Résumé : Nous décrivons une approche multi-agent visant à automatiser une tâche complexe du domaine de la cartographie: la généralisation cartographique. La généralisation simplifie des données géographiques pour produire une nouvelle représentation de l'espace moins détaillée: les tracés sont simplifiés, certains objets sont éliminés, etc. Nos agents s'identifient aux objets géographiques de la base de données: bâtiments, routes, rivières, etc. Notre approche consiste à les faire interagir pour que chacun trouve une nouvelle position et une nouvelle forme, ou s'élimine, de manière à ce que l'ensemble devienne compatible avec le niveau de détail recherché tout en restant représentatif des données originales. Pour cela, nos agents sont capables de percevoir leur environnement et de dialoguer avec leurs voisins. Cette approche a été implémentée et testée sur des données géographiques de l'Institut Géographique National français.

Résumé : Nous utilisons une modélisation agent pourrésoudre un problème spatialisé complexeapparenté à un problème de satisfaction decontraintes : la généralisation de donnéesgéographiques vectorielles (diminution duniveau de détail dans un jeu de données géographiques). Ce problème nécessite de manipuler des agents ayant des niveauxd’abstraction différents, par exemple un bâtiment, un groupe de bâtiments, une ville. Nousproposons deux méthodes permettant de changer dynamiquement le niveau d’abstractiondes entités manipulées, par observation auniveau d’abstraction le plus bas des contraintes restant non satisfaites, et créationdynamique d’entités intermédiaires représentant des groupes d’agents proches ne parvenant pas à satisfaire leurs contraintes. Lapremière méthode suppose que le système encours d’exécution est connu et peut être observé de l’intérieur (accès aux messages échangés entre agents, aux actions pouvant encoreêtre essayées), la seconde qu’il est vu commeune boîte noire. Des premiers éléments decomparaison sont ensuite donnés.

Résumé : Depuis quelques années, les travaux sur lesSMA multi-niveaux ont pris une importancecroissante. Devant la diversité des modèles proposés, nous pensons qu’il est utile d’identifierdes situations récurrentes et de les caractériserd’une manière suffisamment abstraite pour pouvoir comparer de manière formelle les modèlesexistants et faciliter la conception de nouveauxmodèles. Dans ce but, nous proposons une première liste de patterns SMA multi-niveaux. Cespatterns sont issus d’un travail d’unificationde modèles SMA multi-niveaux dédiés à la résolution d’un problème spatialisé (la généralisation cartographique). La structure et la dynamique de chaque pattern sont décrites formellement et accompagnées d’exemples issusd’une part du contexte de la généralisationcartographique, d’autre part d’autres contextesapplicatifs multi-agent, en simulation notamment. Nous discutons également la possibilitéde réutiliser et composer ces patterns.