Académique Documents
Professionnel Documents
Culture Documents
1. INTRODUCTION
Un comportement collectif est une action sociale plus ou moins spontanée qui traduit
l’attitude que de nombreux individus manifestent en même temps, en présence d’un même
stimulus. Chez de nombreuses espèces grégaires par exemple, se mouvoir efficacement est
une question de survie. L'apparition de ces comportements dans un groupe ne nécessite
aucune hiérarchie apparente au sein du groupe mais repose uniquement sur des interactions
simples à l'échelle des individus. L'enjeu est alors d'identifier la nature des interactions et les
mécanismes liés aux changements de régimes dynamiques.
2. Outils d’identification
L’identification ou la détection de comportements collectifs repose principalement sur la
constitution de modèles qui permettent de les représenter par une méthode d’apprentissage et
par une méthode de reconnaissance.
Les comportements individuels sont rarement simples et les actions collectives encore moins.
Face à cette complexité, la communauté scientifique utilise la technique de modélisation
mathématique. Des modèles son conçus en se basant sur un ensemble d’états, où chaque état
caractérise une possibilité de ce que le monde peut être.
xi F xi Gij H xi , x j
N
1
j 1
a) Type de couplage
La littérature sur les réseaux de systèmes couplés présente différents types de couplages entre
les systèmes dynamiques. Une fonction de couplage décrit la règle physique spécifiant
comment une interaction se produit entre les éléments du réseau. Ainsi, on distingue :
Un couplage est dit linéaire respectivement non linéaire si toutes les composantes du
vecteur de couplage H de l'équation (1) sont des termes linéaires respectivement non
linéaires.
Exemple : l’équation (2) traduit un couplage linéaire tandis que l’équation (3) definie un
couplage non linéaire.
Le couplage diffusif produit une interaction locale uniquement entre chaque composant
du réseau et ses plus proches voisins. Dans les réseaux utilisant ce type de couplage, les
informations sont transmises de proche en proche. Sa fonction est définie par :
H xi , x j x j 1 x j 1 2 xi 4
Le couplage global, également appelé couplage All to All, est l'un des mécanismes de
couplage les plus utilisés dans la littérature des réseaux de systèmes couplés. Ce type
couplage produit une interaction dans l’ensemble des éléments du réseau. Son terme de
couplage est donné par l’équation (5).
H xi , x j x x
N
i j 5
j 1, j i
H xi , x j a x j xi r x j xi 6
3. Comportements émergents
On parle de comportement émergent dans un réseau lorsque l’apparition de l’ordre global ne
nécessite aucune hiérarchie apparente au sein du groupe mais repose uniquement sur des
interactions simples à l’échelle des individus. Ces comportements émergents sont entre
autres :
3.1. La synchronisation
La synchronisation est un processus par lequel les éléments dans un groupe ou dans un réseau
tendent à adopter le même comportement dans le temps. Il existe plusieurs types de
synchronisations :
De nos jours, différents algorithmes sont constamment utilisées pour apprendre et reconnaître
le phénomène de synchronisation dans les réseaux de systèmes.
a) Erreur quadratique
La synchronisation est un processus par lequel toutes les solutions des sous-systèmes
convergent vers la même sortie. Il est donc possible de définir dans le temps et de manière
globale l'écart entre les sorties des sous-systèmes à la fois dans la couche et entre les couches
s'il s'agit d'un réseau multicouches.
En considérant un système de réseau à L couches dans lequel chaque couche est constituée
de N sous-systèmes, l'erreur de synchronisation entre les éléments de la même couche k est
définie par l'équation (a1) et celle entre les couches par l'équation (a2).
1 N
Ek ,intra t xk ,i t xk t
N i 1
a1
1 N 1 L
1 N L
xk k, j
N j 1
x and xi x j ,i
l j 1
Einter t xk ,i t xi t
N l i 1 k 1
a2 où
b) Lyapunov Transversal
L'exposant de Lyapunov joue un rôle très important dans la théorie des systèmes dynamiques.
Il détermine les propriétés de stabilité et le degré de stochasticité d'une trajectoire. Il est lié à
l'expansion et à la contraction des différentes directions dans l'espace des phases (Pyragas,
1997 ; Galias, 1999 ; Schröder et al., 2015). L'exposant de Lyapunov caractérise le taux
moyen de divergence exponentielle des trajectoires voisines.
x f x C y x b1
Où x et y sont les variables d'état du premier et du second système respectivement. C est la
matrice de couplage carrée et alpha est la force de couplage. La synchronisation des deux
systèmes est obtenue lorsque leurs sorties sont identiques, c'est-à-dire x t y t s t . S(t)
représente la sortie commune des deux systèmes, soit zT t y t x t la différence
transversale entre les deux sorties, on a donc :
zT f y f x C y x
J s C zT b2
Où J est la matrice jacobienne de f . L'expression de l'exposant de Lyapunov transversal
maximal est donnée par l'équation (b3).
1 zT t
max
T
lim ln
x t zT 0
c) Order parameter
Le paramètre d'ordre, défini par Kuramoto et Battogtokh, est un bon outil pour analyser la
synchronisation de phase dans les systèmes couplés ainsi que dans les réseaux. Le calcul du
paramètre d'ordre nécessite la phase de chaque système. Pour calculer cette phase, nous
considérons un signal temporel arbitraire s et s t étant sa transformée de Hilbert.
s js R e j c1
où R est l'amplitude et la phase de la variable s . Si on désigne par la
phase instantanée, alors elle peut être déterminée par :
si
i tan 1 c2
si
Le paramètre d'ordre pour un système constitué de N oscillateurs est exprimé comme suit :
N
1
r
N
e
i 1
j i
c3
2 2
N N
r
1
sin j cos j
c3
N j 1 j 1
xi F xi d1
Où xi est un vecteur de m-composantes utilisé pour décrire l'état du ième oscillateur ; F est
une fonction définie de R m R m utilisée pour définir la synchronie locale des oscillateurs.
En prenant en compte l'interaction ou la connexion entre les N oscillateurs du réseau,
l’équation (d1) n'est pas suffisante pour décrire la dynamique du réseau. En prenant en
compte les interactions, la loi directrice du ième oscillateur est donnée par :
xi F xi k Gij H xi , x j
N
d2
j 1
Dans cette équation (d2), k représente la force de couplage ; H est une fonction de couplage
arbitraire et G est une matrice de connectivité. Les oscillateurs du réseau sont synchronisés
si tous les oscillateurs convergent vers le même état xs tel que x1 x2 ... xN xs .
Ainsi, l’équation (d2) peut être résoudre et la solution est tel que : xs F xs , supposons
une perturbation x . On a x x xs , ceci conduit à l’obtention du système d’erreur
suivant:
N
xi DF xs . xi k Gij DH xs . x j d3
j 1
x 1N DF s kG DH s . x d4
En raison du degré de l’équation (d4), la solution peut être sous la forme xi eit où
l'exposant permet de conclure sur la stabilité du réseau : si 0 alors la fonction
d’erreur est croissante et le système est dit instable par contre si 0 , l’erreur décroît dans
le temps et on dit que le système est dans un état stable.
Caractérisation
La caractérisation des états dynamiques collectifs se fait sur la base de la mesure quantitative
de la force de l'incohérence récemment proposée par Gopal et al. (Gopal et al., 2014a). Pour
évaluer cette mesure, on introduit des variables dynamiques de différence zi définies comme
zi zi 1 zi avec i 1; 2;3;...; N . Pour distinguer les états chimériques des états incohérents,
une divisons est faite sur l'ensemble de la population des oscillateurs en un nombre M
d'intervalles de longueur égale n N M . L'écart-type local m est défini comme suit :
nm
1
m e1
2
z j z
n j n m 1 1
t
1 N
Où m 1; 2;...; M , z zi et . t définit une moyenne temporelle. Cet écart type local est
N i 1
utilisé pour calculer la force d'incohérence (SI) donnée par la relation suivante :
M
1
SI 1
M
s
m 1
m e2
1 M
si si 1 , sM 1 s1
2 i 1
e3
Si 1 , on dit qu’il y’a un état chimérique et si η est un entier positif supérieur à un, on
parle des états multi chimères. L'état cohérent est caractérisé par 0 .
Tableau de caractérisation des états chimère et multi chimères (Gopal et al., 2014a).
1
gij x1j xi1
N
ix x 2
i xi
3
k
j 1
2
xi xi axi
1 2
S1
3
xi b xi xi c
3 1
Où les x , x , x
1
i
2
i
3
i i 1,2,..., N sont les variables d’états du système de roosler ;
a 0.2, b 0.2et c 5.7 sont des paramètres du système de roosler pour lesquels ce dernier
est dans un régime chaotique ; k est le coefficient de couplage des oscillateurs et les gij sont
les éléments de la matrice de connectivité G.
1 N 1 1 1
xi2 xi3
1 0 0 1 1 N 1 1
1
F x xi axi 2
H 0 0 0 et G
0 0 0
b xi
3
x 1
i c 1
1
1 1 N 1
1 1 1 N
Soit y ,y ,y
1 2 3
les sorties du réseau à la synchronisation, autrement dit
x 1
i y1 , xi2 y 2 , xi3 y3
i 1,2,...,N
.
e DF y kG H y e E1
0 1 1 1 0 0
Avec DF 1 a 0 et DH 0 0 0
y3 0 y1 c 0 0 0
b) Simulation numérique
Bibliographie :
Hodgkin A.L. and Huxley A.F. (1952), ‘A quantitative description of membrane current and
its application to conduction and excitation in nerve’, The Journal of physiology, 117(4) 500-
544.
Nagumo J., Arimoto S. and Yoshizawa S. (1961), ‘Impulses and physiological states in
models of nerve membrane’, ‘Proc. Inst. Radio Engrs’, , volume 502061–2070.
Hindmarsh J.L. and Rose R.M. (1982), ‘A model of the nerve impulse using two first-order
differential equations’, Nature, 296(5853) 162–164.
Rössler O.E. (1979), ‘Continuous chaos—four prototype equations’, Annals of the New York
Academy of Sciences, 316(1) 376–392.
Em Phan V.L. (2015), Analyse asymptotique de réseaux complexes de systèmes de
réactiondiffusion, Ph.D. thesis, Normandie Université.
Pecora, L. M. and Carroll, T. L. (1998), ‘Master stability functions for synchronized coupled
systems’, Phys. Rev. Lett. 80(10), 2109.
Gopal R., Chandrasekar V., Venkatesan A. and Lakshmanan M. (2014a), ‘Observation and
characterization of chimera states in coupled dynamical systems with nonlocal coupling’,
Physical Review E, 89(5) 052914.