Modèle proie - prédateur

Présentation au sujet: "Modèle proie - prédateur"— Transcription de la présentation:

1 Modèle proie - prédateur
Olivier Cacciuttolo, Joris Harnetiaux, Lucas Jourdes, Zhou Ren 14 mai 2013

2 Plan Introduction au problème Explication du problème
Approche itérative Modélisation FSP Approche concurrente Problèmes rencontrés Démonstration Résultats

3 Introduction au problème
Equations de Lotka-Volterra « Décrire la dynamique des systèmes biologiques dans un environnement ou interagissent les proies et leurs prédateurs respectifs »

4 Explication du problème Proies (𝑯) 𝒅𝑯 𝒅𝒕 𝑯 =𝒓 𝒅𝑯 𝒅𝒕 =𝒓𝑯−𝒑𝑯𝑷 −𝒑𝑷
𝒓 : Taux croissance proies 𝒑 : Efficacité prédateur Proies (𝑯) Taux de croissance 𝒓 constant Interactions avec prédateurs 𝒑𝑷 Evolution de la population 𝒅𝑯 𝒅𝒕 𝑯 =𝒓 𝒅𝑯 𝒅𝒕 =𝒓𝑯−𝒑𝑯𝑷 −𝒑𝑷

5 Explication du problème Prédateurs (𝑷) 𝒅𝑷 𝒅𝒕 𝑷 =−𝒅 𝒅= − 𝒅𝑷 𝒅𝒕 𝑷
𝒓 : Taux croissance proies 𝒑 : Efficacité prédateur 𝒅 : Taux mortalité prédateurs 𝜶 : Energie apportée Prédateurs (𝑷) Taux de mortalité 𝒅 constant Interactions avec proies 𝜶𝑯 Evolution de la population 𝒅𝑷 𝒅𝒕 𝑷 =−𝒅 𝒅= − 𝒅𝑷 𝒅𝒕 𝑷 𝒅𝑷 𝒅𝒕 = −𝒅𝑷+𝒂𝒑𝑷𝑯 +𝜶𝑯

6 Approche itérative Repose sur composants POO2
Adaptation aux coefficients probabilistes Notion de déplacement dans un espace fini Les animaux « vivent » au tour à tour Parcours d’une liste Simulation du comportement de l’animal

7 Modélisation FSP POSITION_LOCK = (aquirePos->releasePos->POSITION_LOCK). MEET_LOCK = (look->lookAway->MEET_LOCK).

8 Approche concurrente Chaque animal devient un thread
Agissent sans contrainte de temps synchronized sur les accès aux objets partagés : Liste des animaux Matrice représentant leur habitat Surveillance de l’état mortuaire de l’animal

9 Problèmes rencontrés FSP Mise en place du parallélisme :
Reproduction des espèces Déplacement des animaux Famine Capacité mémoire insuffisante

10 Démonstration

11 Résultats 2000 steps 100×100 = 10.000 cases ≈ 50 prédateurs
≈ 200 proies  Proies : 𝑟 = 0,05 𝑃 = 0,5 Prédateurs : 𝑑 = 0,03 𝑎 = 0,2

12 Résultats 2000 steps 100×100 = 10.000 cases ≈ 50 prédateurs
≈ 200 proies  Proies : 𝑟 = 0,2 𝑃 = 0,5 Prédateurs : 𝑑 = 0,03 𝑎 = 0,2

13 Résultats 2000 steps 100×100 = 10.000 cases ≈ 50 prédateurs
≈ 200 proies  Proies : 𝑟 = 0,05 𝑃 = 0,5 Prédateurs : 𝑑 = 0,03 𝑎 = 0,05

14 Résultats 2000 steps 100×100 = 10.000 cases ≈ 50 prédateurs
≈ 200 proies  Proies : 𝑟 = 0,05 𝑃 = 0,5 Prédateurs : 𝑑 = 0,01 𝑎 = 0,2

15 Références