Systèmes Complexes

Responsable : Julie Dugdale

Résumé

Il y a trois buts à ce cours :

  1. Devenir familier avec certains exemples importants de systèmes complexes à travers une variété de sujets.
  2. Comprendre les concepts clés en systèmes complexes (par exemple l’émergence, l’auto-organisation, le contrôle distribué, etc.) et introduire certains domaines théoriques qui sont concernés par la complexité.
  3. Etudier des outils informatiques pour la modélisation, l’exploration et la construction de systèmes complexes.

Comment est-ce que de simples insectes tels que les termites et les fourmis peuvent être capables de comportements apparemment intelligents dans la construction de nids complexes, le partage dynamique et efficace de tâches, le tri et le rassemblement de différents objets, l’allocation de ressources, etc.?

Inspirés par les systèmes biologiques et sociaux, partout dans le monde de nombreux groupes de chercheurs travaillent sur ce challenge : comment comprendre et gérer la complexité d’un système. Etonnamment, les systèmes naturels montrent un comportement stable et autorégulé, qui s’adapte facilement aux caractéristiques imprévisibles de l’environnement dans lequel il évolue. De tels systèmes réussissent des changements d’échelle, l’adaptabilité, l’auto-réparation, et la robustesse, souvent en exploitant des comportements « émergents ». Pendant des années, nous avons essayé de développer ces exactes mêmes propriétés pour nos systèmes informatiques. En comprenant les propriétés émergentes et d’auto-organisation des systèmes naturels, pouvons-nous les mêmes principes pour concevoir et construire des systèmes informatiques qui soient robustes, adaptables, auto-réparables, etc.?

Programme détaillé

  • Caractéristiques et propriétés des systèmes complexes.
  • Emergence, auto-organisation, décentralisation, décomposabilité fonctionnelle limitée, non-tractabilité, état critique auto-organisé (« self organised criticality »).
  • Automates cellulaires, modèle de ségrégation de Schelling, Jeu de la Vie.
  • Intelligence d’essaim, algorithme d’optimisation des colonies de fourmis, stigmergie.
  • Robotique d’essaim, tri, regroupement, architectures.
  • Théorie du chaos, sensibilité aux conditions initiales, fractales, attracteurs.
  • Algorithmes génétiques.
  • Réseaux, réseaux sociaux, réseaux « small world », réseaux sans échelle.
  • Réseaux de neurones.

Compétences

  • Capacité à identifier les systèmes complexes, notamment les STIC complexes, et reconnaissance des opportunités et des problèmes qu’ils peuvent apporter.
  • Application de la théorie des systèmes complexes à la conception des STIC.
  • Application d’un large spectre de techniques bio-inspirées (dérivant de l’intelligence artificielle) à la résolution de problèmes de recherche.
  • Compréhension de la théorie des réseaux et application aux STIC.