Simulation du rle de la communication dans ltablissement dun rseau de liens sociaux

1
Projet GPL

• Simulation du rôle de la communication dans
  létablissement dun réseau de liens sociaux

2
Plan

• I. Problématique
• II. Modélisation
• III. Test
• IV. Simulation
• V. Conclusions
• VI. Perspectives

3
Problématique

• A-t-on intérêt à communiquer ?
• Communiquer coûte
• Communiquer rapporte
• Quel est léquilibre ?

4
I. Problèmatique

• But du logiciel
• Etudier létablissement dun réseau de liens
  sociaux pour des agents artificiels égoïstes.
  Lidée sous-jacente est de démontrer que la
  communication est rentable (dans certain cas)
  malgré le coût quelle représente pour le
  locuteur.
• Problème complexe, non résolu par les
  scientifiques
• Nombreuses applications entreprises, individus,

5
II Modélisation
Remarque importante Les liens sont
dissymétriques (chefs/serviteurs)
6
II Modélisation

• Chaque agent ses attributs
• une qualité intrinsèque
• une propension à communiquer (sous forme de
  gène)
• la qualité visible
• les points de vie

7
II Modélisation

• 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 lautre
• puis les 2 agents donnent leur accord.
• nombres de chef et de serviteur bornés

8
II Modélisation

• Phase 2  Compétition
• classement selon la qualité intrinsèque du chef
  et de ses serviteurs
• redistribution

9
II Modélisation

• Phase 3  reproduction par génération
• morts et naissances
• pour garder la population constante
• algorithme génétique
• assure loptimisation

10
II Modélisation

• 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 gt 18

11
III Test algorithme génétique

• Lalgorithme génétique
• Gènome père
• Gènome mère

Crossovers
Génome fils
12
III Test algorithme génétique

• Les crossovers

13
III Test algorithme génétique

• Loptimisation

14
III Test algorithme génétique

• Influence de la mutation code barre

15
III Test algorithme génétique

• Implémentation
• Complexité
• O(taille de la population2 x nombre de tour x
  nombre de rencontre)
• Temps de calcul
• 1min10 pour (population60, tour400, rencontre1)

16
IV Simulation

• Choix de paramètres pour jouer sur
• la population
• lécologie
• les alliances
• la simulation

17
IV Simulation

• 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

18
IV Simulation
19
IV Simulation

• 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
22
V Conclusions

• Outils de résolution dun problème complexe
• Affichage des résultats agréables

Tous les outils sont en uvre pour répondre au
besoin des scientifiques dans ce domaine.
23
VI Perspectives

• Rendre laffichage dynamique
• Réduire le temps dexécution
• Sauvegarde des résultats
• Complexifier la modélisation
• Le rendre utilisable en ligne

24
Merci de votre attention Avez-vous des
questions ?