Projet Java 2A (ESIAL 2A)

Dimension: px

Commencer à balayer dès la page:

Download "Projet Java 2A (ESIAL 2A)"

Rose Grondin
il y a 7 ans
Total affichages :

1 Projet Java 2A (ESIAL 2A) Simulation du phénomène de fourragement dans des colonies de fourmis Vincent THOMAS

2 Thématique: Intelligence Collective Auto-organisation Comprendre comment un ensemble d entités peut s organiser pour résoudre un problème collectif et les réutiliser

3 Thématique: Intelligence Collective Auto-organisation Comprendre comment un ensemble d entités peut s organiser pour résoudre un problème collectif et les réutiliser Plusieurs domaines Biologie Agrégation, déplacement en groupe

4 Thématique: Intelligence Collective Auto-organisation Comprendre comment un ensemble d entités peut s organiser pour résoudre un problème collectif et les réutiliser Plusieurs domaines Biologie Agrégation, déplacement en groupe Tri collectif

5 Thématique: Intelligence Collective Auto-organisation Comprendre comment un ensemble d entités peut s organiser pour résoudre un problème collectif et les réutiliser Plusieurs domaines Biologie Agrégation, déplacement en groupe Tri collectif Construction collective de toile

6 Thématique: Intelligence Collective Auto-organisation Comprendre comment un ensemble d entités peut s organiser pour résoudre un problème collectif et les réutiliser Plusieurs domaines Biologie Agrégation, déplacement en groupe Tri collectif Construction collective de toile Groupes humains

7 Thématique: Intelligence Collective Auto-organisation Comprendre comment un ensemble d entités peut s organiser pour résoudre un problème collectif et les réutiliser Plusieurs domaines Biologie Agrégation, déplacement en groupe Tri collectif Construction collective de toile Groupes humains Informatique Réseau (réseaux ad hoc, routage) Systèmes multi-agents (coordination, communication, coopération) IA / intelligence collective Entité «intelligente» Collectif «intelligent» Entité «simple» Collectif «intelligent» Intelligence vient du collectif

8 Thématique: Intelligence Collective Auto-organisation Comprendre comment un ensemble d entités peut s organiser pour résoudre un problème collectif et les réutiliser Plusieurs domaines Biologie Agrégation, déplacement en groupe Tri collectif Construction collective de toile Groupes humains Informatique Réseau (réseaux ad hoc, routage) Systèmes multi-agents (coordination, communication, coopération) IA / intelligence collective Entité «intelligente» Collectif «intelligent» Entité «simple» Collectif «intelligent» Intelligence vient du collectif

9 Votre Objectif Simuler un phénomène collectif Valider le passage Données Comportement individuel Comportement individuel Comportement individuel Résultat Comportement Collectif Résultant Pour ce faire, utiliser Système multi-agents Permet de modéliser individu et d obtenir le collectif

10 Agent autonome Robot Programme Agent (perception) Boucle perception / action Perception Environnement

11 Agent autonome Robot Programme Agent (décision) Boucle perception / action Comportement & Mémoire Perception Environnement

12 Agent autonome Robot Programme Agent (action) Boucle perception / action Comportement & Mémoire Perception Environnement Action

13 Agent autonome Robot Programme Agent (problématique) Boucle perception / action Comportement & Mémoire Perception Action Environnement Quel cerveau mettre dans l agent?

14 Système multi-agents Plusieurs agents avec leurs comportements Chacun décide de manière autonome Autres & Mémoire Communication Perception Action Environnement Communication Interagir et coopérer?

15 Positionnement de la simulation Pour la biologie Phénomène biologique collectif Provient de décisions individuels Hypothèses individuelles Comportement collectif obtenu? Vie Artificielle Pour informatique Problème posé à la collectivité (ex tri collectif) Solution est dans les comportements individuels Comment les déterminer? S inspirer de la biologie qui propose des systèmes qui fonctionnent Inspiration biologique

16 Fourmis Nid Nourriture Parviennent a trouver plus court chemin Fourmi Décision Manière autonome (chaque animal prend ses décisions) Capacités cognitives réduites Pas de stratégie Pas de représentation des autres Solution Utiliser l environnement (petit poucet) Phéromones

17 Les fourmis Cherchent nourriture Solution Nid S

18 Les fourmis Cherchent nourriture Trouvent de la nourriture Solution Nid S

19 Les fourmis Solution Cherchent nourriture Trouvent de la nourriture Reviennent au nid en déposant des phéromones Nid S

20 Les fourmis Solution Cherchent nourriture Trouvent de la nourriture Reviennent au nid en déposant des phéromones Ces phéromones attirent les autres fourmis Nid S

21 Les fourmis Solution Cherchent nourriture Trouvent de la nourriture Reviennent au nid en déposant des phéromones Ces phéromones attirent les autres fourmis Mais plusieurs chemins apparaissent? Nid S

22 Les fourmis Solution Cherchent nourriture Trouvent de la nourriture Reviennent au nid en déposant des phéromones Ces phéromones attirent les autres fourmis Évaporation des phéromones Trouver le + court chemin (+ chargé) Nid S

23 Les fourmis Solution Cherchent nourriture Trouvent de la nourriture Reviennent au nid en déposant des phéromones Ces phéromones attirent les autres fourmis Évaporation des phéromones Trouver le + court chemin (+ chargé) Nid S

24 Projet proposé Simuler comportement colonie de fourmis Clients: éthologues Objectif: Vérifier des hypothèses concernant modèle Si composition des règles individuelles construit collectif Application simulateur

25 Modèle de l environnement Environnement Carte topologique Point et chemin Nid Sources de nourriture Qualité donnée Phéromones sur les chemins N S 2 S 1 Loi d évolution Évaporation à taux constant toutes les secondes

26 Agents Fourmis Perceptions : chemins et phéromones N S 2 S 1

27 Agents Fourmis Perceptions : chemins et phéromones N S 2 Action: Choisir un chemin (tendance à suivre le plus marqué) Se déplacer le long du chemin Pas de demi-tour S 1

28 Agents Fourmis Perceptions : chemins et phéromones N S 2 Action: Choisir un chemin (tendance à suivre le plus marqué) Se déplacer le long du chemin Pas de demi-tour S 1 Décision Si pas de nourriture déplacement aléatoire (En fonction des phéromones) Si nourriture retour (chemin inverse que mémorisé) pose de phéromones

29 Simulateur Moteur de simulation à évènements discrets Principe Un moteur Des évènements qui se produisent à certaines dates Moteur de simulation E 1 t=5 E 2 t=3 E 3 t=2

30 Simulateur Moteur de simulation à évènements discrets Principe Un moteur Des évènements qui se produisent à certaines dates Moteur de simulation E 1 t=5 E 2 t=3 E 3 t=2

31 Simulateur Moteur de simulation à évènements discrets Principe Un moteur Des évènements qui se produisent à certaines dates Moteur de simulation E 1 t=5 E 2 t=3

32 Simulateur Fonctionnalités Avec interface graphique lisible Préparer une simulation Suivre exécution Modifier à l exécution certains paramètres Analyser résultats Sauvegarder trace d exécution

Documents pareils

Optimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique