Post on 03-Apr-2015
ACMO : APPROCHE COMPORTEMENTALE MULTI-
OBJECTIFPOUR LES SYSTÈMES
COMPLEXES
MC. Lamjed Ben Said
Université de Tunis
Institut Supérieur de Gestion
Laboratoire de recherche SOIE
Équipe MoS
1
Journées Systèmes Complexes Cité des Sciences Tunis 23-25 avril 2012
2
Vision Rationnelle Anxiété / Méfiance Excès de confianceCréativitéMimétismeLeadershipVision comportementale
QUELQUES NOTIONS DE BASE
Psychologie : étude scientifique des comportements observables et des attitudes comportementales agissants sur les processus mentaux
Comportement : action ou réaction des humains, des animaux et des systèmes qui est observable
Attitude : une prédisposition à agir / ensemble de jugements, de tendance, un état d’ésprit qui poussent à certains comportements
3
NOTION D’ATTITUDE
4
Attitude
Eléments intrinsèques (psychologique)
PersonnalitéÉmotions
Traits
Eléments extrinsèques
(socioculturel)
Position sociale Appartenance
Influence sociale
Apprentissage
Cognitive (ce que l'on
sait)
Affective(ce que l'on
sent)
Conative (ce que l'on
fait)
Attitude
ValeursCroyances,
Opinions Convictions
Sentiments Émotions État d’âme
Intention et prédisposition
pour agir
ATTITUDE VS. COMPORTEMENT
Attitude et le comportement sont deux notions différentes.
Si l’individu est cohérent alors son attitude (stimulus) et son comportement (réponse) se situent dans une relation de cause à effet direct que l’on peut prévoir
Sinon l’individu se trouve dans un état de dissonance cognitive (Festinger, 1957)
Rétablir la consonance : l’individu a tendance de modifier implicitement ses attitudes pour les mettre en conformité a posteriori avec ses comportements 5
RELATION ATTITUDE-COMPORTEMENT
« L’attitude est essentiellement employée dans le sens d’un état mental et
neurophysiologique déterminé par l'expérience et qui exerce une influence
dynamique sur l'individu en le préparant à agir d'une manière particulière à un certain
nombre d'objets ou d'événements » (Allport, 1935).
6
RELATION ATTITUDE-COMPORTEMENT
o La théorie de l'action raisonnée (Fishbein & Ajzen, 1975)
o L’attitude dérive des croyances et de l’information disponible.
o Le comportement est volontaire : Il dépend uniquement d’un choix qui dépend de la bonne ou de la mauvaise évaluation des conséquences relative à la réalisation de l’action.
7
RELATION ATTITUDE-COMPORTEMENT
8
o La théorie du comportement planifié (Ajzen, 1987)
o Le comportement humain, pour être effectif, doit d’abord être décidé/planifié
o Désirabilité du comportement + Opinion entourage
RELATION ATTITUDE-COMPORTEMENT
Autres visions (Krosnick et al., 1993, 1995, 1997).
La probabilité de production d’un comportement
dépend de la prégnance de l’attitude.
L'attitude doit posséder une structure suffisamment stable et solide pour pouvoir observer la réalisation du comportement consistant avec celle-ci.
Plusieurs dimensions : l’extrémité, l’intensité, la certitude, l’importance, l’intérêt, la connaissance, l’accessibilité, une consistance structurelle, etc.
9
MODÉLISATION COMPUTATIONNELLE DES AC US Patent N° 2003/0154092 (Ben Said et al. 2003)
Behavioural Primitives (BP) : Generic and functional Reacts to positive and negative external stimuli ( Ex_St+ , Ex_St- ) as a function of
inhibitor and triggering thresholds ( Inh_Thrsup , Inh_thrinf , Trig_Thr )
10
Intensity
Rejection scope of negative stimuli
Acceptation scope
Triggering threshold
Inhibitorthresholds
Rejection scope of positive stimuli
Intensity
Inactive BP
Active BP Reception of Ex_St-
with no effect on opinions
Active BP Reception of Ex_St-
with effect on opinions
VBP < Trig_Thr
VBP Trig_Thr
Inh_Thrinf < VBP
VBP Inh_Thrsup
Active BP Reception of Ex_St+
with no effect on opinions
Active BP Reception of Ex_St+
with effect on opinions
VBP < Inh_Thrsup
VBP Inh_Thrinf
VBP Trig_Thr
VBP < Trig_Thr
Inactive BP
Active BP Reception of Ex_St-
with no effect on opinions
Active BP Reception of Ex_St-
with effect on opinions
VBP < Trig_Thr
VBP Trig_Thr
Inh_Thrinf < VBP
VBP Inh_Thrsup
Active BP Reception of Ex_St+
with no effect on opinions
Active BP Reception of Ex_St+
with effect on opinions
VBP < Inh_Thrsup
VBP Inh_Thrinf
VBP Trig_Thr
VBP < Trig_Thr
PLAN
Contexte général Attitude comportementale Présentation d’ACMO
MotivationsSources d’inspirationMéthodologie
Systèmes complexes abordésProblématiques Objectifs Principaux résultats
Conclusion 11
Omniprésence des systèmes complexes dans notre environnement
MOTIVATIONS
12
Activité de celui qui, prenant appui sur des modèles clairement explicités mais non nécessairement complètement formalisés, aide à obtenir des éléments de réponse aux questions que se pose un acteur dans un processus de décision, éléments concourant à éclairer la décision … Aider à décider, c'est tout d'abord aider à clarifier la formulation, la transformation et l'argumentation des préférences. A ce niveau, le concept clé est celui du critère.
Définition de la prise de décision d’après B. Roy (2000)
Notre définition d’un système complexe Un système est dit complexe lorsqu'il est composé d'un grand nombre de composants autonomes différenciés qui interagissent entre eux de manière non triviale. Un système complexe se caractérise également par l'émergence au niveau global de propriétés nouvelles, non observables au niveau des composants du système et par une dynamique du fonctionnement global difficilement prédictible à partir de l'observation des constituants et de leurs interactions élémentaires.
Notre définition d’un système complexe Un système est dit complexe lorsqu'il est composé d'un grand nombre de composants autonomes différenciés qui interagissent entre eux de manière non triviale. Un système complexe se caractérise également par l'émergence au niveau global de propriétés nouvelles, non observables au niveau des composants du système et par une dynamique du fonctionnement global difficilement prédictible à partir de l'observation des constituants et de leurs interactions élémentaires.
Activité de celui qui, prenant appui sur des modèles clairement explicités mais non nécessairement complètement formalisés, aide à obtenir des éléments de réponse aux questions que se pose un acteur dans un processus de décision, éléments concourant à éclairer la décision … Aider à décider, c'est tout d'abord aider à clarifier la formulation, la transformation et l'argumentation des préférences. A ce niveau, le concept clé est celui du critère.
Définition de la prise de décision d’après B. Roy (2000)
Systèmes complexes socio-économiques à aspect décisionnel
Caractérisés par :
• Distribution• Imprévisibilité• Dynamique d’interaction• Hétérogénéité• Émergence
L'aide à la décision nécessite :
• Compréhension et modélisation du phénomène
• Définition d'un ou de plusieurs critères d'évaluation
• Intégration des préférences
PROBLÉMATIQUE SCIENTIFIQUE ABORDÉE
13
Une complexité qui rend difficile la prise de décision relative à la résolution des problèmes qui sont
intrinsèquement liés aux systèmes complexes socio-économiques
Étude, modélisation et simulation des systèmes complexes de type
socio-économique à aspect décisionnel en proposant une
nouvelle approche
Résolution de
problèmes
Outils d’aide à la décision
ACMO : SOURCES D’INSPIRATION
ACMO
Considération de la nature des interactions
Considération des effets des
interactions
Approche ascendante
Approche descendanteApproche mono-disciplinaire
Modifier une variable à la fois
Ne place pas les objectifs au cœur de la démarche
Isole les éléments du système
Conduit à une action par objectifs
Modification d’un ensemble de variables à
la fois
Approche pluridisciplinaire
Caractéristiques de l’approche analytique Caractéristiques de l’approche systémique
14
Environnement du système complexe
ACMO - PHASE I : PRÉ-ANALYSE
15Cadre théorique intégratif
DisciplineN
Discipline1 Discipline2
Discipline3
Discipline4
Système complexe étendu
Décideur
PréférencesObjectifs
Système complexe
Prise en compte du décideur ou du groupe de décideurs dans le système étudié.
Vision pluridisciplinaire qui intègre les concepts nécessaires pour l'analyse et la modélisation d'un système complexe étendu
ACMO - PHASE II : ANALYSE ET MODÉLISATION
16
Analyse Structurale
Analyse Comportementale
AnalyseMulti-Objective
BUT : fournir des modèles les plus fidèles possible à la réalité du système complexe étudié.
Identifier un modèle organisationnel dusystème complexe étendu étudié
Identifier l'ensemble des critères qui permettent d'étudier l'amélioration ou la détérioration de la performance globale ou partielle du système étudié
Identifier les attitudes et les réactions observables des composants du système complexe étendu étudié
Modèles
Représentation d'un système en
regroupant des concepts décrivant
son organisation et sa dynamique
A C T I O N S
Décisions
Système complexe étendu
Simulation&
Optimisation
ACMO - PHASE III : VALIDATION
17
Logique Floue
Méta-heuristiques
Systèmes Multi-Agents
Résultats émergents & Observations
Résolution de problèmes
Valide
Outils d’aideà la décision Solutions
Prospectifs
Prédictifs
Explicatifs
Oui
Décideur
Non
Phase I
Phase IIPrise en
compte de l'incertitude
Adéquation Intégration
Problèmes d’optimisatio
n
PLAN
Contexte général Attitude comportementale Présentation d’ACMO
MotivationsSources d’inspirationMéthodologie
Systèmes complexes abordésProblématiques Objectifs Principaux résultats
Conclusion 18
MoDemS
MoDeMS : Multi-objective Decision Making Simulation
Modélisation et intégrationdes préférences du décideur en OEMO
FuzTranS
FuzTranS : Fuzzy Transshipment Simulation
Gestion collaborative de stock dans unenvironnement incertain
EMoTranS
EMoTranS : Evolutionary Multi-objective Transshipment Simulation
Transshipment multi-objectif
SiSMar
SiSMar : Simulation Stock Market
Étude des comportements de l'investisseur dans un marché boursier
CUBES
CUBES : CUstomer BEhavior Simulation
Étude des comportements du consommateur dans un marché concurrentiel
SYSTÈMES COMPLEXES ABORDÉS
19
ACMO
SYSTÈMES COMPLEXES ABORDÉS
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Problématique Montrer qu'à partir de la conception d'un modèle comportemental adéquat du consommateur, une simulation multi-agent peut contribuer à l'étude du comportement de consommation Principaux objectifs :
1. Découvrir des explications de phénomènes émergents observés dans un marché concurrentiel
2. Construire un modèle comportemental générique du consommateur, calibrer ses paramètres et valider les modèles de comportements d'individus qu'on croit pouvoir être à l'origine de phénomènes émergents
3. Analyser via la simulation les effets de décisions marketing, de conjonctures et des rumeurs sur les attitudes comportementales des consommateurs.
UPMC Paris 6LIP6 / FTR&D
20
Principaux résultats
Simulateur CUBES
SYSTÈMES COMPLEXES ABORDÉS
NON
Résultats de simulations
OUI FIN Résultats de simulation correspondent aux résultats théoriques
Résultats issus d’études en économie, marketing, sociologie…
Approche de calibrage des simulations MA
21
Un procédé de simulation comportementaleUn nouveau modèle comportemental du consommateur
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
UPMC Paris 6LIP6 / FTR&D
SYSTÈMES COMPLEXES ABORDÉS
22
Problématique Étude des phénomènes observés dans un marché boursier en tenant compte des comportements complexes des investisseurs et de l'influence des attitudes sur la prise de décisionPrincipaux objectifs :
1. Proposer un modèle qui se base sur les aspects psychologique et socio-cognitif
2. Étudier les relations micro/macro au sein du marché boursier en tenant compte des facteurs externes qui le perturbent
3. Étudier des phénomènes liés à la Bourse en simulant les interactions entre les acteurs afin de fournir un cadre expérimental pour observer les conséquences des comportements des investisseurs
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Thèse Mlle Zahra Kodia :
ENSI
Principaux résultats
Observations de phénomènes émergents
Volatilité des prix et présence d'un processus multiplicatif
Fat tails (queues épaisses)
Clustering de la volatilité
SYSTÈMES COMPLEXES ABORDÉS
23
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Simulateur SiSMarUn nouveau modèle comportemental de l’investisseur
Thèse Mlle Zahra Kodia :
ENSI
SYSTÈMES COMPLEXES ABORDÉS
24
ProblématiqueIncorporation des préférences du décideur dans les algorithmes évolutionnaires multi-objectifs afin de guider la recherche vers la région d’intérêt Pareto optimale.
Principaux objectifs :
1. Incorporer les préférences implicites et explicites du décideur dans les algorithmes évolutionnaires multi-objectifs
2. Concevoir de nouveaux algorithmes évolutionnaires multi-objectifs interactifs qui prennent en considération les préférences parfaites et floues des décideurs
3. Proposer un modèle à base d’agents pour la prise de décision dans le cas d’un groupe de décideurs en prenant en compte leurs préférences
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Thèse M. Slim Bechikh :
ISGT
SYSTÈMES COMPLEXES ABORDÉS
25
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Thèse M. Slim Bechikh :
ISGT
Principaux résultats
Prototype d’un outil d’aide à la gestion des préférences dans un groupe de décideurs Estimer le vecteur nadir en
utilisant des points de référence mobiles
Guider plus efficacement la recherche vers les meilleurs compromis en découvrant les régions knee
Nadir point et Knee region r-dominance : une nouvelle relation de dominance
Guider plus efficacement la recherche vers la RI indépendamment de la faisabilité du point de référence
Traiter plusieurs points de référence simultanément
SYSTÈMES COMPLEXES ABORDÉS
26
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Problématique Proposition de nouvelles approches hybrides pour l'optimisation EMO en les appliquant sur des problèmes multi-objectifs liés à la gestion collaborative de stock dans une chaine logistique.
Principaux objectifs :
1. Proposer de nouvelles variantes multi-objectifs pour le problème du Trasshipment plus proches de la réalité
2. Proposition de nouvelles méthodes hybrides et les appliquer sur les variantes du problème proposées
3. Développer un outil de simulation permettant d'aider les responsables de la gestion de stocks dans une chaine logistique lors de leurs décisions au quotidien.
Thèse M. Nabil
Belgasmi : ENSI
SYSTÈMES COMPLEXES ABORDÉS
27
Principaux résultats
Prototype d’outil d’aide à la décision Transshipment multi-objectif avec contraintes sur la capacité de stockageTransshipment avec capacités de stockage limitées
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Thèse M. Nabil
Belgasmi : ENSI
SYSTÈMES COMPLEXES ABORDÉS
28
Problématique : Étude d'un réseau de distribution à un étage comportant N sites qui collaborent pour minimiser le coût de stockage global et assurer un bonne QoS en prenant en considération des facteurs d’incertitudePrincipaux objectifs :
1. Proposer une formalisation de facteurs incertains pour déterminer leurs influences sur la gestion de stock
2. Identifier de nouvelles stratégies de collaboration qui permettent la réduction des risques liés à l'incertitude
3. Développer un outil d’aide à la décision qui prend en considération les paramètres incertains dans le cadre de la gestion collaborative de stock qui permet l'optimisation des mesures de performance
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Thèse M. Mohamed
Hmiden: ENSI
Stratégie de Transshipment à deux étapes
Optimisation hybride basée sur les AG et la simulation floue
Impact de l'incertitude des demandes clients sur coût de stockage et quantité d’approvisionnement
SYSTÈMES COMPLEXES ABORDÉS
29
CUBES
FuzTranS
EMoTranS
MoDemS
SiSMar
ACMO
Principaux résultats
Thèse M. Mohamed
Hmiden: ENSI
Stratégie de Transshipment à deux étapesProposition de stratégies de gestion collaborative de stock en fonction du profil comportemental du décideur
Attitude du preneur de décision
Stratégie de Transshipment
max-min
Averse au risque
Pessimiste
Neutre au risque
Preneur de risque
Optimiste
Stratégie de Transshipment
mixte
Stratégie de Transshipment
max profit
Identification des facteurs d’incertitude liés au problème du transshipment
PLAN
Contexte général Attitude comportementale Présentation d’ACMO
MotivationsSources d’inspirationMéthodologie
Systèmes complexes abordésProblématiques Objectifs Principaux résultats
Conclusion 30
CONCLUSION
Apports méthod
o-logiques
Proposition d’une approche d'étude des systèmes
complexes socio-économiques à aspect
décisionnel : ACMO
Approfondissement de la démarche
méthodologique de conception de
systèmes multi-agents
Proposition d’une approche de calibrage et de validation des
modèles de simulation à base de systèmes
multi-agents
Proposition de cadres théoriques intégratifs comme cadre formel pour
l'étude des systèmes complexes
Proposition d’une épistémologie
pratique relative à la définition d'une
méthode expérimentale pour expliquer et prédire
31
CONCLUSION
Apports tech-
niques
Proposition de nouveaux algorithmes mimétiques par hybridation d'algorithmes évolutionnaires avec des
heuristiques de recherche locale
Application et adaptation de
techniques d'optimisation multi-
objectif à des instances de
problèmes réels
Proposition et amélioration d'algorithmes
évolutionnaires multi-objectif
Introduction de mécanismes de
représentation des attitudes
comportementales
Hybridation et application de la
simulation floue avec les algorithmes
génétiques32
33
"Longtemps, la complexité fut entendue comme un mur... plutôt que de chercher à abattre ou à contourner ou à fuir le mur de la Complexité,
‘pourquoi pas' nous attacher à 'faire avec' (à tous les sens de l'expression, et d'abord son sens
anglais : 'to deal with') ? ".(J.L. Lemoigne et P. Viveret, 2008)
Finissons par une note philosophique / épistémologique
…