| La partie du site ci-dessous est en cours de développement. |
- Propriétés des systèmes auto-organisés
Ils sont aussi plus simples et plus fiables techniquement.
Outre l'étude des phénomènes collectifs dans les sociétés animales (éthologie, écologie comportementale,...) et humaines (déplacements urbains (type projet XIndep), modélisation socio-économique ,...), on cherche à utiliser les propriétés de ces systèmes dans au moins deux types de domaines nettement différenciés :
- la robotique,
- l'algorithmique.
L'enjeu central, théorique et pratique, est la définition automatique de règles individuelles adaptées et performantes pour un problème donné puis le contrôle et la commande de "l'intelligence" résultante.
Domaine de la robotique
On cherche à utiliser l'auto-organisation quand réactivité, robustesse, et fiabilité sont des critères déterminants dans les fonctions devant être assurées par un système. On crée pour cela des agents artificiels, nommés "animats" s'ils se déplacent physiquement dans l'espace réel.Ces agents sont simples et nombreux et ne pensent pas leur sociabilité. Mais leur collectif peut réaliser des tâches dites "intelligentes".
Le problème principal consiste alors à passer des fonctions globales spécifiées pour le système aux règles locales des agents artificiels.
Tous les degrès de liberté réalisables techniquement sont permis pour faire interagir ces agents avec l'environnement et entre eux..
Ainsi, par exemple, pour l'exploration de la planête Mars par des robots, de nombreux projets mettant en oeuvre des colonies de robots très simples inter-agissant entre eux ont été proposés.
Domaine de l'algorithmique
L'auto-organisation peut s'appliquer naturellement aux problèmes de nature combinatoire et plus particulièrement aux problèmes d'optimisation.Le problème d'optimisation classique consiste à déterminer une séquence de points de choix, respectant des contraintes locales et globales, et minimisant un coût global.
Le but est de concevoir un système auto-organisé, agents locaux et environnement, capable de résoudre un problème d'optimisation globale donné.
Le problème principal demeure la performance. En effet, la convergence est assurée car les processus de renforcement peuvent être modélisés par des processus stochastisques convergents (voir Renforcement_Stochastique).
L'idée est de calculer
autrement, i.e. de façon collective et non plus centralisée,
pour améliorer dans certains cas favorables ces performances. En
particulier pour la recherche d'une solution
économique et "bonne" mais non forcément optimale
dans un environnement dynamique et peu structuré.
Pour obtenir des très bonnes
performances en
optimisation (temps de calcul et qualité de la solution), il faut
coupler ces méhodes de calcul avec
des méthodes centralisées plus classiques.
Un des problèmes fondamentaux pour tester les algorithmes basés sur l'intelligence en essaim (en particulier sur les colonies de fourmis) est celui du voyageur de commerce.
Exemple de la modélisation socio-économique
Les concepts d'auto-organisation peuvent être appliqués à l'étude de la structuration de sociétés humaines. Les structures sont définies par des variables économiques spatio-temporelles, et les sociétés par des regroupements de divers types de populations socio-économiques interagissant entre elles. Cette approche peut permettre de comprendre l'histoire évolutive de la structuration socio-économique de certains regroupements humains et de prédire l'impact sur ceux-ci d'une décision technique ou politique (retour Enjeu applicatif).