La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

N.Kabachi 1 Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA)

Présentations similaires


Présentation au sujet: "N.Kabachi 1 Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA)"— Transcription de la présentation:

1 N.Kabachi 1 Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA)

2 N.Kabachi 2 PLAN GENERAL Bibiliographie Historique De lIA à lIAD Thèmes de recherche de lIAD Problèmes de base en IAD Société dAgents (SMA) Concept dAgent Communication Organisation Coopération Résolution de conflits Exemple dapplication

3 N.Kabachi 3 A.H. BOND et L.GASSER. Reading in distributed artificial intelligence, Morgan Kaufmann publishers, Inc, Y. SOHAM. Agent-Oriented Programming. In Artificial Intelligence, vol. 60, pp , J. FERBER. Les systèmes multi-agents : vers une intelligence collective, InterEdition, Paris, Y. DEMAZEAU et J.P. MULLER. Decentralized Artificial Intelligence (2), Y. Demazeau and J.P. Muller (Eds.), Elsevier Science Publisher B. V. (North-Holland), pp. 3-10, Bibiliographie

4 N.Kabachi 4 Historique (1) Le Système HEARSAY (II) de B. Hayes-Roth : premier système dIAD pour la reconnaissance de la parole (Erman 80). Les Acteurs de Hewitt, MIT: résolution de problèmes dIA, 73. Le Système DVMT de Lesser, Distributd Vehicle Monitoring Testbed, un système de trafic routier par synthèse des observations de capteurs, 83 La Société de lEsprit de Minsky, the Society of Mind, 86. Le Système MACE de Gasser, 1987 Le Contract Net de Smith, utilisation du concept de négociation pour adjuger des contrats, 1988 Les Micro-Robots de Brooks, 1989

5 N.Kabachi 5 Historique (2) Une nouvelle approche sest développée depuis, elle essaye de faire Coopérer des Entités auxquelles sont rattachées des caractéristiques de haut niveau. Ces entités seront désormais nommées Agents et les systèmes correspondants seront appelés Systèmes Multi-Agents (SMA)

6 N.Kabachi 6 De lIA à lIAD Contrairement à LIA classique qui sappuie sur la concentration de lexpertise et du raisonnement à un système simulant un raisonnement humain LIAD considère que la résolution des problèmes complexes nécessite : la distribution du contrôle la distributions des connaissances la distributions des informations nécessaires parmi une communauté dacteurs (Agents).

7 N.Kabachi 7 Thèmes de recherche de lIAD Trois Axes Fondamentaux : 1. Les Systèmes Multi-Agents (SMA) Faire coopérer un ensemble dagents dotés dun comportement intelligent et de coordonner leurs buts et leurs plans dactions pour la résolution dun problème. 2. La Résolution Distribuée des Problèmes (RDP) Comment diviser un problème particulier sur un ensemble dentités distribuées et coopérantes et comment partager la connaissance du problème et den obtenir la solution. 3. L Intelligence Artificielle Parallèle (IAP) Concerne le développement de langages et d algorithmes parallèles pour l IAD.

8 N.Kabachi 8 Problèmes de base en IAD (1) Six Problèmes essentiels (Bond et Gasser en 88, 91) : 1. Comment formuler, décrire, décomposer, allouer des problèmes et synthétiser les résultats parmi un groupe dagents. 2. Comment permettre aux agents de communiquer et d interagir quels langages ou protocoles de communication utiliser, quoi et quand communiquer. 3. Comment sassurer que les agents agissent dune manière cohérente dans la phase de prise de décisions ou dexécution dactions en évitant les interactions nuisibles.

9 N.Kabachi 9 Problèmes de base en IAD (2) 4. Comment sassurer que les agents individuels représentent et raisonnent au sujet des actions, des plans et de la connaissances des autres agents afin quils puissent être coordonnées entre eux. 5. Comment reconnaître et réconcilier des points de vue dispersés et des intentions conflictuelles parmi une collection dagents qui essayent de coordonner leurs actions. 6. Comment construire des systèmes dIAD pratiques; comment créer des plates-formes et des méthodologies de développement pour lIAD.

10 N.Kabachi 10 Société dAgents (1) SMA = Agents + Environnement + Interactions + Organisations (AEIO) Y. Demazeau, 95 Létude des SMA permet de représenter le comportement de communautés dagents «intelligents» en société. SMA un système où : O est un ensemble dobjets, A est un ensemble composé dagents, O et A étant immergés dans un environnement E J. Erceau & J.Ferber, 93.

11 N.Kabachi 11 Société dAgents (2) Environnement lui moi le monde Décision Communication Actions Perception

12 N.Kabachi 12 Concepts dAgent (1) Agent : Un Agent peut être défini comme une entité (physique ou abstraite) capable dagir sur elle-même et son environnement, disposant dune représentation partielle de cet environnement, pouvant communiquer avec d autre agents et dont le comportement est la conséquence de ses observations, de sa connaissance et des interactions avec les autres agents. J. Ferber et G. Ghallab, 88

13 N.Kabachi 13 Concepts dAgent (2) Agent : une entité intelligente, agissant rationnellement et intentionnellement, en fonction de ses buts propres et de létat actuel de sa connaissance. Y. Demazeau & J.P. Müller, 90 Deux dimensions J. Erceau & J. Ferber, 91 Sociale Individuelle

14 N.Kabachi 14 Concepts dAgent (3) Agents Cognitifs vs réactifs AGENTS COGNITIFSAGENTS REACTIFS Représentation explicite de lenvironnement Pas de représentation explicite Peut tenir compte de son passéPas de mémoire locale Agents complexesFonctionnement stimulus/action Nombre dagents réduitNombre dagents élevé

15 N.Kabachi 15 n Agent purement situé: – l'environnement possède une métrique, – les agents sont situés à une position dans l'environnement qui détermine ce qu'ils perçoivent; – ils peuvent se déplacer; – il n'y a pas communications directes entre agents, elle se font via l'environnement n Agent purement communiquant: – il n'y a pas d'environnement au sens physique du terme, – les agents n'ont pas d'ancrage physique, – ils communiquent via des informations qui circulent entre les agents Concepts dAgent (4)

16 N.Kabachi 16 Un Modèle Générique dAgent Cognitif Messages / Décisions figure.3. « Un Modèle Générique dAgent Cognitif » Modèle Cognitif Accointances Compétences Unité de Contrôle Tâches à Réaliser Associations Tâches / Contrôles Inférences Module de Communication Interprétation Création de Message / Décision. Envoi de Message / Décision. Boites aux lettres Classification Module de Perception Récupération Informations (données, variables,...) Module de Raisonnement Mecanisme dinférence Base de Méta- Règles Raisonnement Buts m.à.j Accointance s Compétences Intent/ Ratio

17 N.Kabachi 17 Perception Communication EnvironnementCommunauté d'agents Agent Architecture dun Agent (1) (modèle spécifique) Connaissances : Processus d'engagement : flux de contrôle : flux de données : Connaissances : Fonctionnalités Contrôle

18 N.Kabachi 18 Perception Communication EnvironnementCommunauté d'agents Agent : Processus d'engagement : flux de contrôle : flux de données : Connaissances : Fonctionnalités ContrôleConnaissances Architecture dun Agent (2)

19 N.Kabachi 19 Connaissances dun Agent Connaissances du domaine Connaissances de contrôle Intentions Croyances Décisions Rationalités Engagements Connaissances de communication Accointances Expertises de communication Messages

20 N.Kabachi 20 Base de Faits Base de règles Règles de conception des solutions Règles de raisonnement Méta-règles Compétences Concepts CC : idées directrices pour déclencher les compétences méthodes Compétences Méthodes CM : connaissances sur les méthodes, heuristiques, paramètrages. Connaissances du Domaine Exemples : CC : Améliorer la performance du système : productivité, respects des délais,.. CM : Les méthodes de GP, les méthodes de motivation du personnel, etc..

21 N.Kabachi 21 Processus de Prise dEngagements (1) (contrôle) Perception Communication EnvironnementCommunauté d'agents Agent Connaissances : Processus d'engagement : flux de contrôle : flux de données : Connaissances : Fonctionnalités Contrôle

22 N.Kabachi 22 Perception Communication Accointances Croyances Engagements Rationalités (Rs, Re) Décisions Identification Raisonnement Conception Compétences Tâche à réaliser Actions possibles Intentions Contrôle Processus de Prise dEngagements (2)

23 N.Kabachi 23 Algorithme de Contrôle dun Agent (exemple) Boucle : Attente flots de données (perception, communication, raisonnement) Boucle : Sélection de lévénement à traiter, - Si (Communication) : - Validation « Accointances », - Si (Décision) :. Mise à jour « Module Cognitif »,. Activer le « Raisonnement » ( but : prendre une décision ),. Attente signal « Raisonnement »,. Activer la « Communication » ( création de décision ). - Si (Message) :. Traiter le type (requête, information, réponse) : - Si (Requête). Identifier le type de problème,. Activer le « Raisonnement » (but : répondre),. Attente signal « Raisonnement »,. Activer la « Communication » (réponse). - Si (Rationalités). Mise à jour « Module Cognitif », - Si (Information) Fin Boucle -... Fin Boucle

24 N.Kabachi 24 Communication (1) Ensemble des processus physiques et psychologiques par lesquels seffectue lopération de mise en relation dun émetteur avec un ou plusieurs récepteurs, dans lintention datteindre certains objectifs. Anzieu, 68, Searle, 69 et Cohen et Levesque, 90 La communication est un moyen ou une méthode de coopération ou dinteraction entre agents

25 N.Kabachi 25 Communication (2) Pourquoi communiquer ? les agents communiquent et interagissent pour synchroniser leurs actions et pour résoudre des conflits (de ressources, de buts ou dintérêts). pour saider mutuellement ou pour suppléer aux limites de leurs champs de perception. Quand et avec qui communiquer ? les agents communiquent lorsquils sont face à un problème quils ne savent pas résoudre (manque de compétences ou de ressources), lorsquil est nécessaire de coordonner leurs actions, lorsquil y a un conflit entre plusieurs agents.

26 N.Kabachi 26 Communication (3) Comment communiquer ? Deux procédures de communication pour véhiculer les messages (porteurs dinformations ou dactions) entre agents : 1. communication par partage dinformations 2. communication par envoi de messages

27 N.Kabachi 27 Communication (4) 1. communication par partage dinformations Mécanisme du Blackboard (Nii. 1986)... Agent Structure partagée.. Dispositif de Contrôle Agent

28 N.Kabachi communication par envoi de messages Communication (5) Agent Diffusion Communication avec accusé de réception Agent Communication sélective

29 N.Kabachi 29 Numéro Message : Agent Destinataire : Nature : Type : Etat : Contenu : Date : Chaque message a un numéro didentification. Agent Expéditeur : Nom de lagent expéditeur Nom de lagent destinataire Nature du message (décision, rationalité, requête, réponse, etc.). Type de message (urgent, prioritaire, normal) Etat du message (traité, non-traité). Corps du message. Date denvoi du message. Structure Générique dun Message Communication (6)

30 N.Kabachi 30 Processus d« Interprétation » - Scrutation de la boîte aux lettres (périodiquement, ou par signaux dactivation) - Classification en fonction du type de message, - Envoi signal à l« unité de contrôle ». Boucle : Attente signaux de contrôle * Processus de « Création » - Si (Décision). Lire la valeur des paramètre (prédéfinis),. Création dune décision pour le Centre dActivité, - Si (Réponse Requête). Création dun message réponse pour lagent demandeur, - Si (Requête)... * Processus d « Envoi » - Envoi du message ou de la décision créée au destinataire. Fin Boucle Algorithme de Communication Communication (7) - Exemple


Télécharger ppt "N.Kabachi 1 Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA)"

Présentations similaires


Annonces Google