Soutenance de thèse - Paul Ecoffet - "L’évolution de la coopération par le choix du partenaire dans les systèmes collectifs adaptatifs"

La soutenance aura lieu mercredi 24 mars 2021 à 14h. Elle se fera en anglais et en visio-conférence via Zoom.

Le jury sera composé de :

M. Eliseo Ferrante - Associate Professor - VU Amsterdam (rapporteur)
M. Guillaume Achaz - PU - MNHN, Paris-VII (rapporteur)
Mme. Silvia De Monte - CR CNRS - IBENS, ENS (examinatrice)
M. Nicolas Maudet - PU - LIP6, Sorbonne Université (examinateur)
M. Nicolas Bredeche - PU - ISIR, Sorbonne Université (encadrant)
M. Jean-Baptiste André - CR CNRS - IJN, ENS (co-encadrant)

Titre de la thèse  : L’évolution de la coopération par le choix du partenaire dans les systèmes collectifs adaptatifs

Résumé : 

L’évolution de la coopération est un paradoxe du point de vue de l’évolution. En effet, tous les individus du vivant devraient être intéressés uniquement par leurs propres intérêts. Aider un autre individu est donc une perte de temps et de ressources. Comment expliquer que certains individus agissent de manière coopérative ? Cette thèse s’intéresse au mécanisme de réciprocité nommé le choix du partenaire qui permet l’évolution de comportements coopératifs. Cependant, les contraintes nécessaires à l’évolution de ce mécanisme sont fortes et rarement respectées. Cette thèse vise à étendre les connaissances de ces contraintes grâce à des simulations dans des environnements complexes et réalistes.
La première contribution de cette thèse étend les modèles de choix du partenaire préexistants en ajoutant la contrainte de la disponibilité de ressources dans l’environnement. Dans ce cas, ce n’est plus seulement la densité de la population, mais aussi la richesse de l’environnement qui influence le choix du partenaire. Dans notre seconde contribution, nous étendons les résultats obtenus par les modèles aspatiaux. Nous étudions l’impact des environnements spatiaux sur la dynamique de la coopération avec le choix du partenaire. Le choix du partenaire requiert des individus de pouvoir apprendre à partir d’événements rares. Dans notre troisième contribution, nous comparons la tolérance à la rareté des récompenses d’un algorithme d’apprentissage de renforcement et d’un algorithme de stratégie évolutive. Nos travaux montrent l’immense difficulté que les algorithmes d’apprentissage par renforcement ont à développer le choix du partenaire, au contraire des stratégies évolutionnaires.