Definition of a methodological framework for designing multi-agents models adapted to the renewable resources management
Définition d'un cadre méthodologique pour la conception de modèles multi-agents adaptée à la gestion des ressources renouvelables
Résumé
The potentialities of the MAS should not hide the difficulties the modelisator can encounter. More precisely, the question of models validation is regularly mentioned. The probabilities of revealing errors or bugs are not negligible. One can then legitimately wonder about the reliability of the simulators. However, the main problems don't come from errors of coding but rather from the management of the interactions or activations of the agents. Often underestimated, a rough management may produce artifacts and one can give by mistake the wrong properties to a model. Some techniques limit the emergence of this kind of bias by reinforcing for example the autonomy of the agents. Nevertheless, they are difficult to implement. It is rather worthy to be aware of the hot areas that may generate artifacts and to use standard procedures by adapting them to the modeled field.Modeling of the socio-ecosystems is not just a data-processing speciality, but request a confirmed know-how and the modelisator must take a critical look at its own tools. It is required to improve their robustness by showing that they exhibit relatively stable behaviors. The independent replication of a simulator reinforces its reliability. Indeed, to check and reproduce experimentation appear as the rule of any rigorous scientific method. But the difficulties of replication are affected by miss readability of the MAS. It is thus essential to describe it in a clear and non-ambiguous way. A work of re-presentation must be carried out to design reorganized diagrams that put the light on the essential points of the model and authorize discussions and criticisms.
Le paradigme multi-agent qui propose une manière originale de modéliser le monde, est considéré comme un mode pertinent de représentation des connaissances. Mais ces potentialités ne doivent pas cacher les difficultés qui guettent le modélisateur. Souvent sous-estimées, celles-ci peuvent remettre en cause sa légitimité scientifique. La question de la validation des SMA est soulevée et plus spécifiquement leur fiabilité. Contrairement aux modèles mathématiques, un SMA ne peut pas prouver ses résultats ni s'abstraire de la simulation. Lors du passage de sa conception à son implémentation, de nombreux artefacts peuvent apparaître. Certains sont liés à des erreurs de programmation ou de calcul, mais la plupart proviennent d'une gestion approximative du temps et des interactions entre agents. On risque ainsi d'attribuer par erreur des propriétés à un modèle. Or la technique informatique seule ne résout pas ces biais. Le concepteur doit connaître les zones sensibles susceptibles de générer des artefacts et les considérer dans le cadre du domaine traité. Après avoir mené des analyses exploratoires, il contrôle mieux son système et est capable d'expliquer tous les résultats produits. Pour renforcer la fiabilité du simulateur, il est aussi nécessaire de le répliquer de façon indépendante, à l'instar de toute démarche scientifique rigoureuse. Or les difficultés de la réplication sont souvent dues au manque de lisibilité des SMA. Si la parfaite explicitation reste un idéal, il est indispensable de présenter un SMA de façon claire et non ambiguë à l'aide de diagrammes réorganisés qui mettent la lumière sur les points essentiels et permettre des discussions et des critiques.