Syst me Multi Agents r actifs Application la biologie .


46 views
Uploaded on:
Category: Product / Service
Description
2. Presentation (operators
Transcripts
Slide 1

Affinity de arrange Système Multi Agents réactifs Application à la biologie Équipe SMAC Systèmes Multi-Agents et Coopération

Slide 2

Plan Introduction (specialist – SMA – expansive échelle) La plate-forme SimuLE Pour comprendre : la colorisation Un exemple intéressant : le modèle proie/prédateur abordé du point de vue « agent » Travail sur la différenciation cellulaire

Slide 3

Qu\'est-ce qu\'un operator Un specialist est une entité autonome qui report avec d\'autres specialists à l\'aide de messages. Tous ces specialists forment un Système Multi Agents ( SMA ) . Chaque specialist possède des caractéristiques cooperatives à tous les operators du même sort mais dont les contenus peuvent être différents. Un operator réactif an une connaissance très faible (voire nulle) de child environnement. Un agent  situé  a une position dans l\'environnement. Il an un corona de vision qui compare à la separate maximale de discernment des operators qui l\'entourent.

Slide 4

Qu\'est-ce qu\'un specialist Si l\'agent noir an un corona de vision de 1, il voit l\'agent rose et l\'agent vert. Si l\'agent noir an un corona de vision de 2, il voit les specialists rose, vert, bleu et rouge. Dans toutes les recreations présentées, nos operators auront un radiance de 1. Le « large échelle » On parle de huge échelle pour des recreations comprenant un très great nombre d\'agents (au moins un millier voire des dizaines de milliers). Les SMA vast échelle permettent d\'observer le comportement worldwide d\'un group d\'agents n\'ayant qu\'une vision area de leur environnement.

Slide 5

SimuLE Les activities Les operators peuvent effectuer ou subir des activities. Quand un operator agit sur un autre on parle d\'agent cible et d\'agent source . Un specialist peut aussi agir sur lui-même. L\'action est alors dite sans cible . Chaque operator connaît les activities qu\'il peut subir ou effectuer. Soient subir(agent) et effectuer(agent) ces activities. Pour qu\'une association ait lieu entre deux specialists il faut que Effectuer(source) ∩ subir(cible) ��  Ø

Slide 6

SimuLE Exemple d\'une activity « manger » Déclencheur : avoir faim Condition : avoir de la nourriture à proximité Acte : trough Un operator de sort « mangeur » qui a faim et qui quality dans child radiance de vision un specialist de sort « nourriture » pourra trough. Trough є Effectuer (mangeur) Manger є subir (nourriture)

Slide 7

SimuLE La reproduction A chaque pas de la reenactment , l\'agent -recense tous les specialists «  visibles  » : ceux qui sont dans child radiance de vision -garde les operators avec lesquels il peut interagir -choisit l\'agent avec lequel l\'action conceivable est prioritaire (s\'il y en a deux, le chief de la liste de ses voisins)

Slide 8

Exemple : Colorisation

Slide 9

Exemple : Colorisation Les specialists Il y an une seul sort d\'agent : l\'agent cool . Un cool an un x , un y et une couleur . Les activities Effectuer(cool) = {déplacement, color} Subir(cool) = {color}

Slide 10

Exemple : Colorisation Déplacement Priorité : 0 Pas de déclencheur ni de condition . Acte : modifie les coordonnées de l\'agent aléatoirement de + ou - 1 en x et y. Shading Priorité : 1 Déclencheur : avoir au moins un operator d\'une couleur différente de la sienne dans child radiance de vision Condition : tirage aléatoire sur la probabilité de colorer Acte : le voisin cible prend la couleur de la source

Slide 11

Simulation « rouge » Les specialists présents 334 specialists rouges 333 operators verts 333 specialists bleus Les paramètres de sullying Si un specialist rouge rencontre un specialist cible d\'une couleur différente, il a 80% de chance de colorer l\'agent cible en rouge. Si un specialist bleu rencontre un operator cible d\'une couleur différente, il a half de chance de colorer l\'agent cible en bleu. Si un operator vert rencontre un specialist cible d\'une couleur différente, il a 10% de chance de colorer l\'agent cible en vert.

Slide 12

Colorisation : début de la reenactment

Slide 13

Colorisation : 50 visits

Slide 14

Colorisation : balance de la reproduction

Slide 15

Colorisation : graphe d\'évolution

Slide 16

Simulation « verte » Les operators présents 334 specialists rouges 333 operators verts 333 specialists bleus Les paramètres de pollution Si un specialist rouge rencontre un specialist cible d\'une couleur différente, il a 10% de chance de colorer l\'agent cible en rouge. Si un specialist bleu rencontre un operator cible d\'une couleur différente, il a 10% de chance de colorer l\'agent cible en bleu. Si un operator vert rencontre un specialist cible d\'une couleur différente, il a 100% de chance de colorer l\'agent cible en vert.

Slide 17

Colorisation : début de la recreation

Slide 18

Colorisation : 30 visits

Slide 19

Colorisation : blade de la reproduction

Slide 20

Colorisation : graphe d\'évolution

Slide 21

Le modèle proie/prédateur

Slide 22

Le modèle proie/prédateur Qu\'appelle-t-on modèle proie/prédateur On parle de modèle proie/prédateur quand on étudie un écosystème où cohabitent des espèces proies et des espèces prédatrices . En occupant compte du rythme de naissance et de mortalité de chaque espèce et en faisant varier ces paramètres, on watch la stabilité et les balances de cet écosystème. On cherche à éviter -les starvations : les prédateurs sont trop « forts » et exterminent si vite les proies qu\'ils n\'ont in addition to de quoi se nourrir -les cas où le prédateur ne sait pas chasser et il meurt de faim alors que les proies prolifèrent .

Slide 23

Le modèle proie/prédateur Les avantages de l\'approche « agent » Grâce à child interface graphique, SimuLE permet -de modifier simplement les caractères de chaque espèce (taux de generation, durée de strive … ) . - une approche géographique de la address Pour les espèces chassant en meute , les proies se déplaçant en banc , les prédateurs chassant chacun sur leur territoire . Ces comportements difficiles à exprimer mathématiquement sont très simples à mettre en pratique avec SimuLE. - on peut ajouter des comportements propres à une espèce. (à suivre : la chasse )

Slide 24

Des requins et des poissons Protocole de recreations proposé On met en présence deux espèces (deux sorts d\'agent différents) -les requins -les poissons Les activities sont dans l\'ordre de priorité : trough - mourir - reproduire - déplacement Effectuer(requin) = {manger, mourir, reproduire,déplacement} Subir(requin) = Ø Effectuer(poisson) = {mourir, reproduire, déplacement} Subir(requin) = {manger}

Slide 25

Des requins et des poissons L\'écosystème On fixe les caractéristiques fixes (taux de mortalité, condition de reproduction,durée de survie sans manger,concentration maximale pour une espèce … ). Il y an initialement 3 poissons pour 1 requin. Comparatif proposé Pour tenter d\'améliorer le modèle, nous allons ajouter la possibilité au requin de chasser : lorsqu\'il air faim, il ne se déplacera pas de la même manière. - déplacement obligatoire - déplacement rapide et obligatoire - déplacement rapide, obligatoire, et régulier sur un seul hatchet

Slide 26

Des requins et des poissons Les facilités de la plate-forme Pour ajouter la possibilité de chasser aux requins, on ne change RIEN au modèle existant . On créée juste des activities chasser qu\'on ajoute à la liste des activities effectuables pour le requin. Pour chaque reenactment proposée, on ajoute une des 4 activities de chasse . Effectuer(requin)= Effectuer(requin).add(chasse_classique) Effectuer(requin)= Effectuer(requin).add(chasse_obligatoire) - Effectuer(requin)= Effectuer(requin).add(chasse_rapide) - Effectuer(requin)= Effectuer(requin).add(chasse_regulier) Et on watch les varieties .

Slide 27

Déplacement classique

Slide 28

Déplacement classique

Slide 29

Déplacement obligatoire

Slide 30

Déplacement obligatoire

Slide 31

Déplacement rapide

Slide 32

Déplacement rapide

Slide 33

Déplacement rapide et régulier

Slide 34

Déplacement rapide et régulier

Slide 35

Conclusion de poisson Ce modèle -n\'a aucune visée réaliste -illustre le fait que la plate forme SimuLE est tout à fait apte à étudier ce sort de problème avec une valeur ajoutée standard sa souplesse . En effet, pour étudier 4 modèles différents, il n\'y an eu qu\'à définir une activity différente à chaque recreation.

Slide 36

La différenciation cellulaire

Slide 37

La différenciation cellulaire Notions biologiques (simplifiées) Dans le noyau d\'une cellule , il y a le code génétique de toutes les protéines que l\'organisme peut produire . On dit qu\'un gène code pour une protéine . Une cellule se différencie d\'une autre si elle exprime des protéines différentes . Une cellule qui produit de la protéine A sera dite « cellule A ». L\'expression d\'une protéine dépend d\'un promoteur qui est activé ou inhibé. Si le promoteur du gène est activé dans la cellule, elle produit la protéine codée standard ce gène.

Slide 38

La différenciation cellulaire Prenons le modèle basic d\'un organisme fictif qui ne produit que 3 protéines. ADN de notre organisme simplifié Cet ADN est le même pour chaque cellule. C\'est l\'activation du promoteur d\'un gène qui spécialise la cellule.

Slide 39

La différenciation cellulaire La flèche noire sous le promoteur indique qu\'il est activé. Cellule « A » Cellule « C »

Slide 40

La différenciation cellulaire La différenciation Poser la address de la différenciation, c\'est se demander pourquoi d\'un group de cellules indifférenciées émerge soudain une cellule spécifiq

Recommended
View more...