Description
Date depot: 1 janvier 1900
Titre: Conception d'un langage de modélisation pour la simulation individu-centrée multi-échelles
Directeur de thèse:
Alexis DROGOUL (UMMISCO)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Ce projet de thèse s’inscrit dans le cadre d’une collaboration entre l’UMI209 UMMISCO de l’Institut de Recherche pour le Développement (IRD) et l’équipe Modélisation et Simulation Informatique (MSI) de l’Institut de la Francophonie pour l’Informatique (IFI, Hanoi, Vietnam), qui a pour objectif de développer des outils de modélisation et de simulation des systèmes complexes.
Depuis 2006, des recherches ont été menées par les chercheurs des deux équipes pour
développer une plate-forme de simulation propre, GAMA, qui, tout en s’appuyant sur le meilleur de l’existant, fasse bénéficier les chercheurs en modélisation d’avancées qui n’existent pas encore dans les plate-formes existantes de modélisation et de simulation à base d'agent.
GAMA est maintenant utilisée dans une dizaine projets de recherche différents au Vietnam, en Afrique de l'Ouest et en France (GAMAVI, sur la propagation de la grippe aviaire au Nord-Vietnam, AROUND, sur l’organisation des secours en cas de catastrophe urbaine à Hanoi, 3Worlds, sur la représentation multi-échelles en écologie végétale, etc.).
{{{Problématique et sujet}}}
Habituellement, les modèles à base d'agents, quel que soit le domaine d’application, sont conçus à partir de l’identification d’un niveau de représentation (le niveau micro) et d’un niveau d’analyse (le niveau macro). Au niveau micro sont représentés des agents, dotés de comportements, de capacités de perception et de communication, ainsi qu’un environnement partagé par tous. La plupart des langages de modélisation à base d’agents sont basés sur ce schéma. Le niveau macro, quant à lui, n’est souvent représenté qu’indirectement, sous la forme de calculs statistiques, ou d’agrégation d’attributs individuels. Il n’a pas d’existence en tant qu’entité du modèle (ou alors sous la forme d’un “observateur” extérieur à sa dynamique). Cette représentation des modèles à base d'agents, qui est la norme dans la communauté, a deux conséquences :
-* Si des structures intermédiaires (niveau méso) émergent au cours d’une simulation, par exemple des groupes d’agents ayant des propriétés en commun, ou des régularités spatio-temporelles, elles ne peuvent être identifiées que postérieurement (par classification, analyse statistique) et ne peuvent donc jouer aucun rôle dans la dynamique de la simulation.
-* Si les données dont disposent le modélisateur se situent à plusieurs niveaux d’abstraction (par exemple, des données individuelles, des données sur certains groupes d’individus, ou des données sur la population), il n’est pas toujours évident de les représenter simultanément dans le système, car elles doivent être systématiquement “distribués” sur le seul niveau de représentation disponible, le niveau micro.
Il n’existe pas, à l’heure actuelle, de solution satisfaisante à ces deux problèmes de modélisation, ni dans les plate-formes existantes, ni dans les travaux plus théoriques portant sur l’émergence ou l’auto-organisation.
La problématique de la thèse consiste donc en la conception :
-# D’un méta-modèle à base d’agents, dérivé du méta-modèle de GAMA, capable de prendre en compte, simultanément, plusieurs niveaux de représentation hiérarchisés (agents, groupes, populations) et proposant des solutions relatives au contrôle de l’ensemble (s’il y a conflit entre le comportement d’un niveau et le comportement proposé par le niveau supérieur ou inférieur).
-# D’une extension au langage GAML s’appuyant sur ce méta-modèle et permettant au modélisateur de programmer, explicitement, ces différents niveaux et leurs relations. Cette extension proposera en particulier une gamme de structures de contrôle permettant de spécifier les interactions entre ces niveaux.
-# D’un mode de représentation et d’un système de réification dynamique, dans cette extension, des structures méso ou macro émergeant en cours de simulation. L’objectif est de pouvoir décrire, dans un modèle, sous quelles conditions un agent méso apparaît ou disparaît, et de pouvoir lui attacher des comportements comme à n’importe quel autre agent. Ces “conditions” pourront prendre plusieurs formes : descriptions de régles, descriptions par extension ou intension, voire mise en oeuvre de méthodes statistiques, de classification, d’abstraction, d’introspection ou d’apprentissage automatique.
Doctorant.e: Vo Duc An