ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 28/4 - 2014  - pp.463-484  - doi:10.3166/ria.28.463-484
TITRE
Calibrer les comportements d’agents à partir de données réelles

TITLE
Calibration of agents behaviors from actual data

RÉSUMÉ
Les nouveaux domaines d’application des simulations multi-agents produisent de grandes quantités de données, qu’il convient de prendre en compte non seulement pour la validation des résultats de simulation, mais pour la calibration même des comportements des agents. En effet, la fiabilité des prédictions et des explications fournies par une simulation est fortement dépendante du réalisme statistique des agents qui y participent. Dans cet article, nous proposons une méthode pour extraire automatiquement des profils comportementaux à partir de données réelles, méthode que nous avons mise à l’épreuve dans le cadre de comportements de consommateurs dans un magasin. Les agents disposent des mêmes capacités globales d’interaction, mais sont munis de profils différenciés résultant de l’exploration des données. Placés dans un magasin virtuel réaliste, ils effectuent des achats qui reflètent la diversité des clients réels ainsi que les profils initiaux. Le processus de construction de connaissances que nous avons élaboré est assez général pour couvrir des domaines d’application variés. Aussi, nous défendons l’idée que de telles techniques sont indispensables pour renforcer le pouvoir prédictif des simulations multi-agents et en faire un puissant outil d’aide à la décision.


ABSTRACT
The new application domains of multiagent-based simulation provide very large databases, which must be take into account not only for validating simulation results, but also for calibrating the behaviors of the agents. Indeed, the confidence in simulation predictions and explanations highly depends on the statistical realism of the agents. In this paper, we propose a method for automatically retrieving behavioral prototypes from statistical measures. This method has been experimented within the context of consumer behavior. The agents are endowed with the same overall behavior, but are given different profiles based on the data analysis. They are put into a spatially realistic store, where their purchase reproduce the original clusters. The knwoledge retrieving process is general enough to be used in various application domains. Thus, we argue that such techniques are crucial to enhance the predictive accuracy of multiagent simulations and make them a powerful decision support tool.


AUTEUR(S)
Philippe MATHIEU, Sébastien PICAULT

MOTS-CLÉS
simulation multi-agents, exploration de données, marketing, interactions

KEYWORDS
agent-based simulations, knowledge discovery, marketing, interactions

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (726 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier