2.1 Les technologies clés de la modélisation du modèle basé agents
2.1.2 Les interactions entre agents
Le système économique réel est composé d’individus, leur communication mutuelle et leurs interactions constituant une économie complexe. De même, dans le système éco-nomique virtuel artificiel, l’interaction entre les agents peut constituer une dynamique économique virtuelle complexe. Ainsi, l’interaction entre agents deviendra inévitable-ment la clé dans la modélisation du modèle basé agents.
Le mode interactif Actuellement, on divise l’interaction entre agents en trois types selon le mode interactif : la communication directe, l’interaction directe et l’interaction indirecte.
A) La communication directe Cette communication permet à deux agents d’échan-ger leurs informations directement, pouvant affecter l’état interne et le comportement de chacun. Pour l’instant, l’étude sur l’origine des langues avec le modèle basé agents utilise cette approche (Cangelosi et Parisi, 2012). On a comparé les signaux abstraits transmis entre deux agents aux informations contenues dans le monde virtuel. Ces in-formations se réunissent pour former un concept ou produire une culture entre agents différents. Le biologiste et éthologiste britannique, Clinton Richard Dawkins, a inventé le mot « mèmes », (équivalent culturel du « gène »), afin de décrire comment les prin-cipes darwiniens pouvaient être étendus pour expliquer la façon dont les idées et les phénomènes culturels se répandent. La communication entre agents peut être considé-rée comme un processus consistant à copier, à distribuer et à varier constamment un « mème ». Dans l’étude du modèle basé agents, les gens peuvent directement pratiquer la modélisation sur un « mème ». Ils utilisent une longue chaîne de caractères 0 et 1 pour représenter un certain type de « mèmes », puis étudier la règle de la propagation des « mèmes » entre agents (Gabora, 1997).
B) L’interaction directe Dans l’interaction directe entre agents, l’action d’un agent peut d’abord changer l’état d’un autre agent, puis provoquer le changement de compor-tement d’un troisième agent. Un agent en influence sur un autre par sa propre action ou son propre choix dans l’interaction. Comparativement, dans la communication, un agent touche directement d’autres agents dans une communication abstraite formée par un instrument à corde à l’intérieur du mental. C’est la plus grande différence entre l’in-teraction et la communication. Autrement dit, la communication est une communication de “cœur à cœur ”et l’interaction est une interaction de “corps à corps ”.
Comment expliquer que des agents terminent leur interaction par des actions diffé-rentes ? La réponse consiste à définir diffédiffé-rentes règles du jeu. En d’autres termes, on réunit deux ou plusieurs agents pour effectuer le jeu d’une structure fixe. À la différence
de la théorie du jeu traditionnel, le modèle basé agents ne prête pas attention à la solution d’équilibre dans le jeu, le considérant comme une règle, et les différents agents doivent interagir selon les règles.
C) L’interaction indirecte On parle d’interaction indirecte lorsqu’il n’y a ni com-munication ni interaction réelle entre les agents, mais ceux-ci peuvent faire interagir in-directement à l’aide de l’environnement comme véhicule de la communication. Il existe deux cas basé agents dans l’environnement pour les agents.
L’un est l’environnement local. Dans ce cas, un agent ne peut interagir qu’avec l’en-vironnement à côté de lui, mais plusieurs peuvent faire une interaction indirecte par le véhicule de l’environnement intermédiaire. La simulation de fourmis à la recherche de nourriture est un des exemples les plus notables (Drogoul, 1993). Les fourmis ne sont pas organisées hiérarchiquement et ne disposent d’aucun moyen de communication globale. Mais comment les fourmis trouvent-elles de la nourriture ? Elles communiquent avec leurs congénères en utilisant des odeurs chimiques comme les phéromones. Leur comportement est entièrement régi par le hasard et par leur environnement immédiat. La figure 2.5 montre cette relation entre les agents et l’environnement.
Figure 2.5 : Interaction entre les agents et l’environnement (1)
Environnement
l’en-semble du comportement de chaque agent détermine une certaine propriété de l’environ-nement macroéconomique mondial, et vice versa, cet environl’environ-nement macroéconomique mondial peut affecter chaque agent. La figure 2.6 exprime cette relation d’interaction.
Figure 2.6 : Interaction entre les agents et l’environnement (2)
Environnement
Le modèle du marché financier artificiel (Santa Fe artificial stock market, appelé
SF-ASM) étudié par LeBaron (2001) appartient à cette relation interactive. Dans ce modèle,
le comportement dynamique de chaque boursicoteur détermine la tendance globale du prix des actions. D’autre part, le prix des actions détermine la prévision et la prise de décision de chaque agent. Ainsi, un tel système composé par ces agents constitue un système fermé et co-évolutif.
Topologie Que ce soit la communication directe, l’interaction directe ou l’interaction indirecte, les agents doivent achever l’interaction dans un ordre logique ; il s’agit de la structure topologique. On prend toujours deux types de structure topologie dans le mo-dèle basé agents.
A) L’automate cellulaire Tous les agents sont disposés dans un monde de la grille unidimensionnelle ou bidimensionnelle. Seules les deux agents voisins dans le monde de la grille peuvent faire une interaction.
Figure 2.7 : Automate cellulaire unidimensionnel
… …
La figure 2.7 présente un automate cellulaire unidimensionnel (Wolfram, 1984), dans laquelle le carré noir est là où se trouve l’agent actuel. Celui-ci ne peut qu’interagir avec les deux agents voisins dans les carrés gris. Le modèle d’une émergence du rôle politique étudié par Axelrod et Hamilton (1981) est un automate cellulaire unidimen-sionnel.
Mais, dans la simulation du modèle basé agents, l’automate cellulaire bidimension-nel est fréquemment utilisé en tant que structure topologique, laquelle peut facilement introduire la simulation dynamique du système sur un écran d’ordinateur. Le modèle
Sugarscape est un modèle typique d’interaction, utilisant un automate cellulaire
bidi-mensionnel.
B) Le modèle de réseau Dans ce modèle, l’espace des activités des agents est un réseau complexe (Watts, 1999). Normalement, chaque agent est distribué sur le sommet d’un réseau, et seuls les sommets reliés par des fils sont considérés comme des voisins. C’est-à-dire que seules les deux nœuds de réseau interconnectés par des fils peuvent interagir, comme l’illustre la figure 2.8.
Figure 2.8 : Un réseau complexe
la structure topologique de l’automate cellulaire mentionné ci-dessus est la structure d’un réseau spécial. Par exemple, l’automate cellulaire unidimensionnel équivaut à la structure du réseau dans la figure 2.9, dans laquelle, chaque nœud est un carré de l’automate cellulaire, des lignes représentant les deux cases adjacentes. Évidemment, n’importe quelle structure de l’espace avec certaines dimensions est équivalente à une structure du réseau (Wolfram, 2002).
Figure 2.9 : Une structure du réseau équivalant à un automate cellulaire
unidimension-nel
Une seconde structure de réseau est le réseau maillé (ou le maillage en réseau), comme présenté à la figure 2.10. Il s’agit d’un agent qui peut interagir avec tous les autres agents. Le test du jeu de dilemme du prisonnier est effectué dans ce réseau maillé (Axelrod, 1997). La structure interactive de l’automate cellulaire représente une carac-téristique d’un effet local. Cela signifie que certains renseignements nécessitent d’une interaction entre plusieurs agents qui réalisent la transmission. En outre, chaque agent dispose d’un nombre fixe de voisins dans ce type de modèle. Mais, dans le réseau maillé, toutes les informations peuvent être transmises directement d’un agent à un autre. Cela indique que tous les agents sont tous contigus. Cependant, la majorité de la structure de réseau réside entre la structure topologique et la structure du réseau maillé.
Figure 2.10 : Un réseau maillé
réseau. Il possède une structure topologique ressemblant à celle d’un réseau de relations humaines, de réseaux d’informations, de réseaux internet, etc, dans le monde réel. Plus particulièrement, leurs propriétés statistiques sont très similaires. Un réseau de petit-monde présente deux caractéristiques :
– la distance moyenne entre toute paire de sommets est faible ;
– le niveau de clustering local est élevé, c’est-à-dire que les sommets sont générale-ment très connectés à leurs voisins immédiats.
Par définition, il est nécessaire que le graphe de départ soit connexe : un chemin doit exister entre toutes les paires de sommets. La figure 2.11 illustre cette procédure pour un graphe en forme d’anneau, dans lequel chaque nœud est initialement connecté à ses k voisins de l’anneau les plus proches.
Le réseau de petit monde se situe entre le réseau complètement aléatoire et le réseau complètement régulier. La recherche sur l’interaction des agents dans un réseau de petit monde a une signification pratique, car le réseau de petit monde est très similaire au réseau de relations humaines et au réseau d’informations.