Outils d'observation et d'analyse de simulations multi-agents : l'expérience de la plate-forme Geamas/Biomas
Résumé
In order to help agricultural stakeholders improve their practices and minimize environmental risks, we developed a multi-agent model based on the Geamas modelling and simulation platform [Marcenac and Courdier, 1999]. This model, called Biomas [Courdier et al, 2002], allows us to simulate organic matter fluxes transferred amongst a set of farms located within a territory. Similarly to the Farmscape project leaded by CSIRO in Australia [McCown, 2002], our aim is to provide the agricultural stakeholders with a support to experiment by means of simulation various management options. After a preliminary phase of checking the model against various toy-examples, we are now about to apply the MAS model to support the farmers of Grand-Ilet (cirque of Salazie, Reunion Island) manage their livestock effluents. Actually, this community exhibits a very critical situation in terms of the environment as it concentrates on a very small agricultural land (187 ha) 25% of the pig production in Reunion, generating an amount of 17 000 m3 per year slurry. The simulation scenarios that must be addressed put into play over one hundred agents (farmers, livestock enterprises, means of transportation, slurry treatment unit, group of farmers). These agents of hybrid reactive/cognitive nature have the distinctive feature of being merely different one from each other. Each simulation gives thus rise to many intricate interactions particularly complex to analyse. In accordance with the ‘MAS philosophy’, the Geamas platform allows global observations to be performed of the overall represented agent system. However, in order to verify or explain this global behaviour, it is often necessary to be capable of monitoring the detailed individual behaviour of each agent, not only during the phase of model verification, but also for the simulations be well-accepted by the end-users in the next phase. Among existing MAS simulation platforms, one can distinguish between those having a generic aim, such as Jade, Madkit, Swarm,… that put forward model-building tools compared with tools to display and analyse simulation outputs and those devised with an aim of application to specific fields, as Cormas for renewable resource management [Bousquet et al, 1998], which, beyond functions enabling the display of observable data (spatial grid, time evolution graphics of variables) provide the user with few tools to analyse agent interactions. In front of this, we conceived a set of specific tools to display and analyse multi-agent simulations. These tools are described in this paper and their use illustrated upon one of the scenario studied in the framework of the real issue dealt with in Grand-Ilet. We conclude this paper by synthesizing the functions to be expected in agent simulation platforms to help both modellers and users interpret complex simulation scenarios outputs.
Afin d'aider les acteurs agricoles à améliorer leurs pratiques et réduire les risques environnementaux, nous avons développé un modèle multi-agents basé sur la plate-forme de simulation Geamas [Marcenac et Courdier, 1999]. Ce modèle, nommé Biomas [Courdier et al, 2002], permet de simuler les flux de transfert de matières organiques entre exploitations agricoles localisées au sein d'un territoire. L'objectif est d'aider les acteurs agricoles à expérimenter de multiples options de gestion collective par le biais de simulation, à l'instar du projet Farmscape mené par le CSIRO australien [McCown, 2002]. Après une phase préliminaire de mise au point et de test du modèle sur différents cas d'école, nous en sommes actuellement à utiliser ce SMA pour aider les éleveurs de Grand-Ilet (cirque de Salazie, La Réunion) à gérer leurs effluents d'élevage. Cette localité présente, en effet, une situation particulièrement critique du point de vue de l'environnement car elle rassemble sur une superficie agricole très réduite (187 ha) le quart de la production porcine réunionnaise générant 17000 m3 /an de lisier. Les scénarios de simulation envisagés mettent en jeu plus d'une centaine d'agents (éleveurs, élevages, moyens de transport, unité de traitement, groupement d'exploitants). Ces agents, de nature hybride (réactive et cognitive), ont la particularité d'être largement différents les uns des autres. Chaque simulation donne ainsi lieu à des combinaisons d'interactions particulièrement complexes à analyser. Conformément à la philosophie SMA, la plate-forme Geamas permet une observation globale du système d'agents représenté. II est nécessaire, cependant, pour vérifier ou expliquer ce comportement global, de pouvoir suivre l'évolution détaillée de chaque agent, non seulement en phase de mise au point du modèle, mais aussi pour l'acceptation ultérieure des simulations réalisées par les utilisateurs concernés. Parmi les plates-formes SMA existantes, nous distinguons celles à vocation générique, telles que Jade, Madkit, Swarm,... qui privilégient largement les outils de construction de modèles par rapport aux outils de visualisation et d'analyse des résultats de simulation, et celles conçues dans des domaines d'application spécifiques, telles que Cormas pour la gestion des ressources renouvelables [Bousquet et al, 1998] mais qui, au-delà de fonctionnalités de visualisation de données observables (grille de répartition spatiale des agents, courbes d'évolution temporelle de variables...) offrent peu d'outils d'analyse des interactions entre agents. Partant de ce constat, nous avons élaboré un ensemble d'outils de visualisation et d'analyse de simulations multi-agents que nous exposons dans cet article, en illustrant leur intérêt sur l'un des scénarios étudiés dans le cadre du problème posé à Grand-flet. Nous concluons sur une synthèse des fonctionnalités exigibles des plates-formes Agent pour aider, à la fois, les modélisateurs et les utilisateurs à interpréter les simulations de scénarios complexes.