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.