IA 2017-2018

Modélisation d'une situation de duopôle

ALIRE

    • directives.pdf C'est comme ça et pis c'est tout !! (mise en ligne 11.12.17)

    • presentation.pdf Les bases du projet 2017-2018 (mise en ligne 11.12.17) update 21.01.18

    • M1_Basile_Garcia.pdf Le mémoire de Master ayant servi de réflexion (mise en ligne 11.12.17)

    • fiche_tp01.pdf Fiche TP01 première partie (mise en ligne 21.01.18)

    • Exemples python:

      • libre / protégé / privé : protege.py ;

      • à quoi sert property : what_is_property.py ;

      • passage de paramètres et paramètre par défaut : param_defaut.py ;

      • lambda expression : lambda_exple.py ;

      • lambda expression comme attribut de classe : fun_attr.py ;

      • getter/setter prix et setter ligne colonne : prix.py ;

      • __str__ __repr__ wtf : akoisert_str_repr.py ; repr_str_again.py ;

      • utilisation de property, modification d'attributs : encore_property.py ; (04.02 11:30)

      • utilisation de ezCLI.grid : grid_exemple.py (09.02 16:00)

      • notion basique d'héritage : heritage_exple.py (15.02 21:08) <=== utile pour fiche_tp02 et suivante ...

      • comment changer la valeur d'une property dans une classe dérivée howto_change_property.py (23.03 16:30) <== utile pour PrefConso

    • fiche_tp02.pdf mise en ligne 29.01.18, aborde la prise de décision pour le consommateur avec le fichier simulateur.py il va falloir définir deux méthodes getDecision et updateModel. Le première permet de fournir la décision du consommateur à l'environnement, la seconde est l'information que fournit l'environnement au consommateur (+1 : réussite, -1 : échec)

    • Ajout de fiche_tp03.pdf mise en ligne 04.02 17:40 (update 07.02 23:46), aborde la prise de décision pour une firme avec le fichier simulateur.py

    • tests_tp01.zip (mise en ligne 07.02 19:05) update 27.03 11:01 (actuellement: 339 tests v28)

    • descriptif fiche_rendu01.pdf pour le rendu du 02.03 (mise en ligne 14.02 23:20)

    • début de fiche_tp04.pdf (mise en ligne 14.02 23:20) update 28.02 20:55

    • fiche_decision.pdf (mise en ligne 21.02 12:12), détaille sur un exemple la prise de décision pour les firmes

    • reset_howto.txt (mise en ligne 21.02 12:15) trace illustrant le fonctionnement de reset fiche 01b

    • tests_rendu01.zip (mise en ligne 27.02 23:17) les tests qui valideront votre rendu de cette semaine (output_rendu01.txt vous montre un résultat type)

    • rna_mmc.zip (mise en ligne 05.03.18 15:00) réseaux de neurones formels basés sur numpy (FeedForward, Elman, RBoltzmann) update 20.03 16:16 (Passage en paquetage)

    • ajout output_firmes_tp01d.txt & update simulateur.py (20.03 17:30 v14) ajout de utility_conso_simulateur "plus proche de ce que l'on attend"

    • fiche_PrefConso (mise en ligne 14.03 17:45)

    • fiche_tp05 + rl_mmc.zip (mise en ligne 22.03 03.50)

    • ATTENTION vendredi 30.03.18 18:00 2nd rendu tous les agents Consommateurs & Firmes

    • BigFile_Terrain.py contient le terrain dans un gros fichier (mise en ligne 22.03 11:55)

    • BigFile_Terrain.py (update 29.03 0:45) <== maj pour le dernier tp la position des firmes est communiquée sous forme de coordonnées

    • main_project.py (mise en ligne 27.03 18:55) un exemple d'utilisation de BigFile_Terrain.py + README_main.txt

    • Ajout de l'avant-dernière fiche fiche_tp06 (mise en ligne 29.03 00:45) pour l'utilisation de réseaux de neurones pour les consommateurs

    • Mise en ligne (02.04 11:55) de Project_soluce.zip correspondant aux tp01 (a, b, c, d) + fiche_tp07 (manque les exemples, sera complète d'ici jeudi)

    • Mise à jour des fichiers zip : Project_soluce, rl_mmc, rna_mmc, tools, tests_rendu01 tests_tp01 (04.04 09:10)

    • Mise à jour des fichiers zip + tp02.zip + fiche_tp07 (04.04 18:50)

    • IA_final : contient toute l'arborescence pour le projet (version adaptée de B.C.)

    • aide_rapport une aide pour l'élaboration de votre rapport (06.04 12:25)

    • README_Historique.txt + tools.zip (update 09.04.18 15:30)

  • MAJ firme_learner.py (v1 17.04 12:24) -- BUG Identifié par Pierre-Henri / Florian / Artus dans DoubleFirm

    • analyzer.zip contient 1fichier résultat 1fichier Howto 1figure et analyzer.py : permet de suivre les déplacements des firmes (17.04.18 16:50)

    • DoubleFirm.zip (19.04 12:21) contient main_double firm/firm_learner.py tools/analyzer.py (main_double pour voir comment ça marche, firme_learner à cause d'une division par zéro Léa Mazet & Emma Lafaye, analyzer version identique à celle du 17.04)

    • last_update.zip (20.04 13:21) dernière mise à jour de l'année : un système mixte Règle + Apprentissage, le zip contient un readme, un main_orol (exemple) et la dernière touche à firm_learner (avec un help pour toutes les classes)

DATE de remise du projet (code + pdf) : Mercredi 02.05 8h, 5 points de pénalité par minute de retard

DATE de soutenance (rien à préparer, par groupe, obligatoire, tout le groupe présent, pas d'ordre) : le Lundi 07.05.18 entre 9h & 17h -- S105 A22

FAQ

    • Et si la valeur de dmin empêche le placement des firmes ? -> dmin = dmin // 2 (divisez par deux et retentez)

    • Pour le consommateur, quelle est la différence entre rayon d'actions & rayon d'exploration ?

      • d'après la fiche présentation --- le rayon d'actions c'est ce sur quoi porte sa décision ; le rayon d'exploration c'est (selon la fiche 02) le résultat de la décision

        • "le rayon d'exploration détermine la zone qui va être explorée effectivement à chaque tour ; le rayon d'actions détermine la plus grande zone explorable quelque soit le tour"

        • dit autrement

        • rayon d'exploration = résultat de getDecision

      • rayon d'actions = pm