Table des matières - Gilles Daniel

400 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.
comportement de simulation peut amener à des résultats différents entre SpaCelle et
StarLogo. C’est le cas lorsque la densité de population est égale à 98% et le seuil de
tolérance de 20%. Une forte agrégation apparaît rapidement dans SpaCelle. Ceci
s’explique par le fait que le nombre de cellules insatisfaites est très grand devant le
nombre de cellules libres. Ainsi, dès la première itération, il y a beaucoup plus de
départs que d’arrivées, il se produit momentanément une décroissance de la
population qui donne aux individus plus de libertés pour s’agréger. Ce phénomène
ne se produit pas sous StarLogo car la densité de cases libres reste par construction
égale à 2%.
Une autre grande différence entre ces implémentations concerne le langage de
description du modèle. Sous StarLogo comme sous Excel, c’est un langage
algorithmique (Logo et Visual Basic) alors que SpaCelle utilise un langage très
simple dans lequel l’ordre d’écriture des règles n’a pas d’importance. Cette
différence est fondamentale sur plusieurs points :
- un langage algorithmique nécessite l’acquisition d’une compétence en
programmation longue à acquérir, contrairement au langage de SpaCelle ;
- par contre la classe des modèles susceptibles d’être implémentés avec un
langage de programmation est beaucoup plus vaste qu’avec ce langage de règles ;
- on a vu que quatre lignes suffisaient pour décrire le modèle de Schelling sous
SpaCelle, alors qu’une quarantaine de lignes sont nécessaires sous StarLogo ou
Excel.
Enfin, dernière différence importante, pour une simulation de 10000 cellules, le
nombre d’itérations traitées en 5 minutes d’exécution varie considérablement selon
l’implémentation : StarLogo traite 6 itérations, Excel 1730 et SpaCelle 16000.
17.6. Analyse du modèle
Analyser un modèle, ou plutôt une famille de modèles, consiste à étudier les
propriétés des résultats de simulations de certains modèles de cette famille, selon les
valeurs qu’on donne aux paramètres. Il semble intéressant ici d’étudier deux
propriétés résultant des simulations du modèle de Schelling, qui sont concrétisées
par ce qu’on appelle des variables d’observation ou de sortie du modèle. Nous
étudierons ici la convergence et la dynamique d’agrégation à travers deux variables
d’observation, « nombre d’insatisfaits » et « taille moyenne d’agrégat » que nous
préciserons. Nous verrons que le modèle peut produire une forte agrégation des
populations sans converger, il peut aussi converger sans produire d’agrégation. Nous
constatons en effet, que pour certaines valeurs des paramètres, le comportement des
sorties est stable, c’est-à-dire qu’il donne des séries reproductibles sur plusieurs
simulations avec une faible fluctuation. Par contre, pour d’autres valeurs des