1 workshop : modelling relationships between agriculture and environment - brussels - 15/02/2001...
TRANSCRIPT
1Workshop : modelling relationships between agriculture and environment - Brussels - 15/02/2001
Séminaire LISC Vendredi 29 Juin 2001
Transmission de l’information dans Transmission de l’information dans le modèle IMAGES le modèle IMAGES
IMAGES Team
Frédéric AmblardCemagref-LISC
Test sur différentes structures sociales
Séianire LISC Vendredi 29 Juin 2001
Cadre généralCadre général
• Projet IMAGES
• Biblio– Random networks : Erdos Renyi, Bollobas– Barabasi : power-law WWW– Watts : Small-World
3Workshop : modelling relationships between agriculture and environment - Brussels - 15/02/2001
Séminaire LISC Vendredi 29 Juin 2001
Modèle de génération du réseau Modèle de génération du réseau socialsocial
Séianire LISC Vendredi 29 Juin 2001
Réseaux sociaux IMAGESRéseaux sociaux IMAGES
• 3 types de liens :– Locaux (<10km)– Professionnels (classes d’équivalence géo-
socio-techniques)– aléatoires
Séianire LISC Vendredi 29 Juin 2001
Algorithme de génération du Algorithme de génération du réseau socialréseau social
• Variables– nl, dl
– np, π(i,j)– nr
• >>tirage aléatoire puis verif des cond– Proba qu’un lien local donné réseau– On tire les liens aléatoirement, verif proba puis
test…bcp bcp plus rapide
Séianire LISC Vendredi 29 Juin 2001
Localisation spatiale pour Localisation spatiale pour modèle abstraitmodèle abstrait
• On utilise le modèle d’interaction du modèle => clusters géographiques
Séianire LISC Vendredi 29 Juin 2001
Influence localisation spat on Influence localisation spat on socnetsocnet
Séianire LISC Vendredi 29 Juin 2001
Indicateurs utilisésIndicateurs utilisés
• Closeness centrality classique :
• Pb : on n’a pas une seule composante connexe
• Closeness centrality améliorée :
N
j
C
jid
NiC
1
),(
1)(
iN
j
iC
jidN
NiC
1
2
),(
1)(
Séianire LISC Vendredi 29 Juin 2001
Indicateurs utilisésIndicateurs utilisés
• Betweenness centrality (Anthonisse, 1971):
Nkij jk
jkB
iiC
)()(
Séianire LISC Vendredi 29 Juin 2001
Simulations effectuéesSimulations effectuées
Variable Simulation values
Spatial clusters Around 9, and around 49
Type of spatial clusters
Centralised, not centralised
nl 1, 3, 5
np 0.5, 1.5, 2.5
nr 0.5, 1.0, 1.5
Séianire LISC Vendredi 29 Juin 2001
Connectivité/closenessConnectivité/closeness
Séianire LISC Vendredi 29 Juin 2001
Connectivité par type / closenessConnectivité par type / closeness
Séianire LISC Vendredi 29 Juin 2001
Connectivité/betweennessConnectivité/betweenness
Séianire LISC Vendredi 29 Juin 2001
Connectivité par type / Connectivité par type / betweennessbetweenness
15Workshop : modelling relationships between agriculture and environment - Brussels - 15/02/2001
Séminaire LISC Vendredi 29 Juin 2001
Modèle de diffusion de Modèle de diffusion de l’informationl’information
Séianire LISC Vendredi 29 Juin 2001
Algo de propagation de l infoAlgo de propagation de l info
• Variables : : coeff de transmission de l’info (à quel débit
je la diffuse)– Pour chaque agent: des jetons (un pourcentage
de son réseau) à qui transmettre l’info : taux de décroissance de transmission de
l’info (fonction de la proximité de la source)
Séianire LISC Vendredi 29 Juin 2001
Algo de propagation de l’infoAlgo de propagation de l’info
• Algo : • Sur un réseau statique valué (fréquences
d’interactions) n agents:• On active des agents un par un (agent i)
– Est-ce que i a l’info ?– Si oui est-ce qu’il lui reste des jetons ?– Si oui, il tire aléatoirement un de ses voisins en
fonction des fréquences d’interaction, il lui donne l’info avec la probabilité et un nb de jetons = nb de jetons que i avait au départ -
Séianire LISC Vendredi 29 Juin 2001
Description qualitative: effet Description qualitative: effet gammagamma
Séianire LISC Vendredi 29 Juin 2001
Probabilité d’avoir l’infoProbabilité d’avoir l’info
Séianire LISC Vendredi 29 Juin 2001
Proba d’avoir l’infoProba d’avoir l’info
k
n
nnkl njip1
,1)1(.)(
)()( jipjip l
Pl j
Kk
ki
jiji
ff
K,
,,
21Workshop : modelling relationships between agriculture and environment - Brussels - 15/02/2001
Séminaire LISC Vendredi 29 Juin 2001
Sélection des meilleurs sources Sélection des meilleurs sources d’informationd’information
Séianire LISC Vendredi 29 Juin 2001
Most efficient sources algoMost efficient sources algo
• On part d’un ensemble de sources vide• On se fixe un critère (ex. 80% de la
population doit avoir au moins 20% de chances d’avoir l’info)
• À chaque itération on ajoute la source qui permet de faire atteindre au plus d’individus le seuil (20%)
• On arrête quand on atteint les 80% …
Séianire LISC Vendredi 29 Juin 2001
Résultats qualitatifsRésultats qualitatifs
Séianire LISC Vendredi 29 Juin 2001
Most efficient/connectivitéMost efficient/connectivité
Séianire LISC Vendredi 29 Juin 2001
Most efficient/connectivité par Most efficient/connectivité par typetype
Séianire LISC Vendredi 29 Juin 2001
Histo Most Efficent/ClosenessHisto Most Efficent/Closeness
Séianire LISC Vendredi 29 Juin 2001
Most efficient/closenessMost efficient/closeness
Séianire LISC Vendredi 29 Juin 2001
Most efficient/betweennessMost efficient/betweenness
Séianire LISC Vendredi 29 Juin 2001
Most efficient betweennessMost efficient betweenness
Séianire LISC Vendredi 29 Juin 2001
ConclusionConclusion
• On génère dans l’ensemble des structures dont on ne contrôle pas très bien les propriétés structurelles
• Pour un ensemble de sources données (et un réseau donné) on est capable de calculer la proba qu’a chaque individu d’avoir l’information
• L’algo de selection des meilleures sources bien que sous-optimal, suis les propriétés structurelles du réseau