Multiagent System for Flow Management in Complex Systems: Development of a Decision Support System in Epidemiology
Modélisation et Gestion de Flux par Systèmes Multiagents: Application à un système d'aide à la décision en épidémiologie
Résumé
Our work consists in studying complex systems. Some complex problems have no analytical solution or have a too complicated solution to be easily implemented. The traditional analytical methods are declined either from a global point of view (holistic) where the complexity is separated into distinct elements to represent the behaviour of only by only one entity (reductionism). So, the various levels of complexity of the system's organisation and their overlap are underestimated. In fact, the evolution of this type of systems is almost impossible to anticipate because of the important number of present entities and their interactions.
Another approach is based on the modeling of the behavior of each element which participates in this evolution likewise on the modeling of their interactions with the other elements and the environment. During these interactions, different kinds of data can be exchanged (information, money, food, virus, etc...). Each exchange can be interpreted as a flow. The principle is to connect entities which have simple characteristics. This allows them to interact together in a specific environment in order to obtain a general higher level behaviour. As we can observe in social animal societies, the collective performance emerges from these direct or indirect interactions: this is the result of a self-organization process during which the environment and the community structure themselves. The stochastic evolution of such systems does not allow them to be characterized completely. Consequently, to model and understand the circulation of flow in this type of systems, we need to make use of simulation.
In order to take into account the multiple specifications of complex systems in their modeling, Multi-Agent Systems (MAS) represent a particularly suitable method. In this way, environmental phenomena are represented as the consequences of the interaction of agents acting in parallel, each agent being a reactive and autonomous entity.
Our work focuses on the study of flow circulation in complex systems by the development of Agent-Oriented Simulation (AOS). A particular application of this flow management method is to simulate the circulation of a parasite (Cryptosporidium parvum) in an ecosystem. The principal objective is to better understand the various episodes of infection within different host populations (animal or human) under specific constraints. Because of the fact that this parasite is particularly resistant to the traditional disinfection methods, it is necessary to enhance the prevalent factors acting in the contamination and the propagation of C. parvum.
To this end, the data, received from biologists, enabled us to design a tool of experimentation in epidemiology. This AOS allows the exploration of the system behaviour where Cryptosporidium spp. circulates. Thus, different scenarios can be simulated. On the one hand, the software enables us to propose new assumptions on the parasite dissemination, and, on the other hand, the results show the accuracy of our modeling.
With an aim of bringing an autonomous decision support system to the biologists, we developed a system of higher level (meta-system) able to carry out the monitoring of an AOS. This meta-system, based on the concept of metaheuristic, tries to optimize the behavior of the system, according to precise problems, by evaluating the impact of preset factors on the evolution of the AOS. Thus, it is capable to interpret the simulation's results in order to allow causes to emerge which influence the parasite propagation by self-generation of scenarios.
Another approach is based on the modeling of the behavior of each element which participates in this evolution likewise on the modeling of their interactions with the other elements and the environment. During these interactions, different kinds of data can be exchanged (information, money, food, virus, etc...). Each exchange can be interpreted as a flow. The principle is to connect entities which have simple characteristics. This allows them to interact together in a specific environment in order to obtain a general higher level behaviour. As we can observe in social animal societies, the collective performance emerges from these direct or indirect interactions: this is the result of a self-organization process during which the environment and the community structure themselves. The stochastic evolution of such systems does not allow them to be characterized completely. Consequently, to model and understand the circulation of flow in this type of systems, we need to make use of simulation.
In order to take into account the multiple specifications of complex systems in their modeling, Multi-Agent Systems (MAS) represent a particularly suitable method. In this way, environmental phenomena are represented as the consequences of the interaction of agents acting in parallel, each agent being a reactive and autonomous entity.
Our work focuses on the study of flow circulation in complex systems by the development of Agent-Oriented Simulation (AOS). A particular application of this flow management method is to simulate the circulation of a parasite (Cryptosporidium parvum) in an ecosystem. The principal objective is to better understand the various episodes of infection within different host populations (animal or human) under specific constraints. Because of the fact that this parasite is particularly resistant to the traditional disinfection methods, it is necessary to enhance the prevalent factors acting in the contamination and the propagation of C. parvum.
To this end, the data, received from biologists, enabled us to design a tool of experimentation in epidemiology. This AOS allows the exploration of the system behaviour where Cryptosporidium spp. circulates. Thus, different scenarios can be simulated. On the one hand, the software enables us to propose new assumptions on the parasite dissemination, and, on the other hand, the results show the accuracy of our modeling.
With an aim of bringing an autonomous decision support system to the biologists, we developed a system of higher level (meta-system) able to carry out the monitoring of an AOS. This meta-system, based on the concept of metaheuristic, tries to optimize the behavior of the system, according to precise problems, by evaluating the impact of preset factors on the evolution of the AOS. Thus, it is capable to interpret the simulation's results in order to allow causes to emerge which influence the parasite propagation by self-generation of scenarios.
Le travail présenté se situe dans le champ des systèmes complexes. Certains problèmes complexes ne possèdent pas de solution analytique ou ont une solution trop compliquée pour être mise en œuvre facilement. Les méthodes analytiques traditionnelles se posent soit d'un point de vue global (holiste) soit découpent la complexité en éléments distincts pour représenter le comportement du système par une seule entité (réductionniste). Elles sous-estiment ainsi la complexité des différents niveaux d'organisation du système et leur imbrication. De fait, il est quasiment impossible de prévoir l'évolution de tels systèmes à cause du trop grand nombre d'entités et de leurs interactions.
Une autre approche se base sur la modélisation du comportement de chaque élément participant à cette évolution ainsi que celle de ses interactions avec les autres éléments et avec l'environnement. Lors de ces interactions, différents types de données peuvent être échangés (information, argent, nourriture, virus, etc...). Ces échanges peuvent être vus comme un flux. Le principe est de mettre en relation des entités ayant des caractéristiques simples qui leur permettront d'interagir les unes avec les autres dans un environnement spécifique afin d'obtenir un comportement global de plus haut niveau. Comme nous pouvons l'observer dans certaines sociétés d'animaux dits sociaux, la performance collective émerge des interactions directes ou indirectes entre les individus et l'environnement : elle est le résultat d'un processus d'auto-organisation au cours duquel l'environnement et la collectivité se structurent mutuellement. L'imprévisibilité de l'évolution des systèmes complexes ne permet pas de les caractériser complètement. Par conséquent, pour modéliser et comprendre la circulation de flux dans de tels systèmes, il est nécessaire de se tourner vers la simulation.
Afin de tenir compte des différentes spécifications des systèmes complexes dans leur modélisation, les Systèmes MultiAgents (SMA) représentent une méthode particulièrement appropriée. Il est alors possible de représenter des phénomènes environnementaux comme la conséquence d'interactions d'agents agissant en parallèle, chaque agent étant une entité réactive et autonome.
Notre travail est centré sur l'étude de la gestion des flux dans les systèmes complexes par l'élaboration de Simulation Orientée Agents (SOA). En particulier, nous appliquons cette démarche à l'étude de la circulation d'un parasite (Cryptosporidium parvum) dans un écosystème. L'objectif est de mieux comprendre les différents épisodes d'infection auprès de population d'hôtes (animale ou humaine) sous des contraintes spécifiques. Étant donné que ce parasite est particulièrement résistant aux méthodes de désinfection traditionnelles, il est nécessaire de saisir les facteurs prédominants agissant dans la contamination et la propagation du parasite.
A cet effet, les données, recueillies auprès de biologistes, nous ont permis de concevoir un outil d'expérimentation en épidémiologie. Cette SOA permet une exploration des comportements possibles du système où circule Cryptosporidium spp.. Ainsi, un ensemble de scenarii a pu être simulé. Les résultats permettent d'évaluer la fiabilité de la modélisation, puis, d'émettre de nouvelles hypothèses concernant la dissémination du parasite.
Dans l'objectif d'apporter aux biologistes un outil d'aide à la décision autonome, nous avons développé un système de niveau supérieur (méta-système) capable de réaliser le monitoring d'une SOA. Ce méta-système, basé sur le concept de métaheuristique, cherche à optimiser le comportement du système en fonction d'une problématique précise en évaluant l'impact de facteurs prédéfinis sur l'évolution de la SOA. Ainsi, il est à même d'interpréter les résultats des simulations pour permettre de faire émerger, par l'auto-génération de scenarii, les causes qui influent sur la propagation du parasite.
Une autre approche se base sur la modélisation du comportement de chaque élément participant à cette évolution ainsi que celle de ses interactions avec les autres éléments et avec l'environnement. Lors de ces interactions, différents types de données peuvent être échangés (information, argent, nourriture, virus, etc...). Ces échanges peuvent être vus comme un flux. Le principe est de mettre en relation des entités ayant des caractéristiques simples qui leur permettront d'interagir les unes avec les autres dans un environnement spécifique afin d'obtenir un comportement global de plus haut niveau. Comme nous pouvons l'observer dans certaines sociétés d'animaux dits sociaux, la performance collective émerge des interactions directes ou indirectes entre les individus et l'environnement : elle est le résultat d'un processus d'auto-organisation au cours duquel l'environnement et la collectivité se structurent mutuellement. L'imprévisibilité de l'évolution des systèmes complexes ne permet pas de les caractériser complètement. Par conséquent, pour modéliser et comprendre la circulation de flux dans de tels systèmes, il est nécessaire de se tourner vers la simulation.
Afin de tenir compte des différentes spécifications des systèmes complexes dans leur modélisation, les Systèmes MultiAgents (SMA) représentent une méthode particulièrement appropriée. Il est alors possible de représenter des phénomènes environnementaux comme la conséquence d'interactions d'agents agissant en parallèle, chaque agent étant une entité réactive et autonome.
Notre travail est centré sur l'étude de la gestion des flux dans les systèmes complexes par l'élaboration de Simulation Orientée Agents (SOA). En particulier, nous appliquons cette démarche à l'étude de la circulation d'un parasite (Cryptosporidium parvum) dans un écosystème. L'objectif est de mieux comprendre les différents épisodes d'infection auprès de population d'hôtes (animale ou humaine) sous des contraintes spécifiques. Étant donné que ce parasite est particulièrement résistant aux méthodes de désinfection traditionnelles, il est nécessaire de saisir les facteurs prédominants agissant dans la contamination et la propagation du parasite.
A cet effet, les données, recueillies auprès de biologistes, nous ont permis de concevoir un outil d'expérimentation en épidémiologie. Cette SOA permet une exploration des comportements possibles du système où circule Cryptosporidium spp.. Ainsi, un ensemble de scenarii a pu être simulé. Les résultats permettent d'évaluer la fiabilité de la modélisation, puis, d'émettre de nouvelles hypothèses concernant la dissémination du parasite.
Dans l'objectif d'apporter aux biologistes un outil d'aide à la décision autonome, nous avons développé un système de niveau supérieur (méta-système) capable de réaliser le monitoring d'une SOA. Ce méta-système, basé sur le concept de métaheuristique, cherche à optimiser le comportement du système en fonction d'une problématique précise en évaluant l'impact de facteurs prédéfinis sur l'évolution de la SOA. Ainsi, il est à même d'interpréter les résultats des simulations pour permettre de faire émerger, par l'auto-génération de scenarii, les causes qui influent sur la propagation du parasite.
Domaines
Modélisation et simulation
Fichier principal
These_A-WEBER.pdf (6.61 Mo)
Télécharger le fichier
Soutenance_A-WEBER.pdf (4.24 Mo)
Télécharger le fichier
Format : Autre