| Popis: |
Les simulations a base d'agents (MABS) ont ete utilisees avec succes pour modeliser des systemes complexes dans de nombreux domaines. Neanmoins, un probleme des MABS est que leur complexite augmente avec le nombre d'agents et de types de comportements differents consideres dans les modeles. Pour des systemes de taille moyenne a grande, il est impossible de valider, voire meme d'observer simplement les trajectoires des agents individuels lors d'une simulation. Les approches de validation classiques, ou seuls des indicateurs globaux sont calcules, sont trop simplistes pour permettre d'evaluer le modele de simulation avec un degre de confiance suffisant. Il est alors necessaire d'introduire des niveaux intermediaires de validation et d'observation. Dans cet article, nous proposons l'utilisation de la classification automatique de donnees (clustering) combinee a la caracterisation automatisee de clusters pour construire, decrire et suivre l'evolution de groupes d'agents en simulation. La description de clusters est utilisee pour generer des profils d'agents qui sont reintroduits dans les simulations avec l'objectif d'etudier la stabilite des descriptions et des structures des clusters sur plusieurs simulations et de decider de leur capacite a decrire les phenomenes modelises. Ces outils permettent au modelisateur d'avoir un point de vue intermediaire sur l'evolution du modele. Ils sont suffisamment flexibles pour etre appliques a la fois hors ligne et en ligne comme le montrent les analyses realisees a la fois sur des simulations Netlogo et sur des logs de simulations. |
