01.01.2015 Views

Table des matières - Gilles Daniel

Table des matières - Gilles Daniel

Table des matières - Gilles Daniel

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Introduction à la modélisation et à la simulation d'événements discrets. 47<br />

nous poser certaines questions dans le cadre de la multi-modélisation. Un modèle<br />

qui manipule <strong>des</strong> changements d’états continu et un autre de manière discret<br />

peuvent-ils être couplés Si oui, quelles sont les précautions à prendre <br />

Afin d’établir une classification, il est nécessaire de déterminer les propriétés les<br />

plus discriminantes <strong>des</strong> systèmes que l'on considére ou de leur modélisation :<br />

– discret ou continu : cette propriété est à considérer selon plusieurs points de<br />

vue (changement d’états, espace, temps,...),<br />

– les processus modélisés sont-ils déterministes ou stochastiques ,<br />

– l’espace est-il à prendre en compte <br />

– le temps a-t-il une importance <br />

La première propriété est probablement la plus importante. Pour les systèmes<br />

spatio-temporels où l’espace et temps font parti <strong>des</strong> modèles, le modélisateur doit faire<br />

un choix de représentation de l’espace et du temps. Il est bien évident que définir le<br />

temps comme une variable discrète ou continue n’implique pas les mêmes outils de<br />

modélisation. Typiquement, les automates cellulaires manipulent un temps discret (à<br />

chaque pas de temps, l’état de l’automate est calculé en fonction de l’automate à<br />

l’instant précédent) et les équations différentielles ordinaires manipulent un temps<br />

continu. Par exemple, la température évolue de manière continue dans le temps alors<br />

que le nombre de produits en fin de chaîne de production évolue de manière discrète.<br />

Les modèles construits autour de ces variables ne seront pas de la même nature et ne<br />

mettront pas en jeu les mêmes formalismes.<br />

Comme le proposent les automates à états finis, il est possible de spécifier les<br />

transitions d’états soit de manière déterministe soit de manière stochastique. Ce<br />

choix n’est pas obligatoirement guidé par une propriété de stochasticité du système<br />

mais par l’approche adoptée pour la modélisation <strong>des</strong> processus. Si le niveau de<br />

connaissances sur le système n’est pas suffisant, les probabilités modélisent la<br />

proportion d’apparition de l’état suivant en fonction de l’état courant. Cette<br />

probabilité est déterminée par l’observation du phénomène.<br />

Nous allons donc maintenant dresser une classification <strong>des</strong> formalismes dédiés à<br />

la spécification de la dynamique <strong>des</strong> systèmes en fonction de trois critères : la<br />

manipulation de variables continues ou discrètes, la représentation de l’espace<br />

continu ou discret et la présence du temps continu ou discret.<br />

La figure 2.2 nous montrent de manière évidente la multitude <strong>des</strong> formalismes et<br />

l’adéquation aux hypothèses retenues pour le modèle. Dans le cadre de la multimodélisation,<br />

cette diversité de formalismes va poser la question du couplage de<br />

modèles : comment coupler deux modèles exprimés dans <strong>des</strong> formalismes différents

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!