Table des matiÃ¨res - Gilles Daniel

More documents

Recommendations

Info

408 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société. d = 30 % d = 66% d = 98% s= 20 % (1) s=30 % (2) s=40 % (3) s=60 % (4) s=80 % (6) Figure 17.12. Quinze simulations sur un domaine de 10 000 cellules, deux populations de même taille en fonction de la densité d de population et du seuil S de tolérance.
Comparaison de trois implémentations du modèle de Schelling. 409 La dernière colonne incorpore les zones 2 et 3. Dans la zone 3, le modèle converge en produisant des agrégats d’autant plus important que la tolérance est faible. En deçà d’un seuil de 2 étrangers, on se situe dans la zone 2, la probabilité de convergence du modèle est extrêmement faible, le nombre de places libres est trop limité pour permettre la formation de petites poches de stabilité qui pourraient s’amplifier. On est ici en présence d’un point de bifurcation, avec un premier type de comportement pour des seuils de tolérance supérieurs ou égaux à 25%, pour lequel le modèle produit des agrégats de plus en plus importants, et un second type pour des seuils inférieurs où le modèle ne produit plus du tout d’agrégat. 17.7. Conclusion L’objectif de ce chapitre a été de montrer les différentes étapes d’élaboration d’un modèle de simulation, à travers l’exemple du modèle de Schelling. L’élaboration théorique du modèle, sa construction schématique de type UML, son implémentation informatique sous différentes plates-formes, la simulation et l’exploration de son comportement dans l’espace des paramètres ont ainsi été présentées. Cet exercice nous a permis d’étudier une variante du modèle de Schelling basée sur l’influence de la densité de population dans la construction de zones ségrégées. Ce travail nous a fait découvrir un comportement très variable du modèle selon la zone choisie de l’espace des paramètres. Il nous a montré que le domaine dans lequel il a été utilisé pour servir une cause pédagogique - la ségrégation sociale ne provient pas forcément d’un manque de tolérance des individus - est très étroit et cache en fait une variété d’autres comportements assez étonnants, pour un système qui est à la fois très simple par ses règles, mais dont la complexité combinatoire est gigantesque. L’explication mathématique de cette diversité comportementale pour des valeurs très voisines des paramètres reste à établir. 17.8. Bibliographie [PAN 03] PANCS R., VRIEND N. J. “Schelling’s Spatial Proximity Model of Segregation Revisited”, Working Paper n° 487, Dept. of Economics Queen Mary, University of London, 2003. [SCH 69] SCHELLING T.S. “Models of Segregation”, American Economic Review, 59-2, p.488-493, 1969. [SCH 71] SCHELLING T.S. “Dynamic Models of Segregation”, Journal of Mathematical Sociology, 1, p.143-186, 1971. [SCH 78] SCHELLING T.S. Micromotives and Macrobehavior N.Y Norton and Co, 1978, traduction française: La tyrannie des petites décisions; Paris, Presses Universitaires de France,1980.
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:
Page 13 and 14:
Page 15 and 16:
Page 17 and 18:
Page 19 and 20:
Page 21 and 22:
Page 23 and 24:
Page 25 and 26:
Page 27 and 28:
Page 29 and 30:
Page 31 and 32:
Page 33 and 34:
Chapitre 2 Introduction à la modé
Page 35 and 36:
Introduction à la modélisation et
Page 37 and 38:
Page 39 and 40:
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
Page 57 and 58:
Chapitre 3 Explorer les modèles pa
Page 59 and 60:
Explorer les modèles par simulatio
Page 61 and 62:
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Chapitre 4 Evaluation et validation
Page 85 and 86:
Evaluation et validation de modèle
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Page 99 and 100:
Page 101 and 102:
Annexe - épistémologie dans une c
Page 103 and 104:
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
Chapitre 5 Sciences sociales comput
Page 121 and 122:
Sciences sociales computationnelles
Page 123 and 124:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Chapitre 6 La fin des débuts pour
Page 139 and 140:
La fin des débuts pour les systèm
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Chapitre 7 Les modèles agent en g
Page 149 and 150:
Les modèles agent en géographie u
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Chapitre 8 Essai d’épistémologi
Page 167 and 168:
Essai d’épistémologie de la sim
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Page 175 and 176:
Page 177 and 178:
Page 179 and 180:
Page 181 and 182:
Page 183 and 184:
Page 185 and 186:
Page 187 and 188:
Page 189 and 190:
Page 191 and 192:
Chapitre 9 Modéliser avec et pour
Page 193 and 194:
Modéliser avec et pour les acteurs
Page 195 and 196:
Page 197 and 198:
Page 199 and 200:
Page 201 and 202:
Page 203 and 204:
Page 205 and 206:
Page 207 and 208:
Page 209 and 210:
Page 211 and 212:
Page 213 and 214:
Chapitre 10 Modélisation d’accom
Page 215 and 216:
Modélisation d’accompagnement. 2
Page 217 and 218:
Page 219 and 220:
Page 221 and 222:
Page 223 and 224:
Page 225 and 226:
Deuxième partie Modélisation et s
Page 227 and 228:
Modélisation multi-agents comme co
Page 229 and 230:
Page 231 and 232:
Page 233 and 234:
Chapitre 11 Des réseaux d’automa
Page 235 and 236:
Des réseaux d’automates aux mod
Page 237 and 238:
Page 239 and 240:
Page 241 and 242:
Page 243 and 244:
Page 245 and 246:
Page 247 and 248:
Page 249 and 250:
Page 251 and 252:
Page 253 and 254:
Page 255 and 256:
Page 257 and 258:
Page 259 and 260:
Page 261 and 262:
Chapitre 12 Modélisation, impléme
Page 263 and 264:
Modélisation, implémentation et e
Page 265 and 266:
Page 267 and 268:
Page 269 and 270:
Page 271 and 272:
Page 273 and 274:
Page 275 and 276:
Page 277 and 278:
Chapitre 13 Apprentissage dans les
Page 279 and 280:
Apprentissage dans les modèles mul
Page 281 and 282:
Page 283 and 284:
Page 285 and 286:
Page 287 and 288:
Page 289 and 290:
Page 291 and 292:
Page 293 and 294:
Page 295 and 296:
Page 297 and 298:
Page 299 and 300:
Chapitre 14 Influence sociale, jeux
Page 301 and 302:
Influence sociale, jeux de populati
Page 303 and 304:
Page 305 and 306:
Page 307 and 308:
Page 309 and 310:
Page 311 and 312:
Page 313 and 314:
Page 315 and 316:
Page 317 and 318:
Page 319 and 320:
Page 321 and 322:
Page 323 and 324:
Troisième Partie Introduction à l
Page 325 and 326:
Modélisation multi-agents des syst
Page 327 and 328:
Chapitre 15 Approche conceptuelle d
Page 329 and 330:
Approche conceptuelle de l’espace
Page 331 and 332:
Page 333 and 334:
Page 335 and 336:
Page 337 and 338:
Page 339 and 340:
Page 341 and 342:
Page 343 and 344:
Page 345 and 346:
Page 347 and 348:
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 373: « A Monte Carlo approach to diffus
Page 376 and 377: 380 Modélisation et simulation mul
Page 410: 414 Modélisation et simulation mul
show all

Table des matiÃ¨res - Gilles Daniel

Create successful ePaper yourself

Delete template?

Save as template?