Modélisation et gestion de flux par systèmes multiagents : application à un système d’aide à la décision en épidémiologie

Modelling and management of flow by multiagent system : application to a decision-support system in epidemiology

• Auteur / Autrice : Alexandre Weber
• Direction : Ahmed Rahmani, Daniel Dupont, Philippe Kubiak
• Type : Thèse de doctorat
• Discipline(s) : Informatique industrielle et automatique
• Date : Soutenance en 2007
• Etablissement(s) : Ecole Centrale de Lille

Mots clés

Mots clés contrôlés

Parasitologie

Heuristique

Systèmes d'aide à la décision

Bioinformatique

Systèmes auto-organisés

Agents intelligents (logiciels)

Intelligence artificielle répartie

Simulation, Méthodes de

Systémique

Mots clés libres

Méta-heuristique

Monotoring

Résumé

Un système complexe est caractérisé par le grand nombre d’entités en interaction qu’il regroupe. Les échanges dans le système sont vus comme des flux. L’imprévisibilité de l’évolution de tels systèmes ne permet pas de les caractériser complètement. Par conséquent, pour modéliser et comprendre la circulation de flux dans les systèmes complexes, il est nécessaire de se tourner vers la simulation. Les Systèmes Multi-Agents (SMA) représentent une méthode particulièrement appropriée à ce type de modélisation. Nous appliquons cette démarche à l’étude de la circulation d’un parasite dans un écosystème (Cryptosporidium). Ce parasite étant particulièrement résistant aux méthodes de désinfection traditionnelles, il est nécessaire de saisir les facteurs prédominants agissant dans sa propagation. A cet effet, les données, recueillies auprès de biologistes, nous ont permis de concevoir une Simulation Orientée Agents (SOA) autorisant une exploration des comportements possibles du système. Les résultats permettent d’évaluer la fiabilité de la modélisation et de mieux comprendre la dissémination du parasite. Afin d’apporter aux biologistes un outil d’aide à la décision autonome, nous avons développé un système de niveau supérieur (méta-système) capable de réaliser le monitoring d’une SOA. Ce méta-système, basé sur le concept de métaheuristique, cherche à optimiser le comportement du système en fonction d’une problématique précise en évaluant l’impact de facteurs prédéfinis sur l’évolution de la SOA. Ainsi, il est à même d’interpréter les résultats des simulations pour permettre de faire émerger, par l’auto-génération de scenarii, les causes qui influent sur la propagation du parasite.

A complex system is characterized by the important number of entities in interaction which it gathers. Each exchange in the system can be interpreted as a flow. The stochastic evolution of such systems does not allow them to be characterized completely. Consequently, to model and understand the circulation of flow in this type of systems, we need to make use of simulation. Multi-Agent Systems (MAS) represent a particularly suitable method for this type of modeling. A particular application of this flow management method is to simulate the circulation of a parasite (Cryptosporidium) in an ecosystem. Because of the fact that this parasite is particularly resistant to the traditional disinfection methods, it is necessary to enhance the prevalent factors acting in its propagation. To this end, the data, received from biologists, enabled us to design an Agent-Oriented Simulation (AOS). This AOS allows the exploration of the system behaviour. The results make it possible to evaluate the reliability of modeling and to better understand the parasite dissemination. With an aim of bringing an autonomous decision support system to the biologists, we developed a system of higher level (meta-system) able to carry out the monitoring of an AOS. This meta-system, based on the concept of metaheuristic, tries to optimize the behavior of the system, according to precise problems, by evaluating the impact of preset factors on the evolution of the AOS. Thus, it is capable to interpret the simulation’s results in order to allow causes to emerge which influence the parasite propagation by self-generation of scenarios.