Notre travail dans cette direction est consacré à l'étude de solutions
originales de classification non supervisée. Ces solutions s'inspirent
des propriétés du vivant pour proposer des constructions originales,
dotées de capacités étonnantes et aptes à résoudre des problèmes
difficiles vis-à-vis desquels les approches plus traditionnelles
rencontrent des difficultés. Le principe des méthodes que nous
développons se base sur des études menées en éthologie et consiste
ainsi à extraire de ces études un modèle réalisable du point de vue
informatique.

Ce nouveau domaine de recherche a pour objet de transformer la
connaissance que les éthologues ont des capacités collectives de
résolution de problèmes des insectes sociaux en techniques
artificielles de résolution de problèmes en informatique. Comment un
ensemble d'entités individuellement simples au fonctionnement
décentralisé est-il capable collectivement de fournir une réponse
complexe ? Ce principe de plusieurs entités simples en interaction qui
émerge à un niveau collectif en une structure complexe (qualifiée
d'intelligente) est présent dans différentes disciplines: biologie,
physique, informatique, etc. Dans ces domaines, différents modèles ont
vu le jour pour décrire et analyser de tels systèmes.

C'est dans ce vaste domaine de l'informatique biomimétique dans lequel
nous tentons de contribuer en apportant de nouveaux modèles
bio-inspirés pour résoudre des problèmes de classification non
supervisée et hiérarchique sur des grandes masses de données.  Les
résultats obtenus par des simulations permettent ensuite d'évaluer la
qualité du modèle relativement aux études biologiques. Les
conséquences peuvent être utiles aux informaticiens afin d'améliorer
le modèle lui même ou aux éthologues qui peuvent développer et tester
leurs théories du comportement animal.


\begin{description}
\item [Simulation et visualisation 3D de la dynamique des blattes]~\\

  Dans le cadre du projet {\it ANR Sillages} nous nous sommes
  intéressés à un processus d'auto-organisation qui est l'agrégation,
  et sa capacité à générer des organisations spatio-temporelles chez
  les espèces grégaires, telles que la blatte américaine {\it Periplaneta
    americana}. Cette dernière sera utilisée par les éthologues comme
  modèle expérimental.

  Afin de faciliter le travail des éthologues, nous avons développé un outil qui simule le
  comportement des blattes  {\it Periplaneta americana}. Notre but est
  que les chercheurs puissent mieux cerner la dynamique de ces
  insectes et découvrent de nouvelles hypothèses les concernant.

  Comme nous le montrerons dans la section suivante, ce simulateur
  nous a permis de découvrir que le comportement collectif des
  blattes peut construire de nouvelles méthodes de classification des données.

  Notre simulateur modélise le dispositif expérimental présenté dans
  la figure~\ref{fig:nid}.

  Ce modèle utilise une chaîne de {\it Markov} qui simule le
  déplacement de chaque blatte suivant sa position courante : vers les
  abris ou vers l'environnement extérieur. Tous ces déplacements
  vont dépendre de probabilités liées à la qualité de l'abri, sa
  taille ou encore au nombre de blattes présentes sous l'abri à un
  instant $t$.

\floatstyle{plain} %<-- sans encadrement des figures
\restylefloat{figure}
\begin{figure}[h]
\centering\noindent
\includegraphics[width=5cm]{inputs/A3/Figures/dispo.eps}
\caption{\small Dispositif expérimental pour tester les blattes réel}
\label{fig:nid}
\end{figure}

Nous avons également greffer à notre simulateur un outil de visualisation 3D permettant de voir les déplacements de blattes de manière plus réaliste (voir figure~\ref{fig:3D} ).

% \floatstyle{plain} %<-- sans encadrement des figures
% \restylefloat{figure}
% 
\begin{figure}[h]
\centering\noindent
\includegraphics[width=0.6\textwidth]{inputs/A3/Figures/3D.eps}
\caption{\small Visualisation 3D de la dynamique du comportement des blattes}
\label{fig:3D}
\end{figure}



\item [Classification non supervisée inspirée des comportements d'insectes sociaux]~\\

  Cet axe a pour objectif de transformer la
  connaissance que les éthologues ont des capacités collectives de
  résolution de problèmes chez les blattes américaines, en techniques
  artificielles de Clustering. Nous avons
  ainsi imaginé un système dans lequel il s'agirait de modéliser la
  manière dont les blattes forment des agrégats sous chaque abri, et
  d'utiliser ce comportement pour partitionner des données en
  différentes classes. Chaque blatte va ainsi représenter une donnée à
  classer et les abris les classes initiales.

  Ces blattes (artificielles) vont ensuite construire de manière
  similaire un partitionnement en appliquant certaines règles
  comportementales. Les déplacements des blattes vers les différentes
  classes dépendent de la similarité entre les données.

  Les résultats que nous avons obtenus sont très intéressants, nous avons pu les
  tester sur plusieurs types de données car notre approche ne dépend
  pas du type de données à classer : il suffit uniquement de définir
  une fonction de similarité pour ces nouvelles données.

  Il reste beaucoup de problèmes à résoudre pour ce type d'approche et
  les résultats obtenus jusqu'ici sont plus qu'encourageants
  \cite{Azzag2007j}. Ce nouveau modèle se placera ainsi dans la lignée
  des travaux précédents sur les algorithmes de classification
  s'inspirant des insectes sociaux et plus généralement des systèmes
  biologiques.


\item [Génération de graphes par des fourmis artificielles]~\\

  En collaboration avec le laboratoire d'informatique de l'Université
  de Tours, nous avons développé un algorithme incrémental nommé AntGraph
  pour la construction de graphes de voisinage. Il s'inspire du
  comportement d'auto-assemblage observé chez une population de
  fourmis réelles où ces dernières se fixent progressivement à un
  support fixe puis successivement aux fourmis déjà fixées afin de
  créer une structure vivante.

  Nous utilisons ainsi une approche à base de fourmis artificielles où
  chaque fourmi représente une donnée. Ce comportement a été précédemment
  utilisé pour construire de manière incrémentale un graphe à partir
  d'une mesure de similarité entre les données. Il s'agit en effet
  d'une généralisation de l'algorithme AntTree proposé par Hanane
  Azzag dans sa thèse.

  Par cette méthode, le graphe obtenu est plus représentatif de la
  similarité existante entre les données avec en plus une complexité
  inférieure à celle observée dans les méthodes classiques (Voisins
  Relatifs, graphes de Gabriel, triangulation de Delaunay). Les
  résultats obtenus sont meilleurs, notamment en terme de temps de
  calcul \cite{Azzag2007a}.


\end{description}