Table des matières - Gilles Daniel
Table des matières - Gilles Daniel Table des matières - Gilles Daniel
398 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société. On peut schématiser ces quatre règles par le graphe de transition suivant : déménagement PV(1 ; B ; 0.66 ; 1) PV(1 ; A ; 0.66 ; 1) A L B DE(A ; 0 ; 0.475) DE(B ; 0 ; 0.475) emménagement Figure 17.7. Graphe de transition. D’autres informations propres au modèle sont définies dans la fenêtre de paramétrage : par exemple, on peut choisir des cellules carrées ou hexagonales, on doit également choisir le type voisinage : ici c’est le voisinage de Moore qui est sélectionné (huit voisins pour des cellules carrées). Enfin un mode d’exécution asynchrone ou aléatoire est sélectionné, il permet aux actions (emménagements et déménagements) de se faire successivement. En mode asynchrone, toutes les cellules sont traitées une seule fois dans un ordre aléatoire différent à chaque itération. En mode aléatoire, à chaque itération, on procède à N tirages aléatoires de cellules. Dans ce mode, des cellules peuvent donc être traitées plusieurs fois et d’autres aucune fois. Fonctionnement : Lorsqu’une simulation est lancée, pour chaque cellule, si elle est dans l’état L, les deux règles d’emménagement vont se présenter, mais une seule sera exécutée, celle qui aura la meilleure pertinence. Dans notre cas, elles peuvent donner le même résultat : 1 si la densité est inférieure à 47.5%. Dans ce cas d’égalité, un tirage au sort est effectué pour choisir une des deux règles. Pour une cellule dans l’état A, c’est la 1 ère règle (déménagement) qui se présente, elle sera exécutée si le nombre de B dépasse le seuil de tolérance. De même si la cellule est dans l’état B, la règle n°2 s’exécute si le nombre de A dans le voisinage dépasse le seuil de tolérance (ici de 66%). On voit qu’on a presque simulé un déplacement, puisque le départ d’un individu A peut faire passer la densité des A en dessous du seuil, ce qui permet à la règle d’emménagement d’un nouveau A de se déclencher le coup suivant dans une case libre, rétablissant la densité maximale. Paramétrage et variantes du modèle : On peut facilement changer les deux paramètres fondamentaux du modèle que sont le seuil de tolérance (ici 66%) et la densité de population de chaque groupe social (ici 47.5%). On peut aussi modifier légèrement le modèle en fixant la densité globale d’habitants (par exemple à 95%), sans imposer de densité pour chaque groupe social. Cela donne un degré
Comparaison de trois implémentations du modèle de Schelling. 399 supplémentaire de liberté qu’il peut être intéressant d’analyser. Cela se traduirait alors par les règles suivantes : A > L = PV(1 ; B ; 0.66 ; 1) B > L = PV(1 ; A ; 0.66 ; 1) L > A = DE(A+B ; 0 ; 0.95) L > B = DE(A+B ; 0 ; 0.95) Une deuxième variante consiste à apporter un peu d’aléa en ajoutant une durée de vie limitée aux habitants (par exemple de 1000 unités de temps en moyenne avec un écart-type de 100). Ceci permet de libérer quelques cases de temps en temps, ce qui provoque un renouvellement des localisations, et améliore peu à peu le regroupement des individus du même groupe social. A > L = DA(1000 ; 100) B > L = DA(1000 ; 100) Une troisième variante consiste à changer le rayon du voisinage, au lieu de 1 on peut prendre par exemple 3, 4 ou 5 etc. On constate alors une plus grande difficulté de regroupement. Enfin on peut facilement augmenter le nombre de groupes sociaux en dupliquant les règles. Ainsi pour 3 groupes A, B et C, un seuil de 66% et une densité totale de 96% on aurait les règles suivantes : A > L = PV(1 ; B+C ; 0.66 ; 1) B > L = PV(1 ; A+C ; 0.66 ; 1) C > L = PV(1 ; A+B ; 0.66 ; 1) L > A = DE(A ; 0 ; 0.32) L > B = DE(B ; 0 ; 0.32) L > C = DE(C ; 0 ; 0.32) 17.5. Comparaison des trois implémentations Les trois implémentations que nous venons de présenter permettent de comprendre facilement la différence entre une plate-forme de type automate cellulaire (SpaCelle), une de type multi-agents (StarLogo) et une plate-forme généraliste (Excel). En effet, dans StarLogo, il y a deux types d’entités distinctes, cellules et agents, ce qui n’est pas le cas sous SpaCelle où l’on doit passer par le codage de l’état des cellules pour représenter des individus (état L : cellule inoccupée, état A ou B, cellule occupée). Dans StarLogo, la gestion des déplacements d’individus se fait naturellement par l’intermédiaire des agents, ce qui est impossible dans un automate cellulaire. Pour cette raison le modèle sous SpaCelle dissocie le déplacement en deux mécanismes indépendants, le départ et l’arrivée, alors qu’il n’y a sous StarLogo qu’un seul mécanisme de déplacement d’un individu. Cette unicité assure l’invariance de l’effectif de population. Ainsi le
- Page 343 and 344: Approche conceptuelle de l’espace
- Page 345 and 346: Approche conceptuelle de l’espace
- Page 347 and 348: Approche conceptuelle de l’espace
- Page 349 and 350: Chapitre 16 « A Monte Carlo approa
- Page 351 and 352: « A Monte Carlo approach to diffus
- Page 353 and 354: « A Monte Carlo approach to diffus
- Page 355 and 356: « A Monte Carlo approach to diffus
- Page 357 and 358: « A Monte Carlo approach to diffus
- Page 359 and 360: « A Monte Carlo approach to diffus
- Page 361 and 362: « A Monte Carlo approach to diffus
- Page 363 and 364: « A Monte Carlo approach to diffus
- Page 365 and 366: « A Monte Carlo approach to diffus
- Page 367 and 368: « A Monte Carlo approach to diffus
- Page 369 and 370: « A Monte Carlo approach to diffus
- Page 371 and 372: « A Monte Carlo approach to diffus
- Page 373: « A Monte Carlo approach to diffus
- Page 376 and 377: 380 Modélisation et simulation mul
- Page 378 and 379: 382 Modélisation et simulation mul
- Page 380 and 381: 384 Modélisation et simulation mul
- Page 382 and 383: 386 Modélisation et simulation mul
- Page 384 and 385: 388 Modélisation et simulation mul
- Page 386 and 387: 390 Modélisation et simulation mul
- Page 388 and 389: 392 Modélisation et simulation mul
- Page 390 and 391: 394 Modélisation et simulation mul
- Page 392 and 393: 396 Modélisation et simulation mul
- Page 396 and 397: 400 Modélisation et simulation mul
- Page 398 and 399: 402 Modélisation et simulation mul
- Page 400 and 401: 404 Modélisation et simulation mul
- Page 402 and 403: 406 Modélisation et simulation mul
- Page 404 and 405: 408 Modélisation et simulation mul
- Page 406 and 407: 410 Modélisation et simulation mul
- Page 408 and 409: 412 Modélisation et simulation mul
- Page 410: 414 Modélisation et simulation mul
398 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.<br />
On peut schématiser ces quatre règles par le graphe de transition suivant :<br />
déménagement<br />
PV(1 ; B ; 0.66 ; 1)<br />
PV(1 ; A ; 0.66 ; 1)<br />
A<br />
L<br />
B<br />
DE(A ; 0 ; 0.475) DE(B ; 0 ; 0.475)<br />
emménagement<br />
Figure 17.7. Graphe de transition.<br />
D’autres informations propres au modèle sont définies dans la fenêtre de<br />
paramétrage : par exemple, on peut choisir <strong>des</strong> cellules carrées ou hexagonales, on<br />
doit également choisir le type voisinage : ici c’est le voisinage de Moore qui est<br />
sélectionné (huit voisins pour <strong>des</strong> cellules carrées). Enfin un mode d’exécution<br />
asynchrone ou aléatoire est sélectionné, il permet aux actions (emménagements et<br />
déménagements) de se faire successivement. En mode asynchrone, toutes les<br />
cellules sont traitées une seule fois dans un ordre aléatoire différent à chaque<br />
itération. En mode aléatoire, à chaque itération, on procède à N tirages aléatoires de<br />
cellules. Dans ce mode, <strong>des</strong> cellules peuvent donc être traitées plusieurs fois et<br />
d’autres aucune fois.<br />
Fonctionnement : Lorsqu’une simulation est lancée, pour chaque cellule, si elle<br />
est dans l’état L, les deux règles d’emménagement vont se présenter, mais une seule<br />
sera exécutée, celle qui aura la meilleure pertinence. Dans notre cas, elles peuvent<br />
donner le même résultat : 1 si la densité est inférieure à 47.5%. Dans ce cas<br />
d’égalité, un tirage au sort est effectué pour choisir une <strong>des</strong> deux règles. Pour une<br />
cellule dans l’état A, c’est la 1 ère règle (déménagement) qui se présente, elle sera<br />
exécutée si le nombre de B dépasse le seuil de tolérance. De même si la cellule est<br />
dans l’état B, la règle n°2 s’exécute si le nombre de A dans le voisinage dépasse le<br />
seuil de tolérance (ici de 66%). On voit qu’on a presque simulé un déplacement,<br />
puisque le départ d’un individu A peut faire passer la densité <strong>des</strong> A en <strong>des</strong>sous du<br />
seuil, ce qui permet à la règle d’emménagement d’un nouveau A de se déclencher le<br />
coup suivant dans une case libre, rétablissant la densité maximale.<br />
Paramétrage et variantes du modèle : On peut facilement changer les deux<br />
paramètres fondamentaux du modèle que sont le seuil de tolérance (ici 66%) et la<br />
densité de population de chaque groupe social (ici 47.5%). On peut aussi modifier<br />
légèrement le modèle en fixant la densité globale d’habitants (par exemple à 95%),<br />
sans imposer de densité pour chaque groupe social. Cela donne un degré