Abstract FR:

Les approches d’agrégation dynamique et mésoscopique ont donné naissance à une méthodologie unifiée et puissante pour la simulation d’un grand nombre d’agents, avec des comportements complexes au sein d’un environnement de grande taille. Sa structure peut être adaptée à un large spectre de modèles agent, pour un coût de conception modéré, principalement employé en expertise et en configuration. L’étude de son impact sur la cohérence de la simulation permet d’exhiber un petit ensemble de paramètres contrôlant la globalité du processus, et offrant potentiellement le compromis souhaité entre gain en ressources computationnelles et maintien de la cohérence de la simulation. Tout ceci met en évidence l’unicité et l’adaptabilité de cette méthodologie, qui peut être facilement reproduite grâce à son formalisme simple. Les résultats expérimentaux des approches d’agrégation dynamique et mésoscopique sont extrêmement encourageants, et ont permis à un simulateur de comportement humain à l’état de l’art de multiplier le nombre d’acteurs virtuels simulés pour une faible perte en cohérence de simulation. De plus, elles ont fourni des capacités d’analyse multi-niveaux tout en demeurant relativement imperceptibles aux utilisateurs. Leur intégration validée au sein d’un simulateur de comportement humain industriel est l’une des réalisations majeures de cette thèse. Enfin, ces approches n’en sont qu’à leurs balbutiements. Elles permettent d’ouvrir la voie à d’autres plus complexes, qui pourraient inclure des méthodes d’apprentissage automatique, facilitant la recherche des fonctions de mappage les plus appropriées entre représentations à différents niveaux de résolution, et la gestion native des interactions inter-résolutions. Le spectre applicatif extrêmement large, qui s’étend au-delà de la simulation de comportement humain, facilite l’exploration de ces sujets de recherche.