La géosimulation orientée agent : un support pour la planification dans le monde réel

Liste des illustrations

• Figure 1.1. Différents aspects de la recherche en « Planification dans un environnement dynamique à forte composante spatiale »
• Figure 2.1. Relations entre SMA et modélisation basée sur les automates cellulaires.
• Figure 3.1. Triangle du feu
• Figure 3.2. Attaque directe avec des outils à main et des pompes à dos [Nicolas et Beebe 99].
• Figure 3.3. Construction d’une ligne d’arrêt lors d’une attaque indirecte [Nicolas et Beebe 99]
• Figure 3.4. Lorsque la longueur des flammes dépasse 11 pieds, l’attaque indirecte est inutile. Les routes, les rivières et d’autres barrières naturelles sont utilisées.
• Figure 3.5. Construction d’une ligne d’arrêt à la main [Carr 02]
• Figure 4.1. Problème à résoudre
• Figure 4.2. Principe de la connaissance augmentée dans un monde de simulation
• Figure 4.3. Architecture générale d’ENCASMA
• Figure 5.1. Hiérarchie des différents facteurs influençant les techniques du Pathfinding
• Figure 5.2. ENCASMA pour les problèmes du Pathfinding
• Figure 5.3. Architecture interne de l’Agent Pathfinder : modèle PPM.
• Figure 5.4. Diagramme d’état de l’Agent Pathfinder selon le modèle PPM
• Figure 5.5. L’architecture de la solution proposée.
• Figure 5.6. Procédure suivie par l’Agent Pathfinder pour suivre une esquisse (snapshot)
• Figure 5.7. Définition de la direction limite (dans ce cas les directions choisies dans l’étape (3) doivent être à droite de la direction limite)
• Figure 5.8.a. Esquisse initiale
• Figure 5.8.b. Esquisse après translation
• Figure 5.9. Correspondance entre le monde réel et le monde de simulation pour des applications temps réel
• Figure 5.10. Diagramme d’état du fonctionnement normal de l’Agent Pathfinder dans un contexte de temps réel.
• Figure 5.11. Modèle agent PPMC dans un contexte temps réel
• Figure 5.12. Relation entre l’Agent Pathfinder et le bulldozer
• Figure 5.13. Application de la planification anticipée en continue pour la recherche de chemin
• Figure 6.1. L’expert humain propose une esquisse de la ligne d’arrêt dans le monde simulé
• Figure 6.2. L’agent AAS-Bulldozer (via ses Agents Pathfinder) trouve un meilleur plan global.
• Figure 6.3. Illustration du principe de la replanification périodique anticipée
• Figure 6.4. Principe de l’infrastructure de rencontre par migration des agents.
• Figure 6.5. Principe de l’infrastructure de rencontre par délégation agents.
• Figure 7.1. Architecture générale de MAGS (version originale)
• Figure 7.2. Diagramme de classe simplifié du module Environnement
• Figure 7.3. Diagramme de classes du module Agents
• Figure 7.4. Diagramme de classes du module des états
• Figure 7.5. Architecture de MAGS après intégration des modules spécifiques à l’application de construction des lignes d’arrêt.
• Figure 7.6. Exemple de code de création d’un agent dans MAGS
• Figure 7.7. Intégration de l’état TRoutePlanningState dans le module États des agents MAGS
• Figure 7.8. Exemple de code de création d’un agent dans MAGS ayant l’état A_ROUTEPLANNING_STATE
• Figure 7.9. Diagramme d’état du fonctionnement de l’Agent_Attaque_Directe
• Figure 7.10. Diagramme de séquence décrivant le fonctionnement de l’Agent_Attaque_Directe lorsqu’un nouveau périmètre s’ajoute à l’environnement.
• Figure 7.11. Diagramme d’activité décrivant le fonctionnement de l’Agent_Vérificateur_Position
• Figure 7.12. Algorithme de recherche des extrémités d’un obstacle par l’Agent_Vérificateur_PlanVsObstacle
• Figure 7.13. Diagramme de séquence décrivant le déclenchement de l’Agent_Vérificateur_PlanVsObstacle
• Figure 7.14. Diagramme de séquence décrivant le fonctionnement de l’Agent_Pathfinder en cas de planification raffinée
• Figure 7.15. Diagramme de séquence décrivant le cas où l’Agent_Vérificateur_Position déclenche une replanification
• Figure 7.16. Utilisation du TStaticState pour conserver et consulter les paramètres des agents
• Figure 7.17. Algorithme de MoveAgentThroughAriane suivi par les Agents_Pathfinder
• Figure 7.18. Importation de la libraire de Prometheus en code C++
• Figure 7.19. Extrait du code C++ de la fonction CreateScenarioTFirePrometheus, lors de l’appel des fonctions de l’interface COM de Prometheus
• Figure 7.20. Extrait du code C++ de la fonction CreatePerimeterAgent lors de l’extraction des résultats de Prometheus et la création des Agents_Fire
• Figure 8.1. L’Agent_Attaque_Directe qui suit un périmètre de feu avec succès (snapshot)
• Figure 8.2. Exemple de recherche de chemin sans clonage.
• Figure 8.3. Exemple de recherche de chemin avec clonage (ici cas d’une replanification raffinée)
• Figure 8.4. Évitement d’obstacle des Agents_Pathfinder
• Figure 8.6. Esquisse (1) (à gauche) et Esquisse (2) proposée par l’utilisateur.
• Figure 8.7. Cas où le tracé proposé par l’utilisateur est jugé faisable par l’Agent_EstimerLigneExpert
• Figure 8.8. Les périmètres de feu générés par Prometheus en l’absence de ligne d’arrêt.
• Figure 8.9. Cas où le tracé proposé par l’utilisateur est jugé infaisable par l’Agent_EstimerLigneExpert
• Figure 8.10. Cas où les agents reprennent la recherche du plan à zéro.
• Figure 8.11. Cas où les agents corrigent le plan de l’expert humain.
• Figure A-2. Niveaux de commandement
• Figure A-3. Exemple de sortie du Fire M3
• Figure A-4. Zoom du satellite Landsat lors d’un feu en Indonésie
• Figure A-5. Prototype de l’AFD avec microprocesseur et radio émetteur
• Figure A-6. Méthode canadienne de l'indice forêt-météo
• Figure A-7. Aperçu de l’environnement d’exécution de Phœnix
• Figure A-8. Aperçu de l’environnement d’exécution de CHARADE
• Figure B-1. Les fonctions (d’établissement du scénario) de Prometheus COM
• Figure B-2. Les fonctions (de simulation) de Prometheus COM
• Figure C.1. Principe de demande d’information entre APR et APS.
• Figure C.2. Principe d’exploration par agents AEs