Un Simulateur Multi-Agent Un Simulateur Multi-Agent pour l ’aide à la Décision d’un pour l ’aide à la Décision d’un

CollectifCollectifApplication à la gestion d’une ressource Application à la gestion d’une ressource

limitée Agro-Environnementalelimitée Agro-Environnementale

Marjorie LE BARS

LAMSADE- Université Paris Dauphine

UMR Economie Publique - INRA

Sous la direction de: Suzanne Pinson et Jean-Marie Attonaty

PLAN

• Objectifs de la thèse

• Contexte

• Approche proposée

• Manga et extension MangaLère

• Implémentation

• Evaluation

• Conclusions et perspectives

Objectifs de la thèse• Conception et mise en œuvre d’un outil d’aide à la

décision dédié à la gestion d’un collectif

– Aide à la gestion de conflits entre décideurs

– Choix d’une réglementation, résultat d’un consensus

– Applicable à des cas réels et mis en œuvre sur un cas concret

• Conception d’un simulateur Multi-Agent

– Agents hétérogènes (cognitifs et réactifs)

– Modélisation des stratégies d’acteurs par les BDI

PLAN

• Objectifs de la thèse

• Contexte

• Approche proposée

• Manga et extension MangaLère

• Implémentation

• Evaluation

• Conclusions et perspectives

Contexte de la thèse• L’eau est une ressource rare

• Directives générales édictées au niveau national et européen en 1992 et 2001

• Mise en place concrète au niveau local et régional:

• Création de règles résultant de négociations entre les différents acteurs

concernés (agriculteurs, industriels, APN, fournisseur d'eau…)

Le plus souvent les résultats de ces négociations reflètent le pouvoir de certain

acteurs

Exemple de réglementation utilisée

V = [ 20 000 + ( 300*SAU + volume à l’hectare négocié * surface) ]

Avec : le coefficient annuel.20 000 m3 sont alloués à chaque exploitation quelles que soient les culturesLe coefficient cultural dépend de la nature du sol.300 m3 sont alloués à chaque hectare de SAU (Surface Agricole Utilisable) quel que soit le type d’assolement pratiqué.Selon la culture, un volume à l’hectare a été négocié avec les irriguants. Ce volume est ajouté au 300 m3 précédents.

Contexte de la thèseau niveau local

• Instruments pour l’aide à la décision individuelle

• DSS basés sur simulation (remplacent modèle de RO)

• Pas d’instruments pour l’aide à la décision d’un collectif

• Une vision globale au niveau régional du système agro-environnemental

• Une vision partagée par les différents acteurs

• Utilisable par les techniciens locaux pour définir des réglementations

Caractéristiques du domaineDans le cadre du problème posé, un certain nombre de

caractéristiques se dégagent

QUI ? Des acteurs

– Agriculteurs, Fournisseurs d’eau, Puissance Publique, Coopérative…

– Rationalités différentes

– Grande hétérogénéité des comportements, des objectifs, des stratégies

– Autonomes: ils gèrent leur demande en fonction de leurs objectifs

– Interactions

QUOI ?

Gestion d’une ressource en eau de façon satisfaisante

COMMENT ?

Définition d’une réglementation adaptée

Limites de ces modèles • Faible nombre de types d’acteurs (PL) et d’acteurs (TdJ)• Connaissance parfaite par les acteurs des solutions possibles et de leurs

conséquences• Hypothèse de rationalité complète du décideur• Hypothèse de l'existence d'un optimum économique (Unicité de critère )• Peu de prise en compte du temps (monopériodiques)

• Pas de prise en compte du comportement des acteurs • Pas de communication • Pas de processus de négociation• Difficilement réutilisable

Les modèles existants

PLAN

• Objectifs de la thèse

• Contexte

• Approche proposée

• Manga et extension MangaLère

• Implémentation

• Evaluation

• Conclusions et perspectives

Proposition

SMA apportent un instrument nouveau (clairement explicité) pour l’aide à la décision d’un collectif:

• Prise en compte de nombreux acteurs

• Des comportements de ces acteurs

• De l’hétérogénéité de ces comportements

• Fournissent un cadre structurant pour la modélisation des stratégies d’acteurs

Approche proposée

Résultats pour n années

• critères multiples• individuels •économiques• éthiques• environnemental

SMA

Règles d’allocation d’eau

Restitution et discussion

CompréhensibleAcceptable

Applicable …

Chercheurs

Agriculteurs

Economistes

Distributeur Eau

Manga

MangaLère

Equipes multidisciplinaires

Responsablesprofessionnels

Acteurs de terrain

résultats Analyse

Evolution des travauxproblématiques

Modélisation des stratégies d’acteurs?

PLAN

• Objectifs de la thèse

• Contexte

• Approche proposée

• Manga et extension MangaLère

• Implémentation

• Evaluation

• Conclusions et perspectives

MANGA

Simulateur Multi-Agent pour l’Aide à la Négociation dans la Gestion de l’eau en Agriculture

MANGA: Architecture

AgriculteursFournisseur

d'eau

Centre deGestion

ClimatCulturesDonnéespubliques

Donnéespubliques

Donnéespubliques

Les agents cognitifs/réactifs

ENVIRONNEMENT

MEMOIRE

CONNAISSANCES

COMMUNICATION

STRATEGIES

Environnement

CONNAISSANCES

COMMUNICATION

Agent cognitif

Agent réactif

Manga: Agent fournisseur d’eau

ENVIRONNEMENT

MEMOIRE

CONNAISSANCESEau disponibleComptabilitéLes agriculteurs clients…

COMMUNICATION

Procédures de calcul

STRATEGIES

Procédures décisionnelles

Communication entre agentsType de performatif

Exemple de performatif catégorie

Demande DemandeEau

NouvelleDemandeEau

Rendement

Exercitif (action+résolution)

Interrogatif

(pas de calcul complexe)

Réponse AllocationEau Assertif

(affirme et informe)

Structure d’un message

<performatif> : DemandeEau

<sender>:Agri N°

<receiver> : Fournisseur Eau

<nature>: Demande

<content> :Eau demandé: 1200Surface Maïs irriguée :

10

<performatif> : AllocationEau

<sender>:Fournisseur Eau

<receiver> : Agri N°

<nature>: Reponse

<content> :Eau attribuée : 800

MANGA: Phases du modèle

n Simulations

Années

0 1

AnnéesMax

Début année Fin année

Résultatséconomiques

Décisionn + 1

Eauallouée

Demandeeau

Résultats

négociation

Q eaudisponible

MANGA: Interactions

Agent A modifie demande initiale et envoie nouvelle demande

Agent D évalue la demande

globale

Fin du processus de négociation

1

2

3

4 5

67 8

9

10 11

Agent A envoie sa demande initiale

Agent D évalue la demande globale

Agent A reçoit une proposition

Agent A refuse la propositionAgent A accepte la proposition

Fin du processus de négociation

Agent A renvoie demande initiale

Agent D envoie une proposition aux agents qui restent dans le processus de

négociation

MANGA: Simulation

• Données entrée

• Sorties

• Conséquences de réglementations

– Critères d’analyse

– Règles testées

caractéristiques agriculteur

Interface utilisateur

règle testée, et définir l’eau disponible pour le fournisseur d’eau

Interface utilisateur

caractéristiques culture

caractéristiques du climat

Les sortiesAgriculteur

Eau demandée Eau accordée

Evolution de l’eau attribuée au cours de la négociation

Rendement

Eau utilisée, non consommée

Charges produits, résultats économiques

Fournisseur d’eau

Eau disponible

Eau utilisée par l’ensemble des agriculteurs

Eau restante

Evolution de l’allocation d’eau au cours de la négociation

Centre de gestion Synthèse des résultats en fonction type d’assolement, type de comportement

Synthèse des résultats selon 4 critères

MANGA: Analyse des résultatsDifférents critères:

Individuelbesoin et eau accordée

par haproduction

Ethique Disparités rendements

revenus

GlobalProduction globale (maïs)

Environnementalconsommation eau

Eau restante

Besoin et eau accordée par ha

0

50

100

150

200

250

H S TSType d'années

Q E

au

Besoin eau A C

Règle d’allocation au pro rata de la demandeRègle d’allocation au pro rata de la demande 50 % A + 50 % C50 % A + 50 % C

MaïsPotentiel et quantité globale

612 000702 000590 000

917 000721 000

590 000

0

100000

200000

300000

400000

500000

600000

700000

800000

900000

1000000

H S TS

Type d'années

Q M

aïs

Q Globale Potentiel

Ecart de rendement

90

110

120

9093

73

50

60

70

80

90

100

110

120

130

H S TS

Type d'années

Rend

emen

t

A A CC A C

Utilisation de l'eau

0

100000

200000

300000

400000

500000

600000

700000

800000

H S TS

type année

Q e

au

eau dispo

eau consommée

eau restante

Résultats: Utilisation, Analyse, Validation

Ensemble d'agriculteurs:Comportements d'agriculteurs

règles testées

Don

né

es de la

simu

lation

MANGA

Résultats

Compréhensibilité

Acceptabilité

Faisabilité

Nouvellerègle à tester

Nouvellerègle à tester

NON

NON

oui

oui

ouiNON

Sim

ulat

ionA

justem

ent d

u

mod

èle

An

alyse d

es R

ésulta

ts et valid

ation

ImplémentationValidation interne

Validation par les experts

Rendement

90

110

93

50

60

70

80

90

100

110

120

H S TS

Type d'années

Ren

dem

ent

Règle d’allocation en fonction de la surface en maïs Règle d’allocation en fonction de la surface en maïs irriguéirrigué

MaïsPotentiel et quantité globale

590000721000

612000

590 000

721 000917000

0

100000

200000

300000

400000

500000

600000

700000

800000

900000

1000000

H S TS

Type d'années

Q m

aïs

Potentiel Q globale

Besoin et eau accordée par ha

0

50

100

150

200

250

H S TSType d'années

Q E

au

Besoin en eau

0

100000

200000

300000

400000

500000

600000

700000

800000

H S TS

type d'années

Q E

au

eau accordée

eau consommée

eau restante

Résultats: Utilisation, Analyse, Validation

Ensemble d'agriculteurs:Comportements d'agriculteurs

règles testées

Don

né

es de la

simu

lation

MANGA

Résultats

Compréhensibilité

Acceptabilité

Faisabilité

Nouvellerègle à tester

Nouvellerègle à tester

NON

NON

oui

oui

ouiNON

Sim

ulat

ionA

justem

ent d

u

mod

èle

An

alyse d

es R

ésulta

ts et valid

ation

ImplémentationValidation interne

Validation par les experts

Résultats pour simulation: Règle au prorata des demandes, modification progressive des

demandes

0

20

40

60

80

100

120

S H TS S H TS S H TS S S S

Type d'années

Re

nd

em

en

t

0100000200000300000400000500000600000700000800000

qu

an

tité

g

lob

ale

Quantité globale Maïs Plus faible Rdt Maïs Plus fort Rdt Maïs

Règle d’allocation au pro rata de la demandeRègle d’allocation au pro rata de la demande 50 % A + 50 % C50 % A + 50 % CInformation visibleInformation visible

Résultats: Utilisation, Analyse, Validation

Ensemble d'agriculteurs:Comportements d'agriculteurs

règles testées

Don

né

es de la

simu

lation

MANGA

Résultats

Compréhensibilité

Acceptabilité

Faisabilité

Nouvellerègle à tester

Nouvellerègle à tester

NON

NON

oui

oui

ouiNON

Sim

ulat

ionA

justem

ent d

u

mod

èle

An

alyse d

es R

ésulta

ts et valid

ation

ImplémentationValidation interne

Validation par les experts

MANGA: Résultats

A partir de Manga ont émergés des résultats généraux:– La prise en compte de l’hétérogénéité des

comportements individuels a des conséquences importantes sur les résultats.

– L’accroissement de l’information entre différentes classes d’agriculteurs s’accompagne d’une diminution de la disparité et d’une efficacité plus grande de la ressource

MANGA: Conclusion• Une ressource de type nappe

• Acquisition et formalisation des comportements des acteurs en jeu

• Basé sur les connaissances d’experts

• Approfondir nos connaissances quant au problème posé

• Dégager des classes d’objets réutilisables et des méthodes génériques associées

SIMULATION :

• Tester un certain nombre de règles d’allocation d ’eau

• Montrer l’importance de l’hétérogénéité des comportements des agriculteurs

• Instaurer un dialogue avec des professionnels afin de déterminer les forces et faiblesses du modèle, les acteurs oubliés, les processus omis

LIMITES:

• Besoin d’approfondir la représentation des stratégies d’acteurs

Notamment par un langage propre au domaine

Chercheurs

Agriculteurs

Economistes

Distributeur Eau

Manga

MangaLère

Equipes multidisciplinaires

Responsablesprofessionnels

Acteurs de terrain

résultats Analyse

L’évolution de Manga à MangaLèreproblématiques

Modélisation des stratégies d’acteurs

MangaLère

Agents BDI

• Modéliser les stratégies des acteurs

• Structuration des connaissances sous forme de plans

– Formalisme servant de base de discussion avec les décideurs

– Représentation des connaissances concise et synthétique

– Utilisant:

• Cadre de représentation

• Langage du domaine

MangaLère: agents BDI

Base de connaissances

Bibliothèque de plans

Objectifs ou sous-objectifs fixés

Intentions:plans en attente d ’exécution

Mécanisme de sélection de plans

Environnement

perception

Action externe

MangaLère: agent Fournisseur d’eau

ENVIRONNEMENT

Croyances (Beliefs) :•Données et historique sur retenues et rivières•Information sur la réglementation dictée par le préfet en cas de pénurie de la ressource•Données sur le climat•Adhérents (débit souscrit)

-…

Objectifs (Desires) :•Remplir Retenues•Fournir EauReseaux…

Bibliothèque de plans

Remplissage

Remplissage

Remplissage_ Gouyre

Fournir eau Gagnol

Fournir eau Tordre

Fournir_Eau Gouyre

Module de sélection

Remplissage_Gouyre

Fournir_Eau_Max

Intentions

Objectifs

Sous-objectifs

plans

MangaLère: planLangage

naturel

Langage

formalisé

MangaLère: Exemple de plan

Langage

naturel

Langage

formaliséOntologie

reservoirs

Conception de plansActeurs

concernés

Responsables professionnelséconomistesagronomes

Explication du processusRemplissage

Formalisation du cadre de représentation des connaissances

Formalisation du langage

création ontologie

Formalisation des plans

Séquencement d’éxecution d’un plan

Inactif

Déclenché

Actif En veille

Arrêt

CD

CMVCMV

CMV

CMV

CACA

CMV

Objectif 1

SousObjectifs

Plans

Objectif 2

SousObjectifs

Plans

CMV

PLAN

• Objectifs de la thèse

• Contexte

• Approche proposée

• Manga et extension MangaLère

• Implémentation

• Evaluation

• Conclusions et perspectives

Implémentation

• C++ builder 5– Travaux existants dans l’équipe

• bibliothèques réutilisables

• Compilateurs

• Utilisation des données d’autres modèles

• Durée de la simulation– 100 agricuteurs, 12 ans, < 1 min

PLAN

• Objectifs de la thèse

• Contexte

• Approche proposée

• Manga et extension MangaLère

• Implémentation

• Evaluation

• Conclusions et perspectives

Evaluation• Terrain: Tarn-et-Garonne• Validation:

– « humaine » • Co-conception avec les acteurs concernés• Analyse des résultats: compréhensible, acceptable,

applicable

– Validation interne• Ensemble de données tests pour s’assurer si les sorties

sont consistantes à chaque pas de la simulation.

– Implémentation et facilité d’utilisation du modèle:• Etudiants

PLAN

• Objectifs de la thèse

• Contexte

• Approche proposée

• Manga et extension MangaLère

• Implémentation

• Evaluation

• Conclusions et perspectives

ConclusionsDans le cadre de l’aide à décision d’un collectif

A côté des instruments types DSS, NDSS

Apport d’une modélisation multi-agent

• Prise en compte de nombreux acteurs

• Prise en compte des comportements et de leurs hétérogénéités

• Concepts BDI:

– Recueillir les objectifs et les stratégies des acteurs

– Les formaliser et de les rendre réfutables

• Applicable sur un cas concret

– Permet la co-construction du modèle avec les acteurs concernés

Perspectives• Elargissement du modèle

– Tenir compte d’autres acteurs: semenciers…– Adaptation de la réglementation en cours de campagne– Evolution des comportements par des approches de type

apprentissage (programmation génétique, apprentissage par renforcement)

– Typologie des acteurs basée sur le comportement

• Méthodes de validation par l’usage: appropriation de l’instrument par les acteurs concernés

• Elargir les partenariats scientifiques:– Économistes (Théorie des jeux), Hydrologues, Agronomes,

…

retour

Comportement A:

DemandeEau

Fonction de leur besoin

Année de référence TS

Assurer sécurité: augmentation demande 20%

Comportement B:

DemandeEau

Fonction de leur besoin

Année de référence TS

Assurer sécurité: augmentation demande 0%

Comportement C:

DemandeEau

Fonction de leur besoin

Année de référence S

Assurer sécurité: augmentation demande 0%

retour

retour

020406080

100120140160

0

Eau

Ren

dem

ent

HumideSècheTrès sèche

retour