Agrégation.mp4

L'agrégation est le regroupement d'agents de manière à ce qu'ils se trouvent à distance de perception. Ce comportement nécessite tout d'abord une exploration de l'environnement usuellement provoquée par de l'auto-propulsion, avec une vitesse et une direction aléatoire données à l'initialisation ou générées pendant l'exécution. Le fait d'explorer favorise les rencontres entre agents, qui sont ensuite en mesure de rester agrégés grâce à l'équilibre des distances. Plus l'agrégat est important, plus les rencontres avec d'autres agents sont probables, augmentant encore sa taille et formant une boucle de renforcement. 

Dans le modèle MUCAS, à partir d'un état initial où les agents ne sont pas agrégés et sont répartis aléatoirement dans l'environnement, seules les règles de mouvement aléatoire et de friction dirigent le comportement des agents. Pour obtenir de l'agrégation, il faut augmenter le coefficient du mouvement aléatoire pour provoquer l'exploration et permettre aux agents de se percevoir et d'équilibrer leurs distances. L'augmentation simultanée du coefficient d'alignement permet aux agrégats formés de se déplacer en flocking, et d'obtenir ainsi une simulation similaire aux implémentations "classiques" du modèle de Reynolds, comme le montre la vidéo.