Modélisation des processus émotionnels dans la prise de décision

par Karim Mahboub

Thèse de doctorat en Informatique

Sous la direction de Cyrille Bertelle.

Soutenue en 2011

à Le Havre .


  • Résumé

    L'émotion est indissociable des processus cognitifs et joue par conséquent un rôle majeur dans la prise de décision. De ce fait, elle occupe une place de plus en plus importante dans la recherche scientifique actuelle. L'objectif de cette thèse est de révéler l'intérêt que peut présenter une approche émotionnelle, et de prouver que des modèles informatiques dotés d'émotions artificielles peuvent dans certains cas s'avérer plus performants que leurs équivalents purement cognitifs. Partant de ce constat, deux modèles de l'émotion ont été réalisés sous différentes perspectives d'étude. Ils soulignent l'impact de l'ajout d'une dimension émotionnelle dans l'élaboration d'une décision rapide, efficace et adaptée. Le premier modèle développé utilise un graphe de représentation de stratégies afin de résoudre un exercice de mathématiques proposé à des élèves de CM2, intitulé "problème des Cascades". L'émotion y est représentée en tant que valuation des arêtes au sein du graphe, la dynamique de ce dernier étant assurée par un algorithme fourmi. Les tests effectués montrent que l'utilisation d'un modèle émotionnel permet une résolution plus efficace et adaptative. Par ailleurs, un second modèle, nommé GAEA vise à simuler un robot équipé de capteurs et effecteurs, et plongé dans un environnement proie-prédateurs au sein duquel il doit survivre. Son comportement est déterminé par son programme interne, évoluant grâce à un algorithme de programmation génétique linéaire manipulant une population d'individus-programmes. Les résultats indiquent une évolution de la population vers des individus dont l'activité interne est analogue à l'émergence de réactions émotionnelles pertinentes.

  • Titre traduit

    Emotional processes modelling in decision making


  • Résumé

    Emotion is inseparable from cognitive processes and therefore plays a major role in decision making. As a result, it is becoming increasingly important in today's scientific research. The aim of this thesis is to show the advantages of an emotional approach, and to prove that in certain cases computer models equipped with artificial emotions prove to be more efficient than their purely cognitive equivalents. Based on this observation, two emotional models were realised from different study perspectives. They underline the impact of the addition of an emotional dimension in the elaboration of a fast, adaptive and efficient decision. The first developed model uses a graph for strategies representation in order to solve a ten-year-old pupil mathematics exercise called the "Cascades problem". Emotion is represented there as weighting values in the graph edges dynamically managed by an ant algorithm. The tests carried out on two versions, one emotional and the other one fully cognitive, show that the use of an emotional model produces a more efficient and adaptive solving. In addition, a second model named "GAEA" aims at simulating a robot equipped with sensors and effectors and thrown into a prey-predators environment inside which it must survive. Its behaviour is determined by its internal program that evolves thanks to a linear genetic program algorithm manipulating a population of program individuals. Results are promising and indicate that the population produces individuals whose behaviour is more and more adapted, and whose internal activity is analogous to the emergence of relevant emotional reactions.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (229-18 p.)
  • Annexes : Bibliogr. p. 213-222

Où se trouve cette thèse ?

  • Bibliothèque : Université du Havre. Service commun de la documentation. Bibliothèque centrale.
  • Disponible pour le PEB
  • Cote : STH 998
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.