Refactor report formatting and improve clarity in observations

- Updated section headings for consistency and clarity.
- Converted tables from markdown format to a structured table format for better readability.
- Enhanced descriptions in the analysis and conclusion sections to provide clearer insights into the performance of LEACH and LEACH-C protocols.
- Corrected minor typographical errors for improved professionalism.

code/analysis.py

@@ -1,50 +1,32 @@
 """
-Analyseur et générateur de graphiques pour les résultats de simulation
+Génération de graphiques et analyses visuelles pour les résultats de simulation LEACH/LEACH-C.
+Lit les métriques JSON et produit des PNG comparatifs.
 """
 
 import json
 import matplotlib.pyplot as plt
 import matplotlib
-matplotlib.use('Agg')  # Backend sans affichage
+matplotlib.use('Agg')  # Pas d'affichage graphique (serveur)
 
 
 class ResultsAnalyzer:
-    """Analyse et visualise les résultats des simulations."""
+    """Crée les graphiques de comparaison entre les protocoles et scénarios."""
     
     def __init__(self, results_file):
-        """
+        """Charge le fichier JSON contenant les résultats de toutes les simulations."""
-        Charge les résultats depuis un fichier JSON.
-        
-        Args:
-            results_file (str): Chemin vers le fichier JSON
-        """
         with open(results_file, 'r') as f:
             self.results = json.load(f)
     
     def generate_comparison_graphs(self, output_dir):
-        """
+        """Crée tous les graphiques PNG en une seule passe."""
-        Génère les graphiques de comparaison LEACH vs LEACH-C.
-        
-        Args:
-            output_dir (str): Répertoire de sortie
-        """
-        # 1. FDN Comparison
         self._plot_fdn_comparison(output_dir)
-        
-        # 2. FMR Comparison
         self._plot_fmr_comparison(output_dir)
-        
-        # 3. DLBI Comparison
         self._plot_dlbi_comparison(output_dir)
-        
-        # 4. RSPI Comparison
         self._plot_rspi_comparison(output_dir)
-        
-        # 5. Alive Nodes Over Rounds
         self._plot_alive_nodes(output_dir)
     
     def _plot_fdn_comparison(self, output_dir):
-        """Graphique : FDN pour tous les scénarios."""
+        """Graphique en barres : Premier Nœud Mort pour chaque scénario."""
         scenarios = list(self.results.keys())
         leach_fdn = []
         leachc_fdn = []
@@ -53,7 +35,6 @@ class ResultsAnalyzer:
             leach_metrics = self.results[scenario]["LEACH"]["metrics"]
             leachc_metrics = self.results[scenario]["LEACH-C"]["metrics"]
             
-            # Utiliser fdn du JSON (peut être null)
             leach_fdn.append(leach_metrics.get("fdn") or 0)
             leachc_fdn.append(leachc_metrics.get("fdn") or 0)
         
@@ -72,7 +53,7 @@ class ResultsAnalyzer:
         ax.legend()
         ax.grid(axis='y', alpha=0.3)
         
-        # Ajouter note si pas de FDN (nœuds toujours vivants)
+        # Note si tous les nœuds survivent (valeur nulle = pas de mort)
         if all(f == 0 for f in leach_fdn + leachc_fdn):
             ax.text(0.5, 0.5, 'Pas de nœuds morts\n(tous les nœuds vivants)',
                    transform=ax.transAxes, ha='center', va='center',
@@ -83,7 +64,7 @@ class ResultsAnalyzer:
         plt.close()
     
     def _plot_fmr_comparison(self, output_dir):
-        """Graphique : FMR pour tous les scénarios."""
+        """Graphique en barres : Premier Round Muet pour chaque scénario."""
         scenarios = list(self.results.keys())
         leach_fmr = []
         leachc_fmr = []
@@ -92,7 +73,6 @@ class ResultsAnalyzer:
             leach_metrics = self.results[scenario]["LEACH"]["metrics"]
             leachc_metrics = self.results[scenario]["LEACH-C"]["metrics"]
             
-            # Utiliser fmr du JSON (peut être null)
             leach_fmr.append(leach_metrics.get("fmr") or 0)
             leachc_fmr.append(leachc_metrics.get("fmr") or 0)
         
@@ -116,7 +96,7 @@ class ResultsAnalyzer:
         plt.close()
     
     def _plot_dlbi_comparison(self, output_dir):
-        """Graphique : DLBI pour tous les scénarios."""
+        """Graphique en barres : Indice d'Équilibre de Charge pour chaque scénario."""
         scenarios = list(self.results.keys())
         leach_dlbi = []
         leachc_dlbi = []
@@ -149,7 +129,7 @@ class ResultsAnalyzer:
         plt.close()
     
     def _plot_rspi_comparison(self, output_dir):
-        """Graphique : RSPI pour tous les scénarios."""
+        """Graphique tableau : Indice de Stabilité du Réseau avec explications."""
         scenarios = list(self.results.keys())
         leach_rspi = []
         leachc_rspi = []
@@ -161,16 +141,14 @@ class ResultsAnalyzer:
             leach_rspi.append(leach_metrics.get("rspi", 0))
             leachc_rspi.append(leachc_metrics.get("rspi", 0))
         
-        # Graphique : Tableau de texte uniquement (plus lisible)
         fig, ax = plt.subplots(figsize=(12, 8))
         ax.axis('off')
         
-        # Créer un tableau affichant les valeurs
+        # Tableau affichant RSPI pour tous les scénarios
         data = []
         for scenario, lrspi, crspi in zip(scenarios, leach_rspi, leachc_rspi):
             data.append([scenario, f"{lrspi:.6f}", f"{crspi:.6f}"])
         
-        # Ajouter en-tête
         data.insert(0, ['Scénario', 'LEACH RSPI', 'LEACH-C RSPI'])
         
         table = ax.table(cellText=data, cellLoc='center', loc='center',
@@ -179,12 +157,12 @@ class ResultsAnalyzer:
         table.set_fontsize(11)
         table.scale(1, 3)
         
-        # Colorer l'en-tête
+        # Style en-tête
         for i in range(3):
             table[(0, i)].set_facecolor('#4ECDC4')
             table[(0, i)].set_text_props(weight='bold', color='white', size=12)
         
-        # Colorer les lignes alternées et ajouter bordures
+        # Style lignes alternées
         for i in range(1, len(data)):
             for j in range(3):
                 if i % 2 == 0:
@@ -193,11 +171,9 @@ class ResultsAnalyzer:
                     table[(i, j)].set_facecolor('white')
                 table[(i, j)].set_text_props(size=11)
         
-        # Titre
         fig.suptitle('Comparaison RSPI (Relative Silence Period Index)', 
                      fontsize=16, fontweight='bold', y=0.98)
         
-        # Ajouter explications
         explanation = (
             'RSPI = 0.0000 indique que le réseau reste STABLE pendant toute la simulation.\n'
             'Les nœuds survivent jusqu\'à la fin, ce qui est un EXCELLENT résultat.\n\n'
@@ -213,16 +189,14 @@ class ResultsAnalyzer:
         plt.close()
     
     def _plot_alive_nodes(self, output_dir):
-        """
+        """Graphique récapitulatif : Tous les résultats (FDN, FMR, DLBI, RSPI) par scénario."""
-        Graphique : Résumé complet des résultats en format très lisible.
-        """
         scenarios = list(self.results.keys())
         
         fig = plt.figure(figsize=(16, 12))
         ax = fig.add_subplot(111)
         ax.axis('off')
         
-        # Préparer les données
+        # Préparer les données : FDN, FMR, DLBI, RSPI pour chaque protocole
         data = []
         for scenario in scenarios:
             scenario_short = scenario.replace('Scenario_', '').replace('_', ' ')
@@ -243,9 +217,7 @@ class ResultsAnalyzer:
             
             data.append(row)
         
-        # Ajouter en-tête
+        data.insert(0, ["Scénario", "LEACH", "LEACH-C"])
-        header = ["Scénario", "LEACH", "LEACH-C"]
-        data.insert(0, header)
         
         # Créer le tableau
         table = ax.table(cellText=data, cellLoc='center', loc='center',
@@ -254,14 +226,14 @@ class ResultsAnalyzer:
         table.set_fontsize(11)
         table.scale(1, 3.5)
         
-        # Style l'en-tête
+        # Style en-tête
         for i in range(3):
             cell = table[(0, i)]
             cell.set_facecolor('#4ECDC4')
             cell.set_text_props(weight='bold', color='white', size=13)
             cell.set_height(0.12)
         
-        # Style les lignes alternées
+        # Style lignes alternées et bordures
         for i in range(1, len(data)):
             for j in range(3):
                 cell = table[(i, j)]
@@ -275,16 +247,13 @@ class ResultsAnalyzer:
                 cell.set_linewidth(1.5)
                 cell.set_edgecolor('#cccccc')
         
-        # Ajouter bordures plus visibles
         for key, cell in table.get_celld().items():
             cell.set_linewidth(2)
             cell.set_edgecolor('#333333')
         
-        # Titre
         fig.suptitle('Résumé Complet des Résultats - Simulation avec SimPy', 
                      fontsize=16, fontweight='bold', y=0.98)
         
-        # Légende
         legend_text = (
             'FDN: First Dead Node | FMR: First Muted Round | DLBI: Load Balancing (>0.7=excellent) | RSPI: Silence Index (0=excellent)'
         )
@@ -298,17 +267,10 @@ class ResultsAnalyzer:
         plt.close()
     
     def generate_summary_table(self, output_file):
-        """
+        """Exporte les résultats dans un fichier CSV pour analyse externe."""
-        Génère un tableau récapitulatif en CSV.
-        
-        Args:
-            output_file (str): Chemin du fichier CSV
-        """
         with open(output_file, 'w') as f:
-            # En-tête
             f.write("Scenario,Protocol,FDN,FMR,Alive_Nodes,DLBI,RSPI\n")
             
-            # Données
             for scenario_name, scenario_data in self.results.items():
                 for protocol in ["LEACH", "LEACH-C"]:
                     metrics = scenario_data[protocol]["metrics"]
@@ -326,9 +288,8 @@ class ResultsAnalyzer:
 if __name__ == "__main__":
     import os
     
-    # Déterminer les chemins dynamiquement
+    script_dir = os.path.dirname(os.path.abspath(__file__))
-    script_dir = os.path.dirname(os.path.abspath(__file__))  # /home/paul/AlgoRep/code
+    project_dir = os.path.dirname(script_dir)
-    project_dir = os.path.dirname(script_dir)  # /home/paul/AlgoRep
     results_dir = os.path.join(project_dir, "results")
     
     results_file = os.path.join(results_dir, "simulation_results.json")

rapport/Rapport_LEACH_LEACHC.typ

@@ -310,7 +310,7 @@ $ "RSPI" = frac(2 times [(1 - "FR"_"muted"/"R"_"max") times (1 - "LR"_"dead"/"R"
 
 == Observations Clés
 
-=== 1. Durée de Vie Réseau (FDN)
+=== Durée de Vie Réseau (FDN)
 
 Tous les nœuds *survivent 3000 rounds* dans tous les scénarios. Cela démontre que :
 - L'énergie initiale (0.5J par nœud) est *suffisante* pour 3000 rounds
@@ -319,47 +319,56 @@ Tous les nœuds *survivent 3000 rounds* dans tous les scénarios. Cela démontre
 
 *Implication* : FDN=null est un résultat positif − le réseau maintient sa viabilité long terme.
 
-=== 2. Premières Pertes (FMR)
+=== Premières Pertes (FMR)
 
-| Scénario | LEACH FMR | LEACH-C FMR | Interprétation |
+#table(
-|----------|-----------|-------------|---|
+  columns: (1fr, auto, auto, 2fr),
-| 1 (l=2000, p=0.05, n=100) | 195 | null | LEACH commence à perdre des CHs élus |
+  align: (left, center, center, left),
-| 2 (l=2000, p=0.50, n=100) | 1603 | null | LEACH perd CHs au round 1603 (53%) |
+  [*Scénario*], [*LEACH FMR*], [*LEACH-C FMR*], [*Interprétation*],
-| 3 (l=2000, p=0.95, n=100) | null | null | Aucun CH ne mute − réseau plein débit |
+  [1 (l=2000, p=0.05, n=100)], [195], [null], [LEACH commence à perdre des CHs élus],
-| 4 (l=4000, p=0.05, n=100) | 99 | null | Gros paquets causent pertes précoces |
+  [2 (l=2000, p=0.50, n=100)], [1603], [null], [LEACH perd CHs au round 1603 (53%)],
-| 5 (l=4000, p=0.05, n=200) | null | null | Réseau 200 nœuds très stable |
+  [3 (l=2000, p=0.95, n=100)], [null], [null], [Aucun CH ne mute − réseau plein débit],
-| 6 (l=4000, p=0.10, n=200) | null | null | Activité modérée − stabilité |
+  [4 (l=4000, p=0.05, n=100)], [99], [null], [Gros paquets causent pertes précoces],
+  [5 (l=4000, p=0.05, n=200)], [null], [null], [Réseau 200 nœuds très stable],
+  [6 (l=4000, p=0.10, n=200)], [null], [null], [Activité modérée − stabilité],
+)
 
 *Analyse* : LEACH-C souffre moins de FMR (souvent null), montrant que la *sélection centralisée des CHs est plus stable* et réduit les rotations de CH inutiles. Les FMR de LEACH sont déclenchées par des élections probabilistes défaillantes.
 
-=== 3. Équilibre de Charge (DLBI)
+=== Équilibre de Charge (DLBI)
 
-| Scénario | LEACH DLBI | LEACH-C DLBI | Verdict |
+#table(
-|----------|-----------|-------------|---|
+  columns: (auto, auto, auto, 2fr),
-| 1 | 0.747 | 0.070 | LEACH bien supérieur |
+  align: (left, center, center, left),
-| 2 | 0.801 | −0.035 | LEACH excellent, LEACH-C mauvais |
+  [*Scénario*], [*LEACH DLBI*], [*LEACH-C DLBI*], [*Verdict*],
-| 3 | 0.953 | −0.111 | LEACH extraordinaire, LEACH-C chaotique |
+  [1], [0.747], [0.070], [LEACH bien supérieur],
-| 4 | 0.755 | 0.128 | LEACH bien supérieur |
+  [2], [0.801], [−0.035], [LEACH excellent, LEACH-C mauvais],
-| 5 | 0.681 | −0.088 | LEACH bon, LEACH-C déséquilibré |
+  [3], [0.953], [−0.111], [LEACH extraordinaire, LEACH-C chaotique],
-| 6 | 0.651 | −0.102 | LEACH bon, LEACH-C mauvais |
+  [4], [0.755], [0.128], [LEACH bien supérieur],
+  [5], [0.681], [−0.088], [LEACH bon, LEACH-C déséquilibré],
+  [6], [0.651], [−0.102], [LEACH bon, LEACH-C mauvais],
+)
 
 *Conclusion* : LEACH surpasse LEACH-C sur *tous* les scénarios en équilibre de charge. Moyenne LEACH = 0.775, Moyenne LEACH-C = −0.026. 
 
 *Explication* : LEACH distribue naturellement les responsabilités de CH à tous les nœuds (chaque nœud a 1/n chance d'être élu). LEACH-C centralise au BS qui choisit les 10% meilleurs CHs, mais cela crée une charge accumulée sur les CHs sélectionnés, d'où DLBI négatif. Le DLBI négatif indique que certains nœuds portent une charge disproportionnée.
 
-=== 4. Stabilité Réseau (RSPI)
+=== Stabilité Réseau (RSPI)
 
-| Tous les Scénarios | RSPI LEACH | RSPI LEACH-C |
+#table(
-|-----------------|-----------|-------------|
+  columns: (2fr, auto, auto),
-| Moyenne | 0.0000 | 0.0000 |
+  align: (left, center, center),
-| Min/Max | 0 / 0 | 0 / 0 |
+  [*Tous les Scénarios*], [*RSPI LEACH*], [*RSPI LEACH-C*],
+  [Moyenne], [0.0000], [0.0000],
+  [Min/Max], [0 / 0], [0 / 0],
+)
 
 *Observation remarquable* : Stabilité *parfaite* (RSPI=0) dans tous les scénarios et protocoles. Cela signifie :
 - Aucune oscillation d'énergie
 - Aucune perturbation dans l'accessibilité
 - Le réseau maintient un équilibre énergétique constant
 
-*Implication* : La simulation SimPy avec reconnnexion dynamique crée un réseau extraordinairement stable.
+*Implication* : La simulation SimPy avec reconnexion dynamique crée un réseau extraordinairement stable.
 
 == Comparaison des Protocoles