succès pour modéliser des systèmes complexes dans de nombreux domaines. Néanmoins, un problème des MABS est que leur complexité augmente avec le nombre d'agents et de types de comportements différents considérés dans les modèles. Pour des systèmes de taille moyenne à grande, il est impossible de valider, voire même d'observer simplement les trajectoires des agents individuels lors d'une simulation. Les approches de validation classiques, où seuls des indicateurs globaux sont calculés, sont trop simplistes pour permettre d'évaluer le modèle de simulation avec un degré de confiance suffisant. Il est alors nécessaire d'introduire des niveaux intermédiaires de validation et d'observation. Dans cet article, nous proposons l'utilisation de la classification automatique de données (clustering) combinée à la caractérisation automatisée de clusters pour construire, décrire et suivre l'évolution de groupes d'agents en simulation. La description de clusters est utilisée pour générer des profils d'agents qui sont réintroduits dans les simulations avec l'objectif d'étudier la stabilité des descriptions et des structures des clusters sur plusieurs simulations et de décider de leur capacité à décrire les phénomènes modélisés. Ces outils permettent au modélisateur d'avoir un point de vue intermédiaire sur l'évolution du modèle. Ils sont suffisamment flexibles pour être appliqués à la fois hors ligne et en ligne comme le montrent les analyses réalisées à la fois sur des simulations Netlogo et sur des logs de simulations. Multi agent based simulations (MABS) have been successfully exploited to model complex systems in different areas. Nevertheless a pitfall of MABS is that their complexity increases with the number of agents and the number of different types of behaviours considered in the model. For average and large systems it is impossible to validate the trajectories of single agents in a simulation. The classical validation approaches, where only global indicators are evaluated, are too simplistic to give enough confidence on the simulation's model. It is then necessary to introduce intermediate levels of validation. In this paper we propose the use of data clustering and automated characterization of clusters in order to build, describe and follow the evolution of groups of agents in simulations. The description of clusters is used to generate profiles of agents that are reintroduced in simulations in order to study the stability of the descriptions and structures of clusters over several simulations and decide their capability to describe the modelled phenomena. These tools provides the modeller with an intermediate point of view on the evolution of the model. They are flexible enough to be applied both offline and online, and we illustrate it with both a NetLogo and a CSV-simulation log example.
Dans cet article, nous proposons des stratégies muticritères pour la formulation de contrepropositions dans le cadre d'enchères anglaises multicritères inversées. Dans ce type d'enchères, un agent acheteur négocie avec plusieurs agents vendeurs un accord portant sur un produit unique. Le modèle de préférences de l'agent acheteur se fonde sur des points de référence qui représentent, d'une part, les valeurs souhaitées et d'autre part les valeurs minimales acceptables sur chaque critère. Afin d'assurer une évolution optimale du processus de négociation, les enchères anglaises font souvent appel à un incrément qui représente la surenchère minimale à respecter par toute proposition comparée à la meilleure proposition courante. Généralement. l'incrément est fixé avant le début des enchères et demeure fixe tout au long du processus. Notre objectif est de proposer un mécanisme d'ajustement de l'incrément au cours de la négociation : nous proposons un algorithme anytime s'appuyant sur la méthode de lissage exponentiel qui adapte l'incrément au contexte de l'enchère, en considérant le nombre d'agents vendeurs encore en lice et le temps restant à chaque itération. Par ailleurs, nous présentons et démontrons plusieurs propriétés de l'algorithme proposé et nous validons l'approche proposée par des résultats expérimentaux. In this paper we propose buyer counterproposal strategies for conducting automated Reverse auctions based on a multicriteria model. In this type of auction, a buyer agent (or auctioneer) negotiates with several seller agents (or bidders). To insure process evolution, automated auctions design often considers a bid increment that represents the minimal amount that a bidder must improve on the current best bid. Generally, the bid increment is fixed before the beginning of the auction and kept invariant during the process. This article aims at adjusting the bid increment as the auction process goes on. For this purpose, we propose buyer counterproposal strategies in order to implement anytime multicriteria auction insuring an acceptable solution at any given time. For this purpose, we refer to the auction context based on the number of remaining sellers or the remaining time at each process step. Finally, we provide results comparing fixed-increment strategy to our proposed strategies on the basis of a variation of different auction settings in order to evaluate the anytime properties relevance to our study context. We show that the proposed strategies provide better early results or better results than fixed strategies, depending on the fixed parameters.