Résumé : Lorsque l'on simule des systèmes complexes, il est souvent nécessaire de considérer des entités à différentes échelles d'organisation, et prendre en compte la façon dont celles-ci s'inter-influencent. Le choix des échelles est conditionné par des contraintes méthodo-logiques qui incluent les objets manipulés par les thématiciens, la disponibilité des données, question d'intérêt et également des contraintesalgorithmiques. Différentes manières d'aborderles structures multi-échelles et les influences entre niveaux peuvent être identifiées. Dans unpremier temps, nous présentons trois modèles mufti-agents de dynamiques multi-échelles existants, centrés sur la croissance d'une tumeur cancéreuse, l'évolution de la distribution spatiale d'une population urbaine et l'évolution d'un réseau de villes. Nous proposons ensuite une grille de lecture de manière à comparer les différentes formes prises potentiellement par la notion de multi-échelles.

Résumé : Nous présentons dans cet article un mécanismed’apprentissage du comportement des appareilsélectriques dans le contexte d’une maison intelligente. L’objectif de ce mécanisme est de réduire la consommation d’énergie des appareilsà effet différé (par exemple le chauffage) touten maximisant le confort des habitants. Notreapproche utilise un modèle prédictif de l’activité d’une famille au sein de son logement. Cemodèle est construit à partir des informationslocales perçues par les appareils électriques.Après avoir présenté en détail notre mécanisme,nous procédons à l’évaluation de celui-ci ausein de la plateforme de simulation SMACH.La qualité du modèle prédictif est évaluée parsa capacité à prévoir les déplacements d’unefamille sur différents intervalles de temps. Lastratégie apprise par les appareils électrique estquant-a-elle comparée au sein du simulateur àla stratégie proposée par notre partenaire EDF.Les résultats obtenus, bien que préliminaires,indiquent que notre approche est à même de réduire la consommation électrique tout en maintenant un bon niveau de confort des habitants.

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 : Les sources d’énergie renouvelable (EnR) ontdes caractéristiques qui limitent l’intégrationde la production à la consommation électrique.Des travaux récents ont montré la pertinencedes systèmes multi-agents pour la gestion dela production renouvelable et/ou distribuée. Leprojet Winpower 1 a pour objectif l’intégrationde la production d’un ensemble de fermes éo-liennes off-shore (et autres producteurs d’EnR).Pour optimiser leur interaction avec le mar-ché de l’énergie, Winpower propose une asso-ciation avec des centres de stockage et une in-terconnexion HVDC (réseau à courant continuà haute tension). Pour piloter l’ensemble, nousproposons une approche hiérarchique qui per-met d’une part de gérer les dynamiques localeset d’autre part d’optimiser l’interaction avec lemarché tout en respectant les contraintes glo-bales du réseau (stabilité, pertes). Nous présen-tons nos travaux sur l’architecture multi-agentet les protocoles de communication conçus pourle pilotage de haut niveau du Systèmes Winpower.