De l’intérêt de l’anticipation dans les modèles ComMod

De l’intérêt de l’anticipation dans les modèles ComMod

Les arbres de décisions

La définition rigoureuse d’un arbre décisionnel dans le sens de la décision dynamique est la
suivante:« Un arbre de décision T est un arbre pour lequel les noeuds sont partitionnés en trois sous-ensembles disjoints : les noeuds de décision Nd (dessinés en rectangles), les noeuds de chance Nc (dessinés en cercles) et les conséquences C qui sont les feuilles de l’arbre de décision et auxquels sont attribuées des utilités. » Dans la plupart des cas, la décision est prise dans l’incertain (i.e. on ne sait pas avec certitude ce qui va se passer) et le plus simple est de considérer une décision dans le risque (incertain probabilisé). Il faut arriver à prendre en compte dans la décision l’utilité de l’état recherché, mais également le comportement de l’agent face au risque.
L’arbre de décision, s’il pose plusieurs problèmes, est une méthode explicite et prédictive. L’exemple suivant, tirée de la thèse de Paul Weng en théorie de la décision (Weng, 2007) illustre bien l’arbre de décision. La figure 8 présente un exemple très simple. Les carrés représentent les noeuds décision, les cercles représentent les noeuds chance. Au noeud racine D1, le décideur a le choix de l’action Haut ou Bas. L’action Bas rapporte un gain nul. En revanche, l’action Haut amène le décideur à une case chance où il a une probabilité de 3/4 de se trouver dans une nouvelle situation de décision (noeud D2) et une probabilité de 1/4 de perte de -1. Au noeud D2, il a le choix entre deux actions Haut et Bas. L’action Haut amène à une perte de 1, tandis que l’action Bas offre de manière équiprobable un gain de 3 ou une perte de 1.

Les méthodes retenues

Tout d’abord, nous avons voulu utiliser des arbres décisionnels car c’est la méthode que les modélisateurs et destinataires des modèles vont appréhender la plus facilement. Ainsi les deux
modélisateurs respectifs des modèles Solimões et TransAmazon ont préféré travailler dans un premier temps avec des arbres décisionnels dont le fonctionnement était quasi immédiat pour eux. Nous aurions aimé utiliser des Processus Décisionnels Markoviens (PDM) parce que c’est la méthode de planification la plus simple et parce qu’elle permet un apprentissage des croyances des agents sur la fonction de transition. Cependant, les thématiciens avec qui nous travaillions, ne connaissant pas cette méthode et y voyant des sources d’obscurantisme du modèle, nous n’avons
Figure 8 arbre décision simple (tiré de (Weng, 2007)) développé que les arbres de décision par souci de transparence

Cadre général du sujet modélisé: l’Amazonie de la Transamazonniène

L’état du Para a une surface de 1 248 042 km² (un peu plus de deux fois la France métropolitaine) étant le deuxième plus grand état du Brésil après l’Amazonie. Son territoire est divisé en 143 municipalités distribuées dans 6 « mésorégions » et 22 « microrégions » homogènes, définies selon les critères de l’institut brésilien de géographie et de statistiques (IBGE). La population actuelle est estimée autour de 6 millions d’habitants et les villes les plus peuplées sont Belem, Santarem, Maraba, Altamira et Itaituba. Certaines de ces municipalité ont une surface supérieure à de nombreux états brésiliens, jusqu’à la taille de certains pays et cette dimension territoriale est un premier grand handicap à toute politique de gestion environnementale dans l’état. La municipalité de Uruara elle même couvre environ 10.500 km² (un peu plus petit que l’île d France) et est traversée par 105 km de la route transamazonienne (Figure 9). D’après l’IBGE, elle comptait 18.200 habitants en 1990 et en compterait aujourd’hui autour de 45.000 (IBGE, 2002) parmi lesquels, deux tiers résident dans des régions rurales dans quelques de 3.000 exploitations agricoles et le reste dans la ville de Uruara. La majeur partie de la population (70%) est considérée comme très pauvre et le taux de mortalité est élevé et croissant (passant de 0,24 en 97 à 0,54 en 2001)

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

>Remerciements
Introduction
Partie 1: La construction du modèle Solimões
Méthodologie suivie: une approche ComMod
Le modèle
Résultats et discussions
Partie 2: De l’intérêt de l’anticipation dans les modèles ComMod ..
Une évolution « agents réactifs » -> « agents cognitifs »?
Choix du type d’anticipation
Partie 3: L’anticipation dans le modèle TransAmazon.
Le modèle TransAmazon
L’implémentation de l’anticipation .
Partie 4: Limites et perspectives.
Problèmes de calibration
Une ouverture: la décomposition des « stratégies » des agents
Construction et résolution de l’arbre de décisionnel
Utilisation d’autres méthodes d’anticipation que les arbres de décisions: les Processus
Décisionnels Markoviens
Conclusion
Bibliographie
Annexes .
Annexe 1: Diagramme de classes général du modèle Solimões
Annexe 2: Visualisations des sorties du modèle Solimões
Annexe 3: Une interprétation du modèle formel de Solimões (UML)
Annexe 4: Questionnaire pour la collecte de données liées à l’anticiption.
Annexe 5: Une réponse originale au questionnaire sur l’anticipation

Rapport PFE, mémoire et thèse PDFTélécharger le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *