Télécharger la présentation
La présentation est en train de télécharger. S'il vous plaît, attendez
Publié parSévérine Leveque Modifié depuis plus de 9 années
1
Simulation du rôle de la communication dans l’établissement d’un réseau de liens sociaux Projet GPL :
2
I. Problématique II. Modélisation III. Test IV. Simulation V. Conclusions VI. Perspectives Plan
3
A-t-on intérêt à communiquer ? Communiquer coûte Communiquer rapporte Quel est l’équilibre ? Problématique
4
But du logiciel : Etudier l’établissement d’un réseau de liens sociaux pour des agents artificiels égoïstes. L’idée sous-jacente est de démontrer que la communication est rentable (dans certain cas) malgré le coût qu’elle représente pour le locuteur. Problème complexe, non résolu par les scientifiques Nombreuses applications : entreprises, individus,… I. Problèmatique
5
Groupe Fonction : sociale Groupe Fonction : sociale Population Fonction : écologie Population Fonction : écologie Affichage Sauvegarde Affichage Sauvegarde II Modélisation Remarque importante : Les liens sont dissymétriques (chefs/serviteurs)
6
Chaque agent : ses attributs une qualité intrinsèque une propension à communiquer (sous forme de gène) la qualité visible les points de vie II Modélisation
7
Phase 1 : Communication & alliances tirage au sort de deux individus dans le groupe celui qui a la qualité visible la plus forte propose de devenir le chef de l’autre puis les 2 agents donnent leur accord. nombres de chef et de serviteur bornés II Modélisation
8
Phase 2 : Compétition classement selon la qualité intrinsèque du chef et de ses serviteurs redistribution II Modélisation
9
Phase 3 : reproduction par génération morts et naissances pour garder la population constante algorithme génétique assure l’optimisation II Modélisation
10
Implémentation en Python : Langage orienté objet encapsulation et possibilité de faire évoluer facilement la modélisation Portable: sur Unix, Microsoft Windows ou MacOS Extensible: nombreuses interfaces graphiques Expressif: implémentation très intuitive « List comprehension » adult_qualities = [x.quality() for x in population if x.age >= 18] II Modélisation
11
L‘algorithme génétique : Gènome père : Gènome mère : III Test : algorithme génétique « Crossovers » Génome fils :
12
Les « crossovers » III Test : algorithme génétique
13
L’optimisation III Test : algorithme génétique
14
Influence de la mutation : « code barre » III Test : algorithme génétique
15
Implémentation : Complexité : O(taille de la population 2 x nombre de tour x nombre de rencontre) Temps de calcul : 1min10 pour (population=60, tour=400, rencontre=1) III Test : algorithme génétique
16
Choix de paramètres pour jouer sur : la population l’écologie les alliances la simulation IV Simulation
17
Affichage graphique des résultats : évolution de la moyenne des gènes de communication sur la durée de la simulation des alliances au dernier tour de la simulation des gènes de chaque individu de la dernière génération IV Simulation
19
Démonstration avec : maxima de 2 chefs et 15 serviteurs par individu coût de communication important moyenne de 15 rencontres par individu et par tour. ici
20
IV Simulation
21
V. Conclusions Groupe Fonction : sociale [Marie Clermontelle] Groupe Fonction : sociale [Marie Clermontelle] Population Fonction : écologie [Sophie Auchapt] Population Fonction : écologie [Sophie Auchapt] Affichage Sauvegarde [Mehedi Nouri] Affichage Sauvegarde [Mehedi Nouri]
22
V Conclusions Outils de résolution d’un problème complexe Affichage des résultats agréables Tous les outils sont en œuvre pour répondre au besoin des scientifiques dans ce domaine.
23
Rendre l’affichage dynamique Réduire le temps d’exécution Sauvegarde des résultats Complexifier la modélisation Le rendre utilisable en ligne VI Perspectives
24
Merci de votre attention Avez-vous des questions ?
Présentations similaires
© 2024 SlidePlayer.fr Inc.
All rights reserved.