La simulation multi-agents, outil privilégié pour l'étude des systèmes complexes, s'est orientée récemment vers deux questions de recherche : la distribution des simulations à large échelle et la modélisation multi-niveaux. Nous souhaitons proposer ici une troisième voie complémentaire : identifier les éléments d'un modèle qui peuvent n'être pas simulés par des agents (et par quoi les remplacer). Cette approche encore prospective, en contribuant paradoxalement à attaquer des problèmes difficiles dans la modélisation de systèmes complexes, est aussi un prétexte à s'ouvrir à d'autres disciplines dont les apports aux SMA pourraient s'avérer particulièrement féconds.
Cet article propose un cadre d'analyse multiagents pour l'évaluation de stratégies de maîtrise des maladies animales infectieuses à l 'échelle d'un territoire. La formalisation des comportements des éleveurs a permis de comparer des scénarii de maîtrise de la maladie à l'échelle du territoire tenant compte de l'hétérogénéité des agents et de leurs interactions. Les simulations, réalisées sous NetLogo, ont montré l'émergence de patterns spatio-temporels contrastés d'évolution de la sévérité de la maladie à l'échelle du territoire, et de les comparer à un cadre analytique. Les travaux réalisés ont également permis d'évaluer l'efficacité d'interventions publiques.
Cet article introduit quatre patterns de conception, définis à partir de l'identification de « situation-types » minimales rencontrées dans la littérature et destinés à systématiser et simplifier la conception de simulations multi-agents multi-niveaux. Ces simulations ont pour but de gérer des entités appartenant à des niveaux d'abstraction ou d'organisation différents mais couplés. Pour chaque pattern, nous présentons des cas d'utilisation ainsi que les structures de données et algorithmes associés. À des fins de généricité, ces patterns font appel à une description unifiée des capacités d'action et d'évolution des agents. Nous proposons ainsi un cadre conceptuel et opérationnel précis pour les concepteurs de simulations multi-niveaux.
Les problèmes d'appariement ou d'affectation ont depuis quelques années fait l'objet de modélisation multi-agents variées. Celles-ci visent notamment à renforcer le caractère privé des préférences ou des contraintes de chaque individu, et facilitant la distribution des méthodes de résolution. Néanmoins, cette agentification des problèmes ainsi abordés nous semble rester en deçà des possibilités offertes par une modélisation multi-agents, en s'appuyant peu sur la structure organisationnelle dont on peut doter un SMA. Dans cet article, nous proposons au contraire de partir de la capacité des SMA multi-niveaux à représenter des points de vue intermédiaires entre l'individu et le collectif, pour exprimer dans un formalisme homogène des problèmes d'appariement ou d'affectation variés. Nous montrons comment cette modélisation permet de choisir des métriques pertinentes pour évaluer le bien-être de groupes d'agents et leur permettre de construire des solutions qui améliorent le bien-être global sans divulguer toutes leurs informations individuelles. Enfin, nous esquissons des principes généraux pour la construction de solveurs distribués pour ce type de modélisation.
La conception habituelle d'une simulation d'un phénomène passe par sa modélisation et la réalisation d'une implémentation : son étude permet de déterminer si le modèle est correctement construit et peut expliquer le phénomène. Grâce à LEIA, nous renversons ce processus de conception en étudiant une simulation automatiquement générée en parcourant l'espace des simulations possibles de manière à identifier les phénomènes remarquables puis en comprendre les mécanismes sous-jacents. Cet article traite donc de la construction automatisée de modèles et leur implémentation à partir d'une ontologie, constituée d'interactions génériques que nous pouvons affecter à des familles d'agents, rédigée selon la méthodologie IODA. LEIA peut alors parcourir l'espace des simulations en s'appuyant sur des outils de transformation et de simplification de modèle puis identifier les phénomènes particuliers en s'aidant d'une métrique spécifiée en entrée, tout en impliquant l'utilisateur dans ce processus. The usual way to design a simulation of a phenomenon is to first build a model and then to implement it. The study of the simulation and its outcomes tells if the model is adequate and can explain the phenomenon. With LEIA, we reverse this process by studying an automatically built simulation by exploring the simulations space in order to identify remarkable phenomena and then understanding the underlying mechanisms. This paper deals with automated construction of models and their implementations from an ontology, consisting of generic interactions that we can assign to families of agents, following the IODA methodology. LEIA can explore the simulations space by using tools for processing and simplifying models, and then identify interesting phenomena by using a specified metric in input. The user is also implied in this process.
La conception de simulations multi-agents appliquées aux systèmes complexes pose entre autres le problème de la modélisation de comportements intervenant à des échelles spatiales, temporelles, comportementales différentes, chacune pertinente pour représenter un des aspects du phénomène étudié. Nous proposons ici un formalisme générique destiné à la représentation d'environnements multiples, disposant d'échelles spatio-temporelles propres, et auxquels on peut associer un ensemble de règles comportementales auxquelles se soumettent les agents présents dans ces environnements. Par ailleurs chaque environnement peut être encapsulé au sein d'un agent, lui-même situé dans un autre environnement. Cette uniformité de représentation est rendue possible grâce à l'approche orientée interaction pour la conception de simulation (IODA), qui établit une séparation entre agents et interactions, et ce de la modélisation jusqu'au code. Nous expliquons également comment ce modèle est implémenté et donnons quelques exemples d'utilisation. The design of multiagent simulations devoted to complex systems, addresses the issue of modelling behaviors that are involved at different space, time, behavior scales, each one being relevant to represent a feature of the phenomenon. We propose here a generic formalism intented to represent multiple environments, endowed with their own spatiotemporal scales and with behavioral rules for the agents they contain. In addition, an environment can be nested inside an agent, which itself is situated in another environment, etc. This uniform representation is made possible through the interaction-oriented approach for the design of agent simulations (IODA), which clearly separates agents from interactions from the modelling to the code. We also explain the implementation of this approach and give some concrete examples.
La pertinence des systèmes multi-agents (SMA) a été démontrée à de nombreuses reprises dans la conception de simulations informatiques ou de jeux vidéo où un certain nombre d'entités autonomes évoluent dans un environnement complexe et dynamique. Les Serious Games (SG) représentent une discipline nouvelle, à la frontière de la simulation et du jeu. Nous pensons qu'une catégorie de SG, ayant pour vocation l'immersion de l'apprenant dans un environnement 3d, représente un banc de test particulièrement intéressant pour les SMA car ils introduisent des problématiques nouvelles et stimulantes pour la communauté. Dans cet article, nous explorons les défis lancés à l'approche SMA par ces SG immersifs. Particulièrement, nous démontrons que l'approche multi-agents orientée interactions IODA, dont l'aptitude à faciliter la conception de simulations a déjà été établie, permet de répondre efficacement à ces nouvelles problématiques. Nous illustrons notre argumentaire en nous basant sur un projet de SG développé dans notre équipe. In this paper, we claim that immersive 3d Serious Games (SG) represent an interesting testbed for multi-agent systems to prove their ability to model compelling and user-enticing simulations. We explore the different challenges arising from the use of an interaction-oriented methodology such as IODA for modelling a realistic population of autonomous virtual characters able to behave and interact with the learner in an adaptive fashion. Our argumentation is illustrated with many examples from our own experience in the development of a SG application.
L'usage croissant de la simulation multi-agents pour modéliser des systèmes pourvoyeurs de grandes quantités de données, suppose l'identification automatique des paramètres pertinents ou l'extraction de connaissances à partir des données réelles, faute de quoi la fiabilité des prédictions et des explications fournies par la simulation est sujette à caution. Dans cet article, nous proposons une méthode pour extraire automatiquement des profils comportementaux à partir de mesures statistiques, dans le cadre de comportements de consommateurs dans un magasin. Dotés des mêmes capacités globales d'interaction, les agents sont munis de profils différents issus de l'exploration des données. Placés dans un magasin virtuel réaliste, dans lequel tous leurs objectifs peuvent ne pas être atteignables, ils effectuent néanmoins des achats qui reflètent la diversité des clients réels ainsi que les profils initiaux. Nous défendons l'idée que de telles techniques sont nécessaires pour faire des simulations multi-agents un puissant outil d'aide à la décision. The growing use of multiagent-based simulation for modeling systems associated with very large databases, addresses specific issues such as the automatization of parameter identification or knowledge extraction from real data, so as to enhance the confidence in simulation predictions and explanations. In this paper, we propose a method for automatically retrieving behavioral prototypes from statistical measures, in the context of consumer behavior. Endowed with the same overall behavior, the agents are given different profiles based on the data analysis. They are put into a spatially realistic store, where some of their objectives may be unattainable. Though, their purchase reproduce the original clusters. We argue that such techniques are essential to make multi-agent simulations a powerful decision support tool.
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.
Dans le domaine des systèmes multi-agents la notion d'environnement est omniprésente, quoique fort mal définie. Nous défendons ici l'idée que la façon dont on modélise l'espace ou les relations entre agents dans un SMA, notamment en simulation, conduit pour leur implémentation à la mise en oeuvre d'un nombre réduit de solutions efficaces. Cet article a pour objectif de formaliser les fonctions fondamentales de l'environnement et de recenser différentes familles d'implémentations possibles, selon les objectifs visés (efficacité d'exécution, pertinence de la représentation des connaissances, gain mémoire...). Cette démarche unificatrice permet d'identifier des patterns d'environnements élémentaires : dès lors, en lieu et place de l'approche monolithique habituelle de « l'environnement » d'un SMA, nous prônons une décomposition sur la base de ces patterns permettant de combiner plusieurs environnements.