Objectifs généraux
À l'issue de ce cours, l'étudiant sera capable de :
1. En termes de connaissance :
Définir les concepts fondamentaux de la simulation (systèmes, modèles, types de simulation).
Identifier les paradigmes de simulation (événements discrets, Monte Carlo, multi-agents, automates cellulaires).
Énumérer les étapes d'une étude de simulation.
Reconnaître les composants d'un système simulé (entités, ressources, événements).
2. En termes de compréhension :
Expliquer le fonctionnement de la simulation à événements discrets.
Décrire les principes de la simulation Monte Carlo.
Interpréter les concepts liés aux systèmes complexes et à la simulation multi-agents.
Illustrer le rôle des automates cellulaires dans la modélisation des systèmes.
3. En termes d'application :
Utiliser un logiciel comme Arena pour modéliser des systèmes.
Appliquer les méthodes de simulation à des problèmes réels ou complexes.
Exécuter des simulations et collecter les données correspondantes.
4. En termes d'analyse :
Analyser les résultats issus d'une simulation.
Examiner le comportement des systèmes simulés (multi-agents, automates cellulaires).
5. En termes de synthèse :
Concevoir un modèle de simulation adapté à un système réel complexe.
Élaborer des scénarios de simulation pour tester différentes hypothèses.
Structurer un projet complet de simulation (modélisation, implémentation, expérimentation).
6. En termes d'évaluation :
Évaluer la validité et la fiabilité d'un modèle de simulation à l'aide d'indicateurs de performance et de tests statistiques.
Justifier les décisions prises lors de la modélisation et de l'analyse.