View
23
Download
0
Category
Preview:
DESCRIPTION
Un Simulateur Multi-Agent pour l ’aide à la Décision d’un Collectif Application à la gestion d’une ressource limitée Agro-Environnementale. Marjorie LE BARS LAMSADE- Université Paris Dauphine UMR Economie Publique - INRA. Sous la direction de: Suzanne Pinson et Jean-Marie Attonaty. PLAN. - PowerPoint PPT Presentation
Citation preview
Un Simulateur Multi-Agent Un Simulateur Multi-Agent pour l ’aide à la Décision d’un pour l ’aide à la Décision d’un
CollectifCollectifApplication à la gestion d’une ressource Application à la gestion d’une ressource
limitée Agro-Environnementalelimitée Agro-Environnementale
Marjorie LE BARS
LAMSADE- Université Paris Dauphine
UMR Economie Publique - INRA
Sous la direction de: Suzanne Pinson et Jean-Marie Attonaty
PLAN
• Objectifs de la thèse
• Contexte
• Approche proposée
• Manga et extension MangaLère
• Implémentation
• Evaluation
• Conclusions et perspectives
Objectifs de la thèse• Conception et mise en œuvre d’un outil d’aide à la
décision dédié à la gestion d’un collectif
– Aide à la gestion de conflits entre décideurs
– Choix d’une réglementation, résultat d’un consensus
– Applicable à des cas réels et mis en œuvre sur un cas concret
• Conception d’un simulateur Multi-Agent
– Agents hétérogènes (cognitifs et réactifs)
– Modélisation des stratégies d’acteurs par les BDI
PLAN
• Objectifs de la thèse
• Contexte
• Approche proposée
• Manga et extension MangaLère
• Implémentation
• Evaluation
• Conclusions et perspectives
Contexte de la thèse• L’eau est une ressource rare
• Directives générales édictées au niveau national et européen en 1992 et 2001
• Mise en place concrète au niveau local et régional:
• Création de règles résultant de négociations entre les différents acteurs
concernés (agriculteurs, industriels, APN, fournisseur d'eau…)
Le plus souvent les résultats de ces négociations reflètent le pouvoir de certain
acteurs
Exemple de réglementation utilisée
V = [ 20 000 + ( 300*SAU + volume à l’hectare négocié * surface) ]
Avec : le coefficient annuel.20 000 m3 sont alloués à chaque exploitation quelles que soient les culturesLe coefficient cultural dépend de la nature du sol.300 m3 sont alloués à chaque hectare de SAU (Surface Agricole Utilisable) quel que soit le type d’assolement pratiqué.Selon la culture, un volume à l’hectare a été négocié avec les irriguants. Ce volume est ajouté au 300 m3 précédents.
Contexte de la thèseau niveau local
• Instruments pour l’aide à la décision individuelle
• DSS basés sur simulation (remplacent modèle de RO)
• Pas d’instruments pour l’aide à la décision d’un collectif
• Une vision globale au niveau régional du système agro-environnemental
• Une vision partagée par les différents acteurs
• Utilisable par les techniciens locaux pour définir des réglementations
Caractéristiques du domaineDans le cadre du problème posé, un certain nombre de
caractéristiques se dégagent
QUI ? Des acteurs
– Agriculteurs, Fournisseurs d’eau, Puissance Publique, Coopérative…
– Rationalités différentes
– Grande hétérogénéité des comportements, des objectifs, des stratégies
– Autonomes: ils gèrent leur demande en fonction de leurs objectifs
– Interactions
QUOI ?
Gestion d’une ressource en eau de façon satisfaisante
COMMENT ?
Définition d’une réglementation adaptée
Limites de ces modèles • Faible nombre de types d’acteurs (PL) et d’acteurs (TdJ)• Connaissance parfaite par les acteurs des solutions possibles et de leurs
conséquences• Hypothèse de rationalité complète du décideur• Hypothèse de l'existence d'un optimum économique (Unicité de critère )• Peu de prise en compte du temps (monopériodiques)
• Pas de prise en compte du comportement des acteurs • Pas de communication • Pas de processus de négociation• Difficilement réutilisable
Les modèles existants
PLAN
• Objectifs de la thèse
• Contexte
• Approche proposée
• Manga et extension MangaLère
• Implémentation
• Evaluation
• Conclusions et perspectives
Proposition
SMA apportent un instrument nouveau (clairement explicité) pour l’aide à la décision d’un collectif:
• Prise en compte de nombreux acteurs
• Des comportements de ces acteurs
• De l’hétérogénéité de ces comportements
• Fournissent un cadre structurant pour la modélisation des stratégies d’acteurs
Approche proposée
Résultats pour n années
• critères multiples• individuels •économiques• éthiques• environnemental
SMA
Règles d’allocation d’eau
Restitution et discussion
CompréhensibleAcceptable
Applicable …
Chercheurs
Agriculteurs
Economistes
Distributeur Eau
Manga
MangaLère
Equipes multidisciplinaires
Responsablesprofessionnels
Acteurs de terrain
résultats Analyse
Evolution des travauxproblématiques
Modélisation des stratégies d’acteurs?
PLAN
• Objectifs de la thèse
• Contexte
• Approche proposée
• Manga et extension MangaLère
• Implémentation
• Evaluation
• Conclusions et perspectives
MANGA
Simulateur Multi-Agent pour l’Aide à la Négociation dans la Gestion de l’eau en Agriculture
MANGA: Architecture
AgriculteursFournisseur
d'eau
Centre deGestion
ClimatCulturesDonnéespubliques
Donnéespubliques
Donnéespubliques
Les agents cognitifs/réactifs
ENVIRONNEMENT
MEMOIRE
CONNAISSANCES
COMMUNICATION
STRATEGIES
Environnement
CONNAISSANCES
COMMUNICATION
Agent cognitif
Agent réactif
Manga: Agent fournisseur d’eau
ENVIRONNEMENT
MEMOIRE
CONNAISSANCESEau disponibleComptabilitéLes agriculteurs clients…
COMMUNICATION
Procédures de calcul
STRATEGIES
Procédures décisionnelles
Communication entre agentsType de performatif
Exemple de performatif catégorie
Demande DemandeEau
NouvelleDemandeEau
Rendement
Exercitif (action+résolution)
Interrogatif
(pas de calcul complexe)
Réponse AllocationEau Assertif
(affirme et informe)
Structure d’un message
<performatif> : DemandeEau
<sender>:Agri N°
<receiver> : Fournisseur Eau
<nature>: Demande
<content> :Eau demandé: 1200Surface Maïs irriguée :
10
<performatif> : AllocationEau
<sender>:Fournisseur Eau
<receiver> : Agri N°
<nature>: Reponse
<content> :Eau attribuée : 800
MANGA: Phases du modèle
n Simulations
Années
0 1
AnnéesMax
Début année Fin année
Résultatséconomiques
Décisionn + 1
Eauallouée
Demandeeau
Résultats
négociation
Q eaudisponible
MANGA: Interactions
Agent A modifie demande initiale et envoie nouvelle demande
Agent D évalue la demande
globale
Fin du processus de négociation
1
2
3
4 5
67 8
9
10 11
Agent A envoie sa demande initiale
Agent D évalue la demande globale
Agent A reçoit une proposition
Agent A refuse la propositionAgent A accepte la proposition
Fin du processus de négociation
Agent A renvoie demande initiale
Agent D envoie une proposition aux agents qui restent dans le processus de
négociation
MANGA: Simulation
• Données entrée
• Sorties
• Conséquences de réglementations
– Critères d’analyse
– Règles testées
caractéristiques agriculteur
Interface utilisateur
règle testée, et définir l’eau disponible pour le fournisseur d’eau
Interface utilisateur
caractéristiques culture
caractéristiques du climat
Les sortiesAgriculteur
Eau demandée Eau accordée
Evolution de l’eau attribuée au cours de la négociation
Rendement
Eau utilisée, non consommée
Charges produits, résultats économiques
Fournisseur d’eau
Eau disponible
Eau utilisée par l’ensemble des agriculteurs
Eau restante
Evolution de l’allocation d’eau au cours de la négociation
Centre de gestion Synthèse des résultats en fonction type d’assolement, type de comportement
Synthèse des résultats selon 4 critères
MANGA: Analyse des résultatsDifférents critères:
Individuelbesoin et eau accordée
par haproduction
Ethique Disparités rendements
revenus
GlobalProduction globale (maïs)
Environnementalconsommation eau
Eau restante
Besoin et eau accordée par ha
0
50
100
150
200
250
H S TSType d'années
Q E
au
Besoin eau A C
Règle d’allocation au pro rata de la demandeRègle d’allocation au pro rata de la demande 50 % A + 50 % C50 % A + 50 % C
MaïsPotentiel et quantité globale
612 000702 000590 000
917 000721 000
590 000
0
100000
200000
300000
400000
500000
600000
700000
800000
900000
1000000
H S TS
Type d'années
Q M
aïs
Q Globale Potentiel
Ecart de rendement
90
110
120
9093
73
50
60
70
80
90
100
110
120
130
H S TS
Type d'années
Rend
emen
t
A A CC A C
Utilisation de l'eau
0
100000
200000
300000
400000
500000
600000
700000
800000
H S TS
type année
Q e
au
eau dispo
eau consommée
eau restante
Résultats: Utilisation, Analyse, Validation
Ensemble d'agriculteurs:Comportements d'agriculteurs
règles testées
Don
né
es de la
simu
lation
MANGA
Résultats
Compréhensibilité
Acceptabilité
Faisabilité
Nouvellerègle à tester
Nouvellerègle à tester
NON
NON
oui
oui
ouiNON
Sim
ulat
ionA
justem
ent d
u
mod
èle
An
alyse d
es R
ésulta
ts et valid
ation
ImplémentationValidation interne
Validation par les experts
Rendement
90
110
93
50
60
70
80
90
100
110
120
H S TS
Type d'années
Ren
dem
ent
Règle d’allocation en fonction de la surface en maïs Règle d’allocation en fonction de la surface en maïs irriguéirrigué
MaïsPotentiel et quantité globale
590000721000
612000
590 000
721 000917000
0
100000
200000
300000
400000
500000
600000
700000
800000
900000
1000000
H S TS
Type d'années
Q m
aïs
Potentiel Q globale
Besoin et eau accordée par ha
0
50
100
150
200
250
H S TSType d'années
Q E
au
Besoin en eau
0
100000
200000
300000
400000
500000
600000
700000
800000
H S TS
type d'années
Q E
au
eau accordée
eau consommée
eau restante
Résultats: Utilisation, Analyse, Validation
Ensemble d'agriculteurs:Comportements d'agriculteurs
règles testées
Don
né
es de la
simu
lation
MANGA
Résultats
Compréhensibilité
Acceptabilité
Faisabilité
Nouvellerègle à tester
Nouvellerègle à tester
NON
NON
oui
oui
ouiNON
Sim
ulat
ionA
justem
ent d
u
mod
èle
An
alyse d
es R
ésulta
ts et valid
ation
ImplémentationValidation interne
Validation par les experts
Résultats pour simulation: Règle au prorata des demandes, modification progressive des
demandes
0
20
40
60
80
100
120
S H TS S H TS S H TS S S S
Type d'années
Re
nd
em
en
t
0100000200000300000400000500000600000700000800000
qu
an
tité
g
lob
ale
Quantité globale Maïs Plus faible Rdt Maïs Plus fort Rdt Maïs
Règle d’allocation au pro rata de la demandeRègle d’allocation au pro rata de la demande 50 % A + 50 % C50 % A + 50 % CInformation visibleInformation visible
Résultats: Utilisation, Analyse, Validation
Ensemble d'agriculteurs:Comportements d'agriculteurs
règles testées
Don
né
es de la
simu
lation
MANGA
Résultats
Compréhensibilité
Acceptabilité
Faisabilité
Nouvellerègle à tester
Nouvellerègle à tester
NON
NON
oui
oui
ouiNON
Sim
ulat
ionA
justem
ent d
u
mod
èle
An
alyse d
es R
ésulta
ts et valid
ation
ImplémentationValidation interne
Validation par les experts
MANGA: Résultats
A partir de Manga ont émergés des résultats généraux:– La prise en compte de l’hétérogénéité des
comportements individuels a des conséquences importantes sur les résultats.
– L’accroissement de l’information entre différentes classes d’agriculteurs s’accompagne d’une diminution de la disparité et d’une efficacité plus grande de la ressource
MANGA: Conclusion• Une ressource de type nappe
• Acquisition et formalisation des comportements des acteurs en jeu
• Basé sur les connaissances d’experts
• Approfondir nos connaissances quant au problème posé
• Dégager des classes d’objets réutilisables et des méthodes génériques associées
SIMULATION :
• Tester un certain nombre de règles d’allocation d ’eau
• Montrer l’importance de l’hétérogénéité des comportements des agriculteurs
• Instaurer un dialogue avec des professionnels afin de déterminer les forces et faiblesses du modèle, les acteurs oubliés, les processus omis
LIMITES:
• Besoin d’approfondir la représentation des stratégies d’acteurs
Notamment par un langage propre au domaine
Chercheurs
Agriculteurs
Economistes
Distributeur Eau
Manga
MangaLère
Equipes multidisciplinaires
Responsablesprofessionnels
Acteurs de terrain
résultats Analyse
L’évolution de Manga à MangaLèreproblématiques
Modélisation des stratégies d’acteurs
MangaLère
Agents BDI
• Modéliser les stratégies des acteurs
• Structuration des connaissances sous forme de plans
– Formalisme servant de base de discussion avec les décideurs
– Représentation des connaissances concise et synthétique
– Utilisant:
• Cadre de représentation
• Langage du domaine
MangaLère: agents BDI
Base de connaissances
Bibliothèque de plans
Objectifs ou sous-objectifs fixés
Intentions:plans en attente d ’exécution
Mécanisme de sélection de plans
Environnement
perception
Action externe
MangaLère: agent Fournisseur d’eau
ENVIRONNEMENT
Croyances (Beliefs) :•Données et historique sur retenues et rivières•Information sur la réglementation dictée par le préfet en cas de pénurie de la ressource•Données sur le climat•Adhérents (débit souscrit)
-…
Objectifs (Desires) :•Remplir Retenues•Fournir EauReseaux…
Bibliothèque de plans
Remplissage
Remplissage
Remplissage_ Gouyre
Fournir eau Gagnol
Fournir eau Tordre
Fournir_Eau Gouyre
Module de sélection
Remplissage_Gouyre
Fournir_Eau_Max
Intentions
Objectifs
Sous-objectifs
plans
MangaLère: planLangage
naturel
Langage
formalisé
MangaLère: Exemple de plan
Langage
naturel
Langage
formaliséOntologie
reservoirs
Conception de plansActeurs
concernés
Responsables professionnelséconomistesagronomes
Explication du processusRemplissage
Formalisation du cadre de représentation des connaissances
Formalisation du langage
création ontologie
Formalisation des plans
Séquencement d’éxecution d’un plan
Inactif
Déclenché
Actif En veille
Arrêt
CD
CMVCMV
CMV
CMV
CACA
CMV
Objectif 1
SousObjectifs
Plans
Objectif 2
SousObjectifs
Plans
CMV
PLAN
• Objectifs de la thèse
• Contexte
• Approche proposée
• Manga et extension MangaLère
• Implémentation
• Evaluation
• Conclusions et perspectives
Implémentation
• C++ builder 5– Travaux existants dans l’équipe
• bibliothèques réutilisables
• Compilateurs
• Utilisation des données d’autres modèles
• Durée de la simulation– 100 agricuteurs, 12 ans, < 1 min
PLAN
• Objectifs de la thèse
• Contexte
• Approche proposée
• Manga et extension MangaLère
• Implémentation
• Evaluation
• Conclusions et perspectives
Evaluation• Terrain: Tarn-et-Garonne• Validation:
– « humaine » • Co-conception avec les acteurs concernés• Analyse des résultats: compréhensible, acceptable,
applicable
– Validation interne• Ensemble de données tests pour s’assurer si les sorties
sont consistantes à chaque pas de la simulation.
– Implémentation et facilité d’utilisation du modèle:• Etudiants
PLAN
• Objectifs de la thèse
• Contexte
• Approche proposée
• Manga et extension MangaLère
• Implémentation
• Evaluation
• Conclusions et perspectives
ConclusionsDans le cadre de l’aide à décision d’un collectif
A côté des instruments types DSS, NDSS
Apport d’une modélisation multi-agent
• Prise en compte de nombreux acteurs
• Prise en compte des comportements et de leurs hétérogénéités
• Concepts BDI:
– Recueillir les objectifs et les stratégies des acteurs
– Les formaliser et de les rendre réfutables
• Applicable sur un cas concret
– Permet la co-construction du modèle avec les acteurs concernés
Perspectives• Elargissement du modèle
– Tenir compte d’autres acteurs: semenciers…– Adaptation de la réglementation en cours de campagne– Evolution des comportements par des approches de type
apprentissage (programmation génétique, apprentissage par renforcement)
– Typologie des acteurs basée sur le comportement
• Méthodes de validation par l’usage: appropriation de l’instrument par les acteurs concernés
• Elargir les partenariats scientifiques:– Économistes (Théorie des jeux), Hydrologues, Agronomes,
…
retour
Comportement A:
DemandeEau
Fonction de leur besoin
Année de référence TS
Assurer sécurité: augmentation demande 20%
Comportement B:
DemandeEau
Fonction de leur besoin
Année de référence TS
Assurer sécurité: augmentation demande 0%
Comportement C:
DemandeEau
Fonction de leur besoin
Année de référence S
Assurer sécurité: augmentation demande 0%
retour
retour
020406080
100120140160
0
Eau
Ren
dem
ent
HumideSècheTrès sèche
retour
Recommended