Résumé : Les simulations à base d’agents sont de plusen plus utilisées pour réaliser des études ensciences sociales. Toutefois, peu de méthodologies existent pour guider ces études. De nombreux problèmes cruciaux restent ouverts, telsque la détermination du nombre de simulationsà effectuer ou la validation des résultats obtenus. Dans cet article, nous décrivons un outil etsa méthode de conception permettant de générer automatiquement de nouvelles simulationsjusqu’à ce que les résultats obtenus et analysés automatiquement soient statistiquement valides. Les interdépendances entre variables sontanalysées a l’aide du test du Chi-deux, nécessitant un minimum d’hypothèses. Le modèle décrit est générique et l’outil-application présentépeut être appliqué à n’importe quelle simulation utilisant la plateforme RePast. Un exempled’application à une simulation du marché dutravail académique français est présenté.

Résumé : Les simulations à base d’agents (MABS) ont été utilisées avec succès pour modéliser des Systèmes complexes dans de nombreux domaines. Néanmoins, un problème des MABS est que leur complexité augmente avec le nombre d’agents et de types de comportements différents considérés dans les modèles. Pour des Systèmes de taille moyenne à grande, il est impossible de valider,voire même d’observer simplement les trajectoires des agents individuels lors d’une simulation. Les approches de validation classiques, où seuls des indicateurs globaux sont calculés, sont trop simplistes pour permettre d’évaluer le modèle de simulation avec un degré de confiance suffisant. Il est alors nécessaire d’introduire des niveaux intermédiaires de validation et d’observation. Dans cet article, nous proposons l’utilisation de la classification automatique de données (clustering) combinée à la caractérisation automatisée de clusters pour construire, décrire et suivre l’évolution de groupes d’agents en simulation. La description de clusters est utilisée pour générer des profils d’agents qui sont réintroduits dans les simulations avec l’objectif d’étudier la stabilité des descriptions et des structures des clusters sur plusieurs simulations et de décider de leur capacité à décrire les phénomènes modélisés. Ces outils permettent au modélisateur d’avoir un point de vue intermédiaire sur l’évolution du modèle. Ils sont suffi- samment flexibles pour être appliqués à la fois hors ligne et en ligne comme le montrent les analyses réalisées à la fois sur des simulations Netlogo et sur des logs de simulations.

Résumé : Dans cet article, nous proposons des stratégies muticritères pour la formulation de contrepropositions dans le cadre d’enchères anglaisesmulticritères inversées. Dans ce type d’enchères, un agent acheteur négocie avec plusieurs agents vendeurs un accord portant surun produit unique. Le modèle de préférences del’agent acheteur se fonde sur des points de référence qui représentent, d’une part, les valeurssouhaitées et d’autre part les valeurs minimalesacceptables sur chaque critère. Afin d’assurerune évolution optimale du processus de négociation, les enchères anglaises font souvent appel à un incrément qui représente la surenchèreminimale à respecter par toute proposition comparée à la meilleure proposition courante. Généralement. l’incrément est fixé avant le débutdes enchères et demeure fixe tout au long du processus. Notre objectif est de proposer un mécanisme d’ajustement de l’incrément au cours dela négociation : nous proposons un algorithmeanytime s’appuyant sur la méthode de lissageexponentiel qui adapte l’incrément au contextede l’enchère, en considérant le nombre d’agentsvendeurs encore en lice et le temps restant àchaque itération. Par ailleurs, nous présentonset démontrons plusieurs propriétés de l’algorithme proposé et nous validons l’approche proposée par des résultats expérimentaux.