Table des matières - Gilles Daniel
Table des matières - Gilles Daniel Table des matières - Gilles Daniel
18 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société. dynamiques d’UML caractérisent le comportement des entités. Les diagrammes les plus usités sont le diagramme de séquence et le diagramme de collaboration. Ces diagrammes donnent parfois l’impression d’avoir été d’ailleurs plus inventés pour des agents que des objets, ce qui leur a permis d’être repris presque tels quels dans la notation AUML que nous verrons ci-dessous. * Entity -x: int -y: int Environment +getInput(a:Agent): List +moveAgentTowards(a:Agent, dx:int, dy:int) Scheduler +run() +stop() +step() * Agent +doIt() +getPercepts(): List +take(it:Item) +drop(it:Item) +eat(f:Food) Item Food Ant +doIt() Nest +doIt() Pheronome Figure 1.3. Un diagramme de classe représentant un modèle de SMA « fourmi ». L’intérêt de la notation UML est d’être très parlante et surtout d’offrir un langage commun compréhensible facilement à la fois par les informaticiens et les modélisateurs. C’est la raison pour laquelle ce type de notation se développe beaucoup dans le domaine de la modélisation multi-agent. Néanmoins, elle présente un inconvénient certain : celui de confondre l’aspect modélisation et implémentation en intégrant dans un même diagramme des aspects très différents. C’est pourquoi il est utile de proposer une grille de lecture plus générale que ne peut le faire l’approche objet. 1.3. Les quatre aspects d’un système multi-agent Pour analyser et comprendre un système multi-agent nous utiliserons une approche développée par Ken Wilber pour décrire les systèmes sociaux [WIL 00] et qui repose sur une décomposition en deux axes. D’une part, on peut prendre en compte l’axe reliant l’aspect individuel (l’agent) ou collectif (la société d’agent) d’un SMA. D’autre part, on peut effectuer une analyse le long de l’axe intérieur/extérieur des agents. Le point de vue intérieur, correspond à l’architecture des agents, à la manière dont ils sont conçus,
Concepts et méthodologies multi-agents. 19 la façon dont ils se représentent leur environnement, les tendances qui l’animent etc.. C’est le point de vue que connaît le développeur des agents. A l’inverse, le point de vue extérieur correspond à celui d’un observateur : quels sont les comportements des agents, quelle est la structure sociale, comment évolue l’environnement, etc.. La figure 1.4 représente les quatre aspects, que l’on appellera quadrants, que l’on peut obtenir lorsque l’on croise l’axe intérieur/extérieur avec l’axe indivuel/collectif. A l’encontre de ce que l’on peut croire naïvement, il n’y a pas nécessairement un rapport évident entre le quadrant individuel intérieur et le quadrant individuel-extérieur. En effet, d’une part il est possible de coder un même comportement de nombreuses manières, et d’autre part un même comportement peut être interprété différemment selon l’observateur, ou plus exactement selon la grille de lecture interprétative qu’il utilise. On peut ainsi considérer les agents à partir d’une attitude intentionnelle (intentional stance) à la Dennett [DEN 87] qui consiste à interpréter tous les comportements d’un agent en les considérant mûs par des intentions (par ex : il a été chercher de la nourriture parce qu’il avait faim. Il a poussé l’autre agent parce qu’il voulait prendre sa place, etc.), même si l’architecture effective de l’agent ne manipule effectivement aucune intention. Individuel/intérieur Je subjectivité Collectif/intérieur Nous L’intériorité intersubjectivité La noosphère Individuel/extérieur il, Cela Collectif/extérieur Eux, tout cela Objectivité L’objet Interobjectivité La structure sociale Figure 1.4. Analyse des SMA suivant quatre aspects, issus d'une décomposition individuel/collectif et intérieur/extérieur. L’un des exemples les plus classiques dans les systèmes multi-agents consiste à modéliser le comportement de fourragement de fourmis. Leur capacité à créer des files de plusieurs milliers d’individus allant chercher de la nourriture pour les rapporter au nid est très caractéristique. On peut imaginer, du point de vue d’un observateur, que les fourmis empruntent cette voie parce qu’elles savent où se trouve la nourriture et qu’elles ne font qu’emprunter le chemin le plus court. Mais il s’agit là d’une attribution d’états mentaux cognitifs (croyances, buts, choix de parcours) à un comportement de fourmis dont on a pu montrer, à la fois par des
- Page 1 and 2: Table des matières PREMIERE PARTIE
- Page 3 and 4: Première partie Introduction Depui
- Page 5 and 6: Introduction . 9 permettent de form
- Page 7 and 8: Chapitre 1 Concepts et méthodologi
- Page 9 and 10: Concepts et méthodologies multi-ag
- Page 11 and 12: Concepts et méthodologies multi-ag
- Page 13: Concepts et méthodologies multi-ag
- Page 17 and 18: Concepts et méthodologies multi-ag
- Page 19 and 20: Concepts et méthodologies multi-ag
- Page 21 and 22: Concepts et méthodologies multi-ag
- Page 23 and 24: Concepts et méthodologies multi-ag
- Page 25 and 26: Concepts et méthodologies multi-ag
- Page 27 and 28: Concepts et méthodologies multi-ag
- Page 29 and 30: Concepts et méthodologies multi-ag
- Page 31 and 32: Concepts et méthodologies multi-ag
- Page 33 and 34: Chapitre 2 Introduction à la modé
- Page 35 and 36: Introduction à la modélisation et
- Page 37 and 38: Introduction à la modélisation et
- Page 39 and 40: Introduction à la modélisation et
- Page 41 and 42: Introduction à la modélisation et
- Page 43 and 44: Introduction à la modélisation et
- Page 45 and 46: Introduction à la modélisation et
- Page 47 and 48: Introduction à la modélisation et
- Page 49 and 50: Introduction à la modélisation et
- Page 51 and 52: Introduction à la modélisation et
- Page 53 and 54: Introduction à la modélisation et
- Page 55 and 56: Introduction à la modélisation et
- Page 57 and 58: Chapitre 3 Explorer les modèles pa
- Page 59 and 60: Explorer les modèles par simulatio
- Page 61 and 62: Explorer les modèles par simulatio
- Page 63 and 64: Explorer les modèles par simulatio
18 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.<br />
dynamiques d’UML caractérisent le comportement <strong>des</strong> entités. Les diagrammes les<br />
plus usités sont le diagramme de séquence et le diagramme de collaboration. Ces<br />
diagrammes donnent parfois l’impression d’avoir été d’ailleurs plus inventés pour <strong>des</strong><br />
agents que <strong>des</strong> objets, ce qui leur a permis d’être repris presque tels quels dans la<br />
notation AUML que nous verrons ci-<strong>des</strong>sous.<br />
*<br />
Entity<br />
-x: int<br />
-y: int<br />
Environment<br />
+getInput(a:Agent): List<br />
+moveAgentTowards(a:Agent, dx:int, dy:int)<br />
Scheduler<br />
+run()<br />
+stop()<br />
+step()<br />
*<br />
Agent<br />
+doIt()<br />
+getPercepts(): List<br />
+take(it:Item)<br />
+drop(it:Item)<br />
+eat(f:Food)<br />
Item<br />
Food<br />
Ant<br />
+doIt()<br />
Nest<br />
+doIt()<br />
Pheronome<br />
Figure 1.3. Un diagramme de classe représentant un modèle de SMA « fourmi ».<br />
L’intérêt de la notation UML est d’être très parlante et surtout d’offrir un langage<br />
commun compréhensible facilement à la fois par les informaticiens et les modélisateurs.<br />
C’est la raison pour laquelle ce type de notation se développe beaucoup dans le domaine<br />
de la modélisation multi-agent. Néanmoins, elle présente un inconvénient certain : celui<br />
de confondre l’aspect modélisation et implémentation en intégrant dans un même<br />
diagramme <strong>des</strong> aspects très différents. C’est pourquoi il est utile de proposer une grille<br />
de lecture plus générale que ne peut le faire l’approche objet.<br />
1.3. Les quatre aspects d’un système multi-agent<br />
Pour analyser et comprendre un système multi-agent nous utiliserons une approche<br />
développée par Ken Wilber pour décrire les systèmes sociaux [WIL 00] et qui repose sur<br />
une décomposition en deux axes. D’une part, on peut prendre en compte l’axe reliant<br />
l’aspect individuel (l’agent) ou collectif (la société d’agent) d’un SMA. D’autre part, on<br />
peut effectuer une analyse le long de l’axe intérieur/extérieur <strong>des</strong> agents. Le point de<br />
vue intérieur, correspond à l’architecture <strong>des</strong> agents, à la manière dont ils sont conçus,