Calibration of Agent-based Model For Complex Systems.
Le calibrage de modèles à base d'agents pour la simulation de systèmes complexes.
Résumé
The agent based approach is interested in the modelling and the simulation of complex systems. The tuning of the model constitutes a crucial step of the design process. Indeed, agent-based models are generally characterized by lots of parameters, which together determine the global dynamics of the system. The search space can thus be gigantic. Moreover the behavior of these complex systems is often chaotic. The approach that we suggest is to consider the problem of the tuning of the agent-based model as an optimization problem. The validation can thus be reformulated as the identification of a parameter set that optimizes some function, for instance a measure of the distance between the artificial world that we simulate and the real system. We proposed three approaches. The first approach is based on the direct use of an optimization algorithm where the model is seen as a black box whose inputs are the values of the parameters, and whose output is the value of fitness function computed after the simulation of the model. The second approach consists in exploring the parameter space differentially, dividing it adaptively into sub-spaces. The third approach consists in a single simulation where the agents are modified online.
L'approche à base d'agents s'intéresse à la modélisation et la simulation de systèmes complexes. Un des aspects importants dans le processus de conception est lié à la mise au point des paramètres du modèle. En effet, ces modèles sont généralement caractérisés par de nombreux paramètres qui déterminent la dynamique globale du système simulé. L'espace des paramètres peut être alors gigantesque. De plus, le comportement de ces systèmes complexes est souvent chaotique. L'approche que nous suggérons est de considérer le problème de calibrage des modèles à base d'agents comme un problème d'optimisation. La validation peut alors être reformulée comme l'identification d'un jeu de paramètres qui optimise une fonction, par exemple une mesure de distance entre le modèle artificiel que nous simulons et le système réel. Nous avons proposé trois approches complémentaires dans le cadre de la thèse. La première approche se fonde sur l'application directe d'un algorithme d'optimisation où le modèle est vu comme une boîte noire dont les entrées sont les valeurs de paramètres et la sortie la valeur d'une fonction objectif évaluée après la simulation du modèle. La deuxième approche consiste ensuite à explorer différentiellement l'espace des paramètres en le découpant de manière adaptative en sous-espaces d'autant plus finement découpés que les paramétrages correspondants sont a priori intéressants. Enfin, la troisième approche consiste à effectuer une seule simulation où les agents sont modifiés en ligne.
Loading...