Conception du multi-mod` ele - Preuves de concepts 95

Chapitre 10 Preuves de concepts 95

10.3 Conception du multi-mod` ele

Cette section a pour but d’illustrer les différentes étapes nécessaires à la conception et la mise en place, via le méta-modèle AA4MM, d’un multi-modèle composé de modèles élémentaires existants.

10.3. Conception du multi-mod`ele

Figure 10.1 – Ph´^enom`^{ene `}^{a mod´}^{eliser et `}^{a simuler}

10.3.1 Mod`eles

La première étape de conception du multi-modèle consiste à définir au niveau sémantique quels sont les modèles et à spécifier les entrées et sorties de chaque modèle élémentaire.

Le premier modèle représente des moutons qui mangent de l’herbe. La dynamique de ce modèle est la suivante : le modèle détermine la quantité d’herbe présente par unité de surface (patchs) et, à partir de la position de chaque mouton, calcule la quantité d’énergie ingérée par chaque ovidé. Les données d’entrée de ce modèle sont donc les positions des moutons P M et les données de sortie, la quantité d’énergie gagnée pour chaque mouton EM (voir figure 10.2). On notera ce modèle m1, il possède un port d’entrée x1et un port de sortie y1. Les données d’entrée sont notées d_in1(t1) et d_out1(t1), d_in1(t1) ∈ P M et d_out1(t1) ∈ EM (avec d_out2(t2) ≥ 0)..

Figure 10.2 – Mod`^{ele m}1 repr´esentant la dynamique entre les moutons et l’herbe

Le deuxième modèle représente des loups qui mangent des moutons. La dynamique de ce modèle est la suivante : le modèle détermine le comportement des loups et, à partir des positions des moutons, ce dernier détermine si un mouton est attaqué. Pour des raisons d’illustration, lorsqu’un mouton se fait attaquer par un loup, celui-ci n’est pas dévoré mais perd de l’énergie. De cette manière, les entrées du modèle sont donc les positions des moutons. On noter P M le type ”position des moutons”. Les sorties du modèle sont la quantité d’énergie perdue pour chaque mouton. On note EM le type ”variation d’énergie des moutons” (voir figure 10.3). On notera ce modèle m2, il possède un port d’entrée x2 et un port de sortie y2. Les données d’entrée sont notées d_in2(t2) et d_out2(t2), d_in2(t2) ∈ P M et d_out2(t2) ∈ EM (avec d_out2(t2) ≤ 0).

Le dernier modèle représente des bergers qui attroupent des moutons. La dynamique de ce modèle est la suivante : les moutons bougent en fonction de leur énergie et les bergers tentent de les rassembler. Les entrées du modèle sont donc la quantité d’énergie EM des moutons et les sorties sont l’ensemble des positions des moutons P M (voir figure 10.4). On notera ce modèle m3, il possède un port d’entrée x3

Figure 10.3 – Mod`^{ele m}2 repr´esentant la dynamique entre les loups et les moutons

et un port de sortie y₃. Les données d’entrée sont notées d_in3(t₃) et d_out3(t₃), d_in3(t₃) ∈ EM et d_out3(t₃) ∈ P M .

Figure 10.4 – Mod`^{ele repr´}^{esentant la dynamique entre les bergers et les moutons}

On fera l’hypothèse que les données échangées sont décrites dans le même formalisme et que le nombre de moutons (noté #_moutons) est identique dans chaque modèle. Le type de donnée ”positions des moutons” (noté P M ) est une matrice 2×#_moutonsqui met en correspondance le numéro du mouton avec sa position. Le type de donnée ”variation d’énergie des moutons” (noté EM ) est une matrice 2 × #_moutons qui met en correspondance le numéro du mouton avec la variation de son énergie.

description notation premier mod`ele (moutons + herbe) m1

port d’entr´ee x1

port de sortie y1

donnée d’entrée d_in1(t1) ∈ P M donnée de sortie d_out1(t₁) ∈ EM deuxième modèle (loups + moutons) m2

port d’entr´ee x2

port de sortie y2

donnée d’entrée d_in2(t2) ∈ P M donnée de sortie d_out2(t2) ∈ EM troisième modèle (bergers + moutons) m₃

port d’entrée x₃ port de sortie y₃ donnée d’entrée d_in3(t3) ∈ EM donnée de sortie d_out3(t3) ∈ P M nombre de moutons #moutons

positions des moutons P M variation d’´energie des moutons EM

Figure 10.5 – Notations des mod`^eles

10.3.2 Graphe de d´ependance

A partir des modèles ainsi spécifiés, le graphe de dépendance peut aisément se construire. La figure 10.6 illustre le graphe de dépendance tandis que la figure 10.7 donne l’ensemble des notations formelles. Il est à noter que les données représentant les positions des moutons d_out3(t3) sont nécessaires à l’exécution des modèles m1 et m2. Ensuite les données représentant la variation d’énergie des moutons d_out1(t1) et d_out2(t2) doivent être combinées pour pouvoir être consommées par le troisième modèle. Nous explicitons la composition dans la section suivante.

10.3. Conception du multi-mod`ele

Figure 10.6 – Graphe de d´^{ependance du multi-mod`}^{ele moutons-loups-bergers} description notation

entrées du modèle m1 IN1 = {(3, 1)} sorties du modèle m1 OUT1 = {(1, 3)} entrées du modèle m₂ IN₂ = {(3, 1)} sorties du modèle m₂ OUT₂ = {(1, 3)} entrées du modèle m3 IN3 = {(1, 1); (2, 1)} sorties du modèle m3 OUT3 = {(1, 1); (1, 2)}

Lien de m₁ à m₃ L1 3= {(1, 1)} Lien de m₂ à m₃ L2 3= {(1, 1)} Lien de m3 à m1 L3 1= {(1, 1)} Lien de m3 à m2 L3 2= {(1, 1)} Figure 10.7 – Notation du grape de dépendance

10.3.3 Composition de donn´ees

Dans cette section, nous définissions ce que signifie composer les données échangées et comment cela est pris en compte dans le méta-modèle. C’est le cas, dans notre exemple, avec l’énergie des moutons. En effet, les gains et pertes d’énergies issus de m1et m2 doivent être combinés afin de fournir au modèle m3

une donnée représentant la variation d’énergie de chaque mouton.

Comme nous avons fait l’hypothèse de réutiliser des modèles existants, nous considérons que ceux-ci ne peuvent composer eux même les données. La composition doit donc se faire en dehors de tous les modèles. Celle-ci sera effectuée par un artefact-de-couplage.

Au niveau sémantique, la composition est relativement simple à définir puisqu’il suffit d’additionner les gains et les pertes d’énergie : d_in3(t3) = d_out2(t2) + d_out1(t1). On dira que l’opérateur de composition est l’opérateur +.

Au niveau syntaxique, si les données à composer sont dans des formalismes différents, il faut résoudre les conflits avant la composition. Par exemple, si les données issues des modèles m1et m2 sont des réels et la donnée d’entrée du modèle m3 est entière (d_out2(t2) ∈ R−, d_out1(t1) ∈ R+ et d_out3(t3) ∈ Z) alors il faut transformer le résultat de la somme qui est réel en un entier. Dans notre exemple, nous faisons l’hypothèse qu’il n’y a pas de conflit au niveau syntaxique.

Enfin au niveau dynamique, il faut tenir compte des intervalles de validité lors de la composition des données. Prenons comme exemple deux données d_out1(t₁= 1) et d_out2(t₂= 1.5) associées à leurs intervalles de validité Γ₁et Γ₂. Ces intervalles Γ₁ et Γ₂ ne sont pas toujours de même taille. Par exemple la donnée d_out1(t₁= 1) peut être associée à un intervalle Γ₁=]1, 3] et la donnée d_out2(t₂= 1.5) peut être associée à un intervalle de validité Γ₂=]1.5, 5]. Pour le troisième modèle m₃seule la donnée d_out1(t₁= 1) est valide pour t₃∈]1, 1.5]. Ensuite, les deux données sont valides en même temps pour t₃∈]1.5, 3]. Enfin, seule la donnée d_out2(t2= 1.5) est valide pour t3∈]3, 5].

Afin de ne pas remettre en question la contrainte de causalité et d’utiliser l’algorithme de simulation présenté au chapitre précédent, nous proposons de composer les intervalles de validité en même temps que les données.

Soit ◦ l’opérateur de composition. Soit (d_outⁿ₁(t₁), Γ₁) et (d_outⁿ₂⁰(t₁ = 1), Γ₂) les données à compo-ser. Composer les données doutⁿ₁(t1) et doutⁿ

2 (t2) signifie produire un nouvel ensemble de donn´ees comprenant :

(d_outⁿ₁(t₁) ◦ d_outⁿ₂⁰(t₂), Γ₁T Γ2), (d_outⁿ₁(t₁), Γ₁\{Γ1T Γ2}) et (doutⁿ

2 (t₂), Γ₂\{Γ1T Γ2}).

Il est à noter que cette opération de composition devra être automatiquement effectuée par les artefact-de-couplage et que celle-ci ne change en rien l’algorithme de simulation proposé. La figure suivante (figure 10.8) illustre cette opération de composition.

Figure 10.8 – Composition de deux donn´^{ees (d}outⁿ1(t₁), Γ₁) et (d_outⁿ₂⁰(t₁ = 1), Γ₂) par un artefact-de-couplage. Chaque intervalle de validité est représenté par un rectangle sur l’axe du temps de simulation (rouge pour Γ₁et bleu pour Γ₂). Les données composées sont affectées à un nouvel intervalle de validité : Γ1T Γ2 (représenté par un rectangle violet).

10.3.4 Création des entités propres au méta-modèle AA4MM

Une fois le graphe de dépendance établi, il est relativement simple de créer les entités propres au méta-modèle AA4MM. Il faut tout d’abord créer pour chaque logiciel de simulation un m-agent. Ensuite, il faut établir l’interface entre cet m-agent et le logiciel de simulation géré : l’artefact-d’interface. Enfin, pour chaque lien du graphe de dépendance, il faut définir un artefact-de-couplage. La figure 10.9 donne une vue générale des entités composant le multi-modèle multi-agent (un exemple de code est donné en annexe).

L’artefact-d’interface fait office d’interface entre l’m-agent et le logiciel de simulation. Nous définissons trois artefacts-d’interface (un pour chaque logiciel de simulation) notés I₁, I₂et I₃. Différentes opérations doivent être implantées au sein de chaque artefact-d’interface (voir chapitre 8). Nous ne donnons pas ici le détail complet de l’implantation de chaque opération mais seulement les grandes lignes. Il est important de noter que chaque opération utilise uniquement les fonctions fournies par l’API NetLogo (en Java). En aucun cas, les artefacts-d’interface ne modifie le code interne de ce dernier.

1. L’opération init() crée une instance de NetLogo, charge le modèle (le fichier .nlogo correspondant) et paramètre celui-ci.

10.3. Conception du multi-mod`ele

2. L’opération run() lance l’exécution du modèle pour un pas de simulation. En effet, la plate-forme NetLogo exécute ses modèles pas par pas. Cette opération est implantée en invoquant la méthode ”go” de NetLogo.

3. L’op´eration getCurrentTime() retourne le nombre de pas de simulation effectu´es (le nombre de ”ticks”).

4. Les opérations getOutputData() et setInputData(di) se chargent de récupérer les données de sortie du modèle et d’injecter à ce dernier les données d’entrée.

5. L’op´eration stop(), quant `a elle, termine l’instance de NetLogo.

Chaque lien du graphe de dépendance donne naissance à un artefact-de-couplage. Du modèle m₃ aux modèles m₁ et m₂, nous définissons deux artefacts-de-couplage. Nous les notons C3

1 et C3

2. Ceux-ci ont pour rôle respectif de faire le lien entre la donnée de sortie du modèle m₃ d_out3(t₃) et les données d’entrée des modèles m₁ et m₂ : d_in1(t₁) et d_in2(t₂). L’ artefact-de-couplage C3

1 poss`ede l’information L3 1 et l’ artefact-de-couplage C3

2 L3 2.

Pour le transfert des gains et des pertes d’´energie des moutons provenant des deux mod`eles m1et m2

vers la variation d’énergie au modèle m3, nous définissons un artefact-de-couplage. Celui-ci est noté C₃^1,2 et fait le lien entre d_out1(t1), d_out2(t2) et d_in3(t3). Celui-ci effectue également la composition des données selon le principe présenté précédemment (l’opérateur de composition correspond à l’opérateur d’addition +).

Il ne reste plus qu’à définir les m-agents. Il y en a un pour chaque logiciel de simulation. On les notes A1, A₂ et A₃. En ce qui concerne la phase d’exécution des modèles, le comportement de ces m-agents suit l’algorithme de simulation présenté au chapitre précédent.

Pour la phase d’initialisation, il est nécessaire de spécifier quelque peu les choses. L’initialisation des modèles m₁ et m₂ dépend des positions générées par le modèle m₃. Les m-agents A₁ et A₂ doivent, pendant la phase d’initialisation, attendre que l’m-agent A₃ leur ait fourni les positions des moutons (d_out3(t3) ∈ P M ) avant de pouvoir paramétrer leurs modèles. L’m-agent A3doit, quant à lui, attendre que les m-agents A1et A2lui aient envoyé les variations d’énergie initiales de chaque mouton. On se retrouve ici dans une situation bloquante à l’initialisation. Pour résoudre cet inter-bloquage, on considérera que le modèle m3 prend en paramètre initial une variation d’énergie nulle pour chaque mouton. Ce que l’on peut traduire par d_out1(t^•₁)+d_out2(t^•₂) = 0. Cette variation d’énergie sera donnée directement à l’m-agent A3 par nos soins.

Ainsi, le modèle m3est paramétré puis l’m-agent A3 envoie les positions des moutons (d_out3(t^•₃)) aux autres m-agents A1 et A2via les artefacts-de-couplage C₁³et C₂³. De cette manière les m-agents A1et A2

peuvent initialiser et param´etrer leurs mod`eles respectifs (voir figure 10.10).

10.3.5 Choix d’implantation

Il est important de noter que le méta-modèle AA4MM n’impose pas l’utilisation d’un même langage de programmation pour tous ses composant et permet plus facilement, de par son essence distribuée (un ensemble d’entités en interaction), l’utilisation de langages hétérogènes. Dans cet exemple, notre approche nous permet d’avoir trois instances de la plate-forme NetLogo fonctionnant de manière concurrente. Étant donné que le logiciel NetLogo fournit une API en Java, nous avons implanté l’ensemble des entités du méta-modèle AA4MM en Java.

Nous avons fait deux implantations de cet exemple. La première a consisté simplement à implan-ter l’ensemble des m-agents, des artefacts-d’inimplan-terface et des artefacts-de-couplage dans un programme concurrent (à base de threads) qui est exécuté par une seule JVM (java virtual machine). Le but de cette première implantation était de vérifier expérimentalement le comportement du méta-modèle AA4MM. La deuxième implantation a consisté à utiliser un middleware existant (JMS : Java Messaging Service) pour implanter les artefacts-de-couplage. Le but de cette implantation est de démontrer la possibilité d’utiliser AA4MM de manière distribuée sur plusieurs machines. Bien que le choix de JMS est suffisant pour établir une preuve de concepts, celui-ci s’est montré très mauvais en terme de performance. Le temps de calcul variant du simple à plus du double de la première à la deuxième implantation.

Figure 10.9 – Multi-mod`^{ele multi-agent moutons-loups-bergers : vue g´}^en´^erale

Dans le document Approche multi-agent pour la multi-modélisation et le couplage de simulations :application à l'étude des influences entre le fonctionnement des réseaux ambiants et le comportement de leurs utilisateurs (Page 108-115)