Transformation de Modèle Comportemental À L’aide D’exemples

Abstract

La transformation de modèles (MT) est souvent décrite comme le « cœur et l’âme » de l’ingénierie pilotée par les modèles (MDE). C’est un catalyseur clé pour apporter des capacités de calcul dans MDE. En particulier, le comportement des langages spécifiques au domaine (DSL) peut être facilement capturé et automatisé avec MT. De manière simplifiée, un modèle peut être défini comme un ensemble de données représentant un système et écrites dans un langage bien défini. La transformation des modèles (TM) est une étape primordiale pour l’IDM, elle consiste à transformer d’un modèle source (MS) vers un modèle cible (MC) en se basant sur des règles de transformation , connues appropriées. Nous pouvons citer par exemple le passage de formalise UML vers le modèle relationnel . Ces transformations peuvent être proposées par des experts et des professionnels dans le domaine de transformation des modèles. Dans quelques situations, nous constatons l’absence des règles de transformation pour effectuer un certain nombre d’actions. Notre objectif consiste à déduire des règles de transformation en se basant sur l’historique des transformations effectuées sur les modèles. Cette situation de l’absence d’un dataset, nous a motivé de voir la possibilité de proposer une approche de transformation inspirée de l’apprentissage par renforcement (Reinforcement Learning) qui raffine au fur et à mesure les règles de transformation. Ce type d’apprentissage est une technique qui permet à un agent (par exemple Pacman) d’apprendre dans un environnement interactif par essais et erreurs en utilisant les feedbacks de ses propres actions et expériences. Nous avons déroulé notre approche sur une étude de cas de jeux de Pacman. Les résultats obtenus motivent notre initiative et adoptent une solution d’apprentissage par renforcement dans le domaine des transformations des modèles.