Search

En este trabajo se realizo un modelo computacional a traves de los Automatas Celulares que puede describir la dinamica de como se propagan las enfermedades de transmision de sexual considerando una subclasificacion para la poblacion de infectados (curable y no curable). Asi mismo, se ha considerado en este trabajo la perspectiva de la epidemiologia matematica del modelo matematico SIS de W.O. Kermack y A.G. McKendrick que representa la dinamica de la epidemia, siendo posible asi analizar el comportamiento de la propagacion de la epidemia en el tiempo.

The research paper presents a computational model by Cellular Automata (Cell-DEVS) applied to the transmission of Dengue disease, spread by mosquitoes to a susceptible population. This model will have a multilevel approach to consider exogenous interactions such as temperature. This will allow to be able to visualize the critical points where the mosquito reproduction is much greater, and thus carry out control strategies. El trabajo de investigación presenta un modelo computacional por Autómatas Celulares (Cell-DEVS) aplicado a la transmisión de la enfermedad Dengue, propagada por mosquitos hacia una población susceptible.Este modelo tendrá un enfoque de multinivel para poder considerar interacciones exógenas como temperatura. Esto permitirá poder visualizar los puntos críticos donde la reproducción de mosquitos es mucho mayor, y así realizar estrategias de control.

In the present paper, a computational model is performed by Cellular Automata (Cell-DEVS) that describes the transmission dynamics of Varicella in a closed group of people where the disease can be spread. From the perspective of mathematical epidemiology we have the mathematical model SEIR of W.O. Kermack and A.G. McKendrick that represent the dynamics of the epidemic, in our case Varicela, where the computational simulations are performed both by the Numerical Methods and the Cellular Automata to analyze the development of the disease. En el presente trabajo, se realiza un modelo computacional mediante los Autómatas Celulares (Cell-DEVS) que describa la dinámica de transmisión de la Varicela en un grupo cerrado de personas donde se pueda propagar la enfermedad. Desde la perspectiva de la epidemiología matemática se tiene el modelo matemático SEIR de W. O. Kermack y A. G. McKendrick que representa la dinámica de la epidemia, en nuestro caso la Varicela, donde se realizará las simulaciones computacionales tanto por los Métodos Numéricos como los Autómatas Celulares para analizar el desarrollo de la enfermedad.

Because of safety, economical, and environmental reasons, the community of power systems is being working on developing a new and clean power grid, the smart grid. Smart grid infrastructure brings together renewable energy sources with information technology domain to find optimal and clean power generation, storage, and consumption. The first step in designing an intelligent power and data infrastructure, is to model and simulate the different components of smart grid in order to make accurate design decisions. In this paper, a modeling and simulation approach in the Discrete EVent System Specification (DEVS) environment is proposed. The approach models four main components in smart grid which are: photovoltaic arrays, wind turbines, storage devices, and load demand. Also, other components are being developed as well and will be discussed. Real wind speed and solar radiation profiles were used in the simulation. The tool results of the maximum amount of stored power and the power shortage are used to help the power system designer at a specific location in making decisions on the capacities needed for photovoltaic arrays, wind turbines, and storage.

International audience; This paper deals with a new transformation and fusion of digital input patterns used to train and test feedforward neural network for a wound-rotor three-phase induction machine windings short-circuit diagnosis. The single type of short-circuits tested by the proposed approach is based on turn-to-turn fault which is known as the first stage of insulation degradation. Used input/output data have been binary coded in order to reduce the computation complexity. A new procedure, namely addition and mean of the set of same rank, has been implemented to eliminate the redundancy due to the periodic character of input signals. However, this approach has a great impact on the statistical properties on the processed data in terms of richness and of statistical distribution. The proposed neural network has been trained and tested with experimental signals coming from six current sensors implemented around a setup with a prime mover and a 5.5 kW wound-rotor three-phase induction generator. Both stator and rotor windings have been modified in order to sort out first and last turns in each phase. The experimental results highlight the superiority of using this new procedure in both training and testing modes.

International audience; This paper deals with diffusion process in a multi-layer network using DEVS (Discrete Event System Specification) formalism. Social interaction plays an important role in studying the propagation of information, innovation, ideas, and influence among its members. When an informational event appears it can either die out quickly or makes significant inroads into a population. Network diffusion process allows us to understand the dynamics and the propagation of information in Social Network (SN). These networks can consist of individuals, group of person or organizations. The interactions could be done by physical proximity contact, remote collaboration, any types of social meetings and some forms of verbal or written communication depending on the situations. In our work we use the DEVS formalism, extended by DS-DEVS and PDEVS in order to set to simulate the propagation phenomena within a multi-layer social network (MSN). The network agent behavior is represented in the form of atomic models or coupled models if they are complex, and the social network is managed using DS-DEVS.

En el presente trabajo, se realiza un modelo computacional mediante los Autómatas Celulares (Cell-DEVS) que describa la dinámica de transmisión de la Varicela en un grupo cerrado de personas donde se pueda propagar la enfermedad. Desde la perspectiva de la epidemiología matemática se tiene el modelo matemático SEIR de W. O. Kermack y A. G. McKendrick que representa la dinámica de la epidemia, en nuestro caso la Varicela, donde se realizará las simulaciones computacionales tanto por los Métodos Numéricos como los Autómatas Celulares para analizar el desarrollo de la enfermedad., In the present paper, a computational model is performed by Cellular Automata (Cell-DEVS) that describes the transmission dynamics of Varicella in a closed group of people where the disease can be spread. From the perspective of mathematical epidemiology we have the mathematical model SEIR of W.O. Kermack and A.G. McKendrick that represent the dynamics of the epidemic, in our case Varicela, where the computational simulations are performed both by the Numerical Methods and the Cellular Automata to analyze the development of the disease.

The study of information dissemination phenomena of large-scale is a new field. Diffusion of information is defined as the communication process by which an idea or information spreads within a social system and that can impact the behaviour of individuals. Institutions and firms search to understand and predict the impact of information propagation on individuals. Agent-based modelling is a powerful approach for studying such a collective process. However, existing models oversimplify adopters' cultural attributes, different type of link and information content, despite the evidence of their central role in diffusion process. In this thesis, we challenge the feasibility and utility of a more realistic representation of population. We use the DEVS formalism, extended by DS-DEVS and PDEVS in order to simulate the propagation phenomena within a multi-layer social network (MSN)., L’étude des phénomènes de la diffusion d’information à grand échelle est un domaine récent. La diffusion d’information est définie comme le processus de communication par lequel une idée ou une information se propage dans une population et qui peut impacter le comportement des individus. Les institutions, tout comme les entreprises, cherchent à comprendre et à prévoir l’impact de la propagation d’information sur les individus. Une approche de modélisation et simulation permet de mieux comprendre ce processus social et de répondre à ces questions. La modélisation et la simulation à base d’agents offre une approche puissante pour modéliser un tel processus social. Toutefois, les modèles actuels simplifient fortement les facteurs culturels et les informations représentées dans le modèle ainsi que les différents liens interconnectant les individus. Ces éléments sont centraux et déterminants pour le processus de propagation. Afin d'améliorer les modèles de propagation, nous explorons dans cette thèse une représentation de la population plus réaliste. Nous proposons une architecture de modélisation et simulation permettant de simuler les phénomènes de propagation au sein des réseaux sociaux multiplexes et dynamiques basée sur le formalisme DEVS.

This thesis is focused on the study of complex systems through a modeling and simulation (M&S) process. Most questions about such systems requiere to take simultaneously account of several points of view. Phenomena evolving at different (temporal and spatial) scales and at different levels of resolution (from micro to macro) have to be considered. Moreover, several expert skills belonging to different scientific fields are needed. The challenges are then to reconcile these heterogeneous points of view, and to integrate each domain tools (formalisms and simulation software) within the rigorous framework of the M&S process. In order to solve these issues, we mobilise notions from multi-level modeling, hybrid modeling, parallel simulation and software engineering. Regarding these fields, we study the complementarity of the AA4MM approach and the DEVS formalism into the scope of the model-driven engineering (MDE) approach. Our contribution is twofold. We propose the operational specifications of the MECSYCO co-simulation middleware enabling the parallel simulation of complex systems models in a rigorous and decentralized way. We also define an MDE approach enabling the non-ambiguous description of complex systems models and their automatic implementation in MECSYCO. We show the properties of our approach with several proofs of concept.; Ce travail de thèse porte sur l'étude des systèmes complexes par une démarche de modélisation et simulation (M&S). La plupart des questionnements sur ces systèmes nécessitent de prendre en compte plusieurs points de vue simultanément. Il faut alors considérer des phénomènes évoluant à des échelles (temporelles et spatiales) et des niveaux de résolutions (de microscopique à macroscopique) différents. De plus, l'expertise nécessaire pour décrire le système vient en général de plusieurs domaines scientifiques. Les défis sont alors de concilier ces points de vues hétérogènes, et d'intégrer l'existant de chaque domaine (formalismes et logiciels de simulation) tout en restant dans le cadre rigoureux de la démarche de M&S. Pour répondre à ces défis, nous mobilisons à la fois des notions de modélisation multi-niveau (intégration de représentations micro/macro), de modélisation hybride (intégration de formalismes discrets/continus), de simulation parallèle, et d'ingénierie logicielle (interopérabilité logiciel, et ingénierie dirigée par les modèles). Nous nous inscrivons dans la continuité des travaux de M&S existants autour de l'approche AA4MM et du formalisme DEVS. Nous étudions en effet dans cette thèse en quoi ces approches sont complémentaires et permettent, une fois combinées dans une démarche d'Ingénierie Dirigée par les Modèles (IDM), de répondre aux défis de la M&S des systèmes complexes. Notre contribution est double. Nous proposons d'une part les spécifications opérationnelles de l'intergiciel de co-simulation MECSYCO permettant de simuler en parallèle un modèle de manière rigoureuse et complètement décentralisée. D'autre part, nous proposons une approche d'IDM permettant de décrire de manière non-ambiguë des modèles, puis de systématiser leur implémentation dans MECSYCO. Nous évaluons les propriétés de notre approche à travers plusieurs preuves de concept portant sur la M&S du trafic autoroutier et sur la résolution numérique d'un système d'équations différentielles.

This thesis is focused on the study of complex systems through a modeling and simulation (M&S) process. Most questions about such systems requiere to take simultaneously account of several points of view. Phenomena evolving at different (temporal and spatial) scales and at different levels of resolution (from micro to macro) have to be considered. Moreover, several expert skills belonging to different scientific fields are needed. The challenges are then to reconcile these heterogeneous points of view, and to integrate each domain tools (formalisms and simulation software) within the rigorous framework of the M&S process. In order to solve these issues, we mobilise notions from multi-level modeling, hybrid modeling, parallel simulation and software engineering. Regarding these fields, we study the complementarity of the AA4MM approach and the DEVS formalism into the scope of the model-driven engineering (MDE) approach. Our contribution is twofold. We propose the operational specifications of the MECSYCO co-simulation middleware enabling the parallel simulation of complex systems models in a rigorous and decentralized way. We also define an MDE approach enabling the non-ambiguous description of complex systems models and their automatic implementation in MECSYCO. We show the properties of our approach with several proofs of concept.; Ce travail de thèse porte sur l'étude des systèmes complexes par une démarche de modélisation et simulation (M&S). La plupart des questionnements sur ces systèmes nécessitent de prendre en compte plusieurs points de vue simultanément. Il faut alors considérer des phénomènes évoluant à des échelles (temporelles et spatiales) et des niveaux de résolutions (de microscopique à macroscopique) différents. De plus, l'expertise nécessaire pour décrire le système vient en général de plusieurs domaines scientifiques. Les défis sont alors de concilier ces points de vues hétérogènes, et d'intégrer l'existant de chaque domaine (formalismes et logiciels de simulation) tout en restant dans le cadre rigoureux de la démarche de M&S. Pour répondre à ces défis, nous mobilisons à la fois des notions de modélisation multi-niveau (intégration de représentations micro/macro), de modélisation hybride (intégration de formalismes discrets/continus), de simulation parallèle, et d'ingénierie logicielle (interopérabilité logiciel, et ingénierie dirigée par les modèles). Nous nous inscrivons dans la continuité des travaux de M&S existants autour de l'approche AA4MM et du formalisme DEVS. Nous étudions en effet dans cette thèse en quoi ces approches sont complémentaires et permettent, une fois combinées dans une démarche d'Ingénierie Dirigée par les Modèles (IDM), de répondre aux défis de la M&S des systèmes complexes. Notre contribution est double. Nous proposons d'une part les spécifications opérationnelles de l'intergiciel de co-simulation MECSYCO permettant de simuler en parallèle un modèle de manière rigoureuse et complètement décentralisée. D'autre part, nous proposons une approche d'IDM permettant de décrire de manière non-ambiguë des modèles, puis de systématiser leur implémentation dans MECSYCO. Nous évaluons les propriétés de notre approche à travers plusieurs preuves de concept portant sur la M&S du trafic autoroutier et sur la résolution numérique d'un système d'équations différentielles.

International audience; Many research efforts focus on the definition of models and techniques to simulate and predict the reaction of individuals face to an information. In this context, great benefits could derive from the exploitation of individual's personality and cultural values in the diffusion model process. In this paper we describe a new architecture for agent-based model using the DEVS (Discrete EVent System Specification) framework and show how this architecture is flexible and can serve to simulate the dissemination process. In more details, we define a set of models of individuals characterized by a set of state variables to represent the behavior of an individual and the mesh between the individuals within a multi-layer social network. Then, we introduce the platform architecture, specifically designed to simulate message propagation in a multi-layer network. In the end, a military scenario of message diffusion during a stabilization phase is used to test our DEVS models on the platform and the relevancy of the simulation results.

In the world in which we live the efficient needs are increasing in various fields like industrymedecine and environnemtale monitoring. To meet this needs, many optimization methods nammed« metaheuristics » have been created over the last forty years. They are based on probabilistic andrandom reasoning and allow user to solve problems for which conventional methods can not be usedin acceptable computing times. Victim of their methods succes, the developers of the methods have toanswer to several questions : « How can the fitness of solutions be assessed ? », « How to use thesame method for several projects without change the code? », « What method will we choose for aspecific problem ? », « How to parametrize algorithms ? ».To deal with this problem, we have developed a set of concepts and tools. They have beendeveloped in the context of modeling and simulation of discrete event systems with DEVS formalism.The aims pursued are : allow temporized and spacialized optimization of existing DEVS models,improve the optimization process efficiency (quality of solutions, computing time). Modeling andsimulation are used to propose parameters toward the input of problem to optimize. This one generateresults used to improve the next proposed solutions. In order to combine optimization and simulation,we propose to represent the optimization method as models which can be easily interconnected andsimulated. We focus on consistency of exchanges between optimization models and problem models.Our approach allows early stopping of useless simulations and reduce the computing time as a result.Modeling optimization methods in DEVS formalism also allows to autimatically choose theoptimization algorithm and its parameters. Various algorithms and parameters can be used for thesame problem during optimization process at different steps. This changes are influenced by collectedresults of problem simulation. They lead on a self adaptation to the visible or/and hidden features ofthe studied problem.Our models architecture has been tested on three different problems : parametric optimizationof mathematical functions, spacialized optimization of a sensor network deployment, temporizedoptimization of a medical treatment. Genericity of our concepts and scalability of our modelsunderline the usabily of proposed tool. Concerning performance, simulation breaks and dynamicoptimization have obtained higher quality solutions in a short time.; Nous vivons dans un monde où le besoin d’efficacité s’impose de plus en plus. Ce besoin s’exprime dans différents domaines, allant de l’industrie à la médecine en passant par la surveillance environnementale. Engendrées par cette demande, de nombreuses méthodes d’optimisation « modernes » également appelées « métaheuristiques » sont apparues ces quarante dernières années. Ces méthodes se basent sur des raisonnements probabilistes et aléatoires et permettent la résolution de problèmes pour lesquels les méthodes d’optimisation « classiques » également appelées « méthodes déterministes » ne permettent pas l’obtention de résultats dans des temps raisonnables. Victimes du succès de ces méthodes, leurs concepteurs doivent aujourd’hui plus que jamais répondre à de nombreuses problématiques qui restent en suspens : « Comment évaluer de manière fiable et rapide les solutions proposées ? », « Quelle(s) méthode(s) choisir pour le problème étudié ? », « Comment paramétrer la méthode utilisée ? », « Comment utiliser une même méthode sur différents problème sans avoir à la modifier ? ». Pour répondre à ces différentes questions, nous avons développé un ensemble de concepts et outils. Ceux-ci ont été réalisés dans le cadre de la modélisation et la simulation de systèmes à évènements discrets avec le formalisme DEVS. Ce choix a été motivé par deux objectifs : permettre l’optimisation temporelle et spatiale de modèles DEVS existants et améliorer les performances du processus d’optimisation (qualité des solutions proposées, temps de calcul). La modélisation et la simulation de l’optimisation permettent de générer directement des propositions de paramètres sur les entrées du modèle à optimiser. Ce modèle, quant à lui, génère des résultats utiles à la progression de l’optimisation. Pour réaliser ce couplage entre optimisation et simulation, nous proposons l’intégration des méthodes d’optimisation sous la forme de modèles simulables et facilement interconnectables. Notre intégration se concentre donc sur la cohérence des échanges entre les modèles dédiés à l’optimisation et les modèles dédiés à la représentation du problème. Elle permet également l’arrêt anticipé de certaines simulations inutiles afin de réduire au maximum la durée de l’optimisation. La représentation des méthodes d’optimisation sous formes de modèles simulables apporte également un élément de réponse dans le choix et le paramétrage des algorithmes. Grace à l’usage de la simulation, différents algorithmes et paramètres peuvent être utilisés pour un même processus d’optimisation. Ces changements sont également influencés par les résultats observés et permettent une adaptation automatique de l’optimisation aux spécificités connues et/ou cachées du problème étudié ainsi qu’à ses différentes étapes de résolution.L’architecture de modèle que nous proposons a été validée sur trois problèmes distincts : l’optimisation de paramètres pour des fonctions mathématiques, l’optimisation spatialisée d’un déploiement de réseau de capteurs sans fil, l’optimisation temporisée de traitements médicaux. La généricité de nos concepts et la modularité de nos modèles ont permis de mettre en avant la facilité d’utilisation de notre outil. Au niveau des performances, l’interruption de certaines simulations ainsi que dynamisme de l’optimisation ont permis l’obtention de solutions de qualité supérieure dans des temps inférieurs.

International audience; Relevant decision-making indicators and quantitative assessments are very strategic in management and production systems. In this paper, we present a modular and generic object framework using the Discrete EVent system Simulation Specification (DEVS) and the activity concept. We plan to simulate coastal fishery policies in the aim of improving harvesting and the management of fisheries. This work is a first step in employing Cellular Automata Models (CAM) with DEVS to design useful simulators in fisheries which are modelled as spatial production system.

In the world in which we live the efficient needs are increasing in various fields like industrymedecine and environnemtale monitoring. To meet this needs, many optimization methods nammed« metaheuristics » have been created over the last forty years. They are based on probabilistic andrandom reasoning and allow user to solve problems for which conventional methods can not be usedin acceptable computing times. Victim of their methods succes, the developers of the methods have toanswer to several questions : « How can the fitness of solutions be assessed ? », « How to use thesame method for several projects without change the code? », « What method will we choose for aspecific problem ? », « How to parametrize algorithms ? ».To deal with this problem, we have developed a set of concepts and tools. They have beendeveloped in the context of modeling and simulation of discrete event systems with DEVS formalism.The aims pursued are : allow temporized and spacialized optimization of existing DEVS models,improve the optimization process efficiency (quality of solutions, computing time). Modeling andsimulation are used to propose parameters toward the input of problem to optimize. This one generateresults used to improve the next proposed solutions. In order to combine optimization and simulation,we propose to represent the optimization method as models which can be easily interconnected andsimulated. We focus on consistency of exchanges between optimization models and problem models.Our approach allows early stopping of useless simulations and reduce the computing time as a result.Modeling optimization methods in DEVS formalism also allows to autimatically choose theoptimization algorithm and its parameters. Various algorithms and parameters can be used for thesame problem during optimization process at different steps. This changes are influenced by collectedresults of problem simulation. They lead on a self adaptation to the visible or/and hidden features ofthe studied problem.Our models architecture has been tested on three different problems : parametric optimizationof mathematical functions, spacialized optimization of a sensor network deployment, temporizedoptimization of a medical treatment. Genericity of our concepts and scalability of our modelsunderline the usabily of proposed tool. Concerning performance, simulation breaks and dynamicoptimization have obtained higher quality solutions in a short time., Nous vivons dans un monde où le besoin d’efficacité s’impose de plus en plus. Ce besoin s’exprime dans différents domaines, allant de l’industrie à la médecine en passant par la surveillance environnementale. Engendrées par cette demande, de nombreuses méthodes d’optimisation « modernes » également appelées « métaheuristiques » sont apparues ces quarante dernières années. Ces méthodes se basent sur des raisonnements probabilistes et aléatoires et permettent la résolution de problèmes pour lesquels les méthodes d’optimisation « classiques » également appelées « méthodes déterministes » ne permettent pas l’obtention de résultats dans des temps raisonnables. Victimes du succès de ces méthodes, leurs concepteurs doivent aujourd’hui plus que jamais répondre à de nombreuses problématiques qui restent en suspens : « Comment évaluer de manière fiable et rapide les solutions proposées ? », « Quelle(s) méthode(s) choisir pour le problème étudié ? », « Comment paramétrer la méthode utilisée ? », « Comment utiliser une même méthode sur différents problème sans avoir à la modifier ? ». Pour répondre à ces différentes questions, nous avons développé un ensemble de concepts et outils. Ceux-ci ont été réalisés dans le cadre de la modélisation et la simulation de systèmes à évènements discrets avec le formalisme DEVS. Ce choix a été motivé par deux objectifs : permettre l’optimisation temporelle et spatiale de modèles DEVS existants et améliorer les performances du processus d’optimisation (qualité des solutions proposées, temps de calcul). La modélisation et la simulation de l’optimisation permettent de générer directement des propositions de paramètres sur les entrées du modèle à optimiser. Ce modèle, quant à lui, génère des résultats utiles à la progression de l’optimisation. Pour réaliser ce couplage entre optimisation et simulation, nous proposons l’intégration des méthodes d’optimisation sous la forme de modèles simulables et facilement interconnectables. Notre intégration se concentre donc sur la cohérence des échanges entre les modèles dédiés à l’optimisation et les modèles dédiés à la représentation du problème. Elle permet également l’arrêt anticipé de certaines simulations inutiles afin de réduire au maximum la durée de l’optimisation. La représentation des méthodes d’optimisation sous formes de modèles simulables apporte également un élément de réponse dans le choix et le paramétrage des algorithmes. Grace à l’usage de la simulation, différents algorithmes et paramètres peuvent être utilisés pour un même processus d’optimisation. Ces changements sont également influencés par les résultats observés et permettent une adaptation automatique de l’optimisation aux spécificités connues et/ou cachées du problème étudié ainsi qu’à ses différentes étapes de résolution.L’architecture de modèle que nous proposons a été validée sur trois problèmes distincts : l’optimisation de paramètres pour des fonctions mathématiques, l’optimisation spatialisée d’un déploiement de réseau de capteurs sans fil, l’optimisation temporisée de traitements médicaux. La généricité de nos concepts et la modularité de nos modèles ont permis de mettre en avant la facilité d’utilisation de notre outil. Au niveau des performances, l’interruption de certaines simulations ainsi que dynamisme de l’optimisation ont permis l’obtention de solutions de qualité supérieure dans des temps inférieurs.

International audience; Validation and test of DEVS models at the early phases of theDesign process is a crucial topic when dealing with complexDEVS models. Based on Software Engineering test methods,we present in this paper a new approach which integrates Agilemethods in the process of the simulation in order to designand test DEVS models. We propose an implementationin Python language based on the use of aspect programmingconcept (patch, mocking objects and decorators). This implementationis performed in the framework of the DEVSimPyenvironment with the definition of a plug-in dedicated to theautomatic generation and execution of test scenario. Two pedagogicalexample have been used in order to point out thefeasibility of the approach.

International audience; The paper deals with test automation of GUI (General User Interface) softwareusing simulations. The development of GUI software requires a greatamount of time and cost concerning the testing aspects. In order to facilitateand speed up the testing of such GUI software an approach basedon discrete-event modeling and simulation is proposed. Traditionally, theGUI software test automation approaches require the development of testingprocedures which are fastidious to carry on. The idea is to perform testautomation of GUI software by integrating of existing GUI software testingenvironments within a DEVS (Discrete EVent system Specification) formalismframework called DEVSimPy. The proposed approach is validatedon a real application dealing with medical software which have to respectvery strict formats defined by French governmental institutions.

International audience; The observation of a simulation is an important task of the modeling and simulation activity. However, this task is rarely explained in the underlying formalism or simulator. Observation consists to capture the state of the model during the simulation. Observation helps understand the behavior of the studied model and allows improving, analyzing or debugging it. In this paper, we focus on appending an observation mechanism in the Parallel Discrete Event System Specification (PDEVS) formalism with guarantee of the reproducible simulation with or without observation mechanism. This extension to PDEVS allows us to observe models at the end of the simulation or according to a time step. Thus, we define a formal specification of this extension and its abstract simulators algorithms. Finally, we present an implementation in the DEVS framework VLE.

Cette video présente comment créer une librairie de modèles dans le logiciel DEVSimPy en version 2.8.

Cette video présente la modélisation des myths avec une représentation dans Google Earth.