L'utilisation de technologies sans fil ne cesse de s'accroitre depuis quelques annees. Or plusieurs pays souffrent deja d'une « penurie de spectre radio ». Il est urgent de redefinir la politique d'allocation et d'utilisation du spectre radio. Plusieurs campagnes de mesures ont montrees que le spectre alloue n'est pas utilise partout et tout le temps, laissant donc apparaitre des « trous dans le spectre ». Pour permettre une viabilite reelle de nouvelles regles de regulation, de nouveaux algorithmes de partage du spectre entre les utilisateurs et les systemes radios sont necessaires. Dans cette these, nous proposons des algorithmes innovants d'allocation dynamique du spectre. Les scenarios envisages sont constitues de plusieurs utilisateurs (utilisant des radios cognitives) se partageant l'acces a plusieurs canaux radios de façon opportuniste. Nous proposons un nouvel algorithme d'acces radio pour la couche mac, et reservant des ressources radio pour la voie montante. Cet algorithme peut etre utilise pour des systemes bases sur de l'ofdm (ex. : reseaux locaux sans fil). Dans notre algorithme (base sur de l'ofdma), les utilisateurs collaborent pour negocier l'acces a plusieurs ressources radio, en utilisant un mecanisme de contention distribue et collaboratif. Nous utilisons une adaptation de la meta heuristique d' « intelligence en essaim » inspiree des insectes sociaux. Cela confere a notre methode : flexibilite, robustesse et scalabilite, dans l'allocation spectrale. Nos resultats montrent le potentiel de telles methodes collaboratives et distribuees pour resoudre le probleme de l'allocation flexible de spectre pour les prochaines generations de systemes sans fil.

L'objectif de ce travail consiste à mettre en place des modèles d'intelligence en essaim pour l'étude de l'émergence spatiale d'organisations dans des systèmes complexes auto-organisés, sous des contraintes multi-critères. Le contexte scientique de la formalisation dans le cadre de la modélisation des systèmes complexes est développé dans ce document. Une méthodologie est présentée et conduit au développement d'une heuristique complexe tissant des liens entre des modèles élémentaires bio-inspirés des algorithmes de type fourmis. Une application est développée et concerne la modélisation de l'usage de services - notamment des services culturels - en dynamique urbaine, ainsi que la modélisation des mécanismes d'adaptation de ces services en fonction de leurs usages.

L'intelligence en essaim constitue désormais un domaine à part entière de l'intelligence artificielle distribuée. Les problématiques qu'elle soulève touchent cependant à de nombreux autres domaines ou questions scientifiques. En particulier le concept d'essaim trouve pleinement sa place au sein de la science dites des ``systèmes complexes''. Cette thèse présente ainsi la conception, les caractéristiques et les applications d'un modèle original, le SMA logistique, pour le domaine de l'intelligence en essaim. Le SMA logistique trouve son origine en modélisation des systèmes complexes : il est en effet issu des réseaux d'itérations couplées dont nous avons adapté le modèle de calcul à l'architecture multi-agent. Ce modèle se fonde sur des principes communs à d'autres disciplines, comme la synchronisation et le contrôle paramétrique que nous plaçons au coeur des mécanismes d'auto-organisation et d'adaptation. Du point de vue mathématique, les applications logistiques sont à la base de la formalisation du comportement interne des agents constituant le SMA logistique, tout en prenant place dans un schéma ``influence-réaction''. L'environnement à base de champs est l'autre aspect fondamental du SMA logistique, en permettant la réalisation des interactions indirectes des agents et en jouant le rôle d'une structure de données pour le système. Les travaux décrits dans cette thèse donnent lieu à des applications principalement en simulation et en optimisation, comme c'est le cas pour la plupart des algorithmes du domaine de l'intelligence en essaim. L'intérêt et l'originalité du SMA logistique pour l'intelligence en essaim résident dans l'aspect générique de son schéma théorique qui permet de traiter avec un même modèle des phénomènes considérés a priori comme distincts dans la littérature : phénomènes de ``flocking'' et phénomènes stigmergiques ``fourmis'' à base de phéromones. Ce modèle répond ainsi à un besoin d'explication des mécanismes mis en jeu autant qu'au besoin d'en synthétiser les algorithmes générateurs.

Nous présentons dans ces travaux une contribution concernant la distribution de simulations de système complexe dans des environnements distribués ouverts. Nous considérons ces environnements comme des écosystèmes computationnels, dont nous décrivons les propriétés et les caractéristiques, dans lesquels évoluent, de par leur exécution, les simulations. Elles sont modélisées sous la forme d'un réseau d'interactions représenté à l'aide d'un graphe dynamique. En considérant les différentes dynamiques possibles, nous proposons un formalisme général représentant ces graphes, ainsi qu'une interface de programmation, GraphStream, permettant de les manipuler et de les étudier.Le graphe dynamique est alors un sujet d'étude dans lequel nous recherchons des organisations, que nous suivons dans le temps, afin de minimiser les coûts de communication entre les machines et d'équilibrer la charge de calcul. Nous apportons une amélioration visant à réduire les oscillations des résultats de l'algorithme AntCo2 utilisant des colonies de fourmis numériques qui, grâce à des mécanismes de compétition et de collaboration, détecte des organisations. La stabilité de ces dernières est déterminée par l'intermédiaire d'une heuristique de recherche distribuée et dynamique de centroïdes.Un intergiciel est proposé permettant de distribuer de manière décentralisée et dynamique les simulations dans un écosystème computationnel en favorisant les organisations et en respectant l'équilibrage de charge.

L'intelligence en essaim constitue désormais un domaine à part entière de l'intelligence artificielle distribuée. Les problématiques qu'elle soulève touchent cependant à de nombreux autres domaines ou questions scientifiques. En particulier le concept d'essaim trouve pleinement sa place au sein de la science dites des ``systèmes complexes''. Cette thèse présente ainsi la conception, les caractéristiques et les applications d'un modèle original, le système multi-agent logistique (SMAL), pour le domaine de l'intelligence en essaim. Le SMAL trouve son origine en modélisation des systèmes complexes : il est en effet issu des réseaux d'itérations logistiques couplées dont nous avons adapté le modèle de calcul au schéma ``influence-réaction'' des systèmes multi-agents. Ce modèle est fondé sur des principes communs à d'autres disciplines, comme la synchronisation et le contrôle paramétrique, que nous plaçons au coeur des mécanismes d'auto-organisation et d'adaptation du système. L'environnement à base de champs est l'autre aspect fondamental du SMAL, en permettant la réalisation des interactions indirectes des agents et en jouant le rôle d'une structure de données pour le système. Les travaux décrits dans cette thèse donnent lieu à des applications principalement en simulation et en optimisation combinatoire.L'intérêt et l'originalité du SMAL pour l'intelligence en essaim résident dans l'aspect générique de son schéma théorique qui permet de traiter avec un même modèle des phénomènes considérés a priori comme distincts dans la littérature : phénomènes de ``flocking'' et phénomènes stigmergiques ``fourmis'' à base de phéromones. Ce modèle répond ainsi à un besoin d'explication des mécanismes mis en jeu autant qu'au besoin d'en synthétiser les algorithmes générateurs. / Swarm Intelligence is from now on a full part of Distributed Artificial Intelligence. Its associated problematics meet many other fields and scientific questions. The concept of swarm in particular belongs to the science called the science of complex systems. This phd thesis shows the design and the characteristics and the applications of a novel type of model called the logistic multi-agent system (LMAS) dedicated to the Swarm Intelligence field. The LMAS has its foundations in complex system modeling: it is inspired from the coupled logistic map lattice model which has been adapted to the ``Influence-Reaction'' modeling of multi-agent systems. This model is based on universal principles such as synchronization and parametric control which are considered as the main mechanisms of self-organization and adaptation in the heart of the system. The field-layered based environment is the other important feature of the LMAS, since it enables indirect interactions and plays the part of a data structure for the whole system. The work of this thesis is put into practice for simulation and optimization.The novelty of the LMAS lies in its generic theoretical framework, which enables to tackle problems considered as distinct in the literature, in particular flocking and ant-like stigmergic behavior. This model meets the need of explaining basic mechanisms and the need of synthesizing generative algorithms for the Swarm Intelligence.