Les SMA: principes, origines, modalit é s de fonctionnement Jean-Pierre Müller (CIRAD-ES-GREEN/LIRMM)

Slides:



Advertisements
Présentations similaires
22 mai 2007 Clauvice Kenfack – Équipe MODEME
Advertisements

Karima Boudaoud, Charles McCathieNevile
La didactique professionnelle
Eléments de Génie Logiciel
IREMIA : Institut de REcherche en Mathématiques et Informatique Appliquées Université de la Réunion Uniformisation des mécanismes de conception de SMA.
Treuil IRD Abdelwahed FSSM-Marrakech
La plate-forme MOCA: conception de SMA organisationnel à structure dynamique M. Amiguet, J. Baez, A. Nagy IIUN, Neuchâtel, Suisse J.-P. Müller CIRAD, Montpellier,
Démarches de modélisation
Les Systèmes Multi Agents
Sociologie de l’action sociale contre la sociologie du fait social
Lintelligence Ben Souda Abdelhafidh. Caractéristiques des systèmes collectifs Information locale et limitée : Chaque individu ne possède qu'une connaissance.
UML - Présentation.
Eric BONJOUR, Maryvonne DULMET
La dynamique dans les modèles, méthodes et outils pour les systèmes daide à la décision : Cadre du processus dintelligence économique Amos DAVID Septembre.
Interactions - Systèmes Multi - Agents Master IMA - 1 Environnement
univ-lr.fr
Interactions - Systèmes Multi - Agents Master IMA - 1 Introduction
univ-lr.fr
NetBioDyn Et la modélisation multiagents
Discussion sur la plate-forme CORMAS/BIOSMART II
Bases de l’Intelligence Artificielle Distribuée
Vuibert Systèmes dinformation et management des organisations 6 e édition R. Reix – B. Fallery – M. Kalika – F. Rowe Chapitre 1 : La notion de système.
introduction à la sociologie cours 4
Les Systèmes Multi-Agents pour la Gestion de Production
Simulation multi-agent de phénomènes collectifs : quelques questions d’ordre épistémologique Frédéric AMBLARD Institut de Recherche en Informatique de.
Frédéric Amblard, Guillaume Deffuant – Cemagref LISC 22 Octobre 2002 – Table ronde Simulation AFH Nantes SimExplorer: un outil logiciel daide à lexploration.
I.A. Session 2009/2010 E.P.S.I. Bordeaux – C.S.I.I – 3 ème Année – Cours n°2.
Réalisée par :Samira RAHALI
Maths, Fourmis, Informatique et Petits Chevaux - 1
Exploitation du modèle holonique dans un cadre combinant IAD et IHM
ANALYSE DE LA REPONSE FONCTIONNELLE EN PRESENCE D’AGREGATION
Réalisation dune action théâtrale adressée à un jeune public dans un cadre communautaire: une approche holistique.
Vincent Thomas Christine Bourjot Vincent Chevrier
GT Modèles Formels pour l'Interaction
ADAMOS Une plate-forme pour concevoir et évaluer des services proactifs Système proactif ? qui évolue en fonction des paramètres de lenvironnement physique.
Paradigme Constructivisme social
Systèmes d’informations : Définition, Composantes, Rôles et Approches.
Les objets intelligents pour le multimédia : Smart Objects
Sensibilisation a la modelisation
Patrons de conceptions de créations
Maîtrise Informatique 2002/2003 Langages & Systèmes Objets TP : Agents Logiciels.
LE PROCESSUS DE PRISE DE DECISION DANS UN GROUPE
Interface Homme-machine (interaction humain-machine)
Le contenu est basé aux transparents du 7 ème édition de «Software Engineering» de Ian Sommerville«Software Engineering» de Ian Sommerville B.Shishedjiev.
1 Registration Physique Séminaire du Master Davide Bazzi Université de Fribourg
CSI 4506: Introduction à l’Intelligence Artificielle
Initiation à la conception des systèmes d'informations
Introduction et Généralités sur l’Algorithmique
ISNET-43 Atelier de génie logiciel Approche fonctionnelle ou objets Concurrence ou complémentarité ? Synthèse.
Application à la viabilité des systèmes irrigués à Podor de la modélisation à la restitution aux paysans Olivier Barreteau.
Plan de la présentation
( ) Collège de Maisonneuve
Le marketing : comprendre le client
GPA-779 Application des systèmes experts et des réseaux de neurones.
IHM Modèle d’architecture et liens avec les outils de production d’interface IHM Dirrigé par : Catherine RECANATI Présenté par : Youssef OUDGHIRI YOUSFI.
Simulations par agents situés en biologie
LES LOGIQUES D’ACTIONS INDIVIDUELLES
Les programmes de cycles supérieurs en gestion de projets d’ingénierie
IRIT – mai 2009 AXE SCIENTIFIQUE « Systèmes Socio techniques Ambiants » Coordinateurs: MP Gleizes JL Soubie.
Equipe Systèmes Multi-Agents Coopératifs -SMAC-
LES AGENTS INTELLIGENTS
Modélisation des Actions Mécaniques Première sti2d
1 La Coordination dans les Systèmes d’Information Orientés Agents (SIOA) Participants IRIT-UT1 : E.Andonoff, L. Bouzguenda,J. Cardoso, C. Hanachi, C. Sibertin-Blanc,
Séminaire BTS AM19 décembre 2007Principes de Didactique Professionnelle « Une des questions les plus essentielles qui se posent à la formation professionnelle.
GROUPE RESSOURCES DE TECHNOLOGIE Technologie Cycle 4 Niveau Quatrième
HSS1501A Cours Déterminants comportementaux Les différents modèles en santé des populations.
CONCEPTS FONDAMENTAUX Concepts liés au développement humain
L’objet de la science économique Science économique: étude des phénomènes sociaux observables spécifiquement économique : - production, - consommation,
Transcription de la présentation:

Les SMA: principes, origines, modalit é s de fonctionnement Jean-Pierre Müller (CIRAD-ES-GREEN/LIRMM)

Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

Mèze/SMA Les systèmes multi-agents Les systèmes Multi-agents L’informatique Les systèmes complexes L’intelligence artificielle

Mèze/SMA SMA : Liens avec d’autres domaines de recherche

Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

Mèze/SMA La programmation orientée agent  De la programmation classique aux SMA: Programmation classique: –Structures de données + algorithmes Programmation orientée-objet –Association des services aux données Programmation orientée-agents –Association des responsabilités/objectifs aux données

Mèze/SMA Les agents en informatique Objets Processus Agents CommentQuandPourquoi X X XXX X

Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

Mèze/SMA SMA et systèmes complexes  Les SMA s’intéressent aux systèmes complexes où des entités artificielles et/ou naturelles interagissent pour produire des comportements collectifs.

Mèze/SMA Définition des systèmes complexes  Définition: Système complexe: ensemble d’éléments en interactions entre eux et avec l’extérieur : –Distinction entre l’ensemble (le système) et le reste (l’environnement/l’extérieur): dépendance à la question ; –Prédominance des interactions : plus que la somme des parties.  Autres caractéristiques: Descriptions à des niveaux multiples (a minima: élément/système) Formation de structures Émergence

Mèze/SMA Approches des systèmes complexes  Approches : Analytique : élément par élément (économie néo-classique, parcelle, individu, etc.) ; Holistique ou systémique : comportement global du système (macro-économie, modèles à compartiments, modèles statistiques) ; Constructiviste : articulation entre les comportements individuels des éléments (local) et le comportement global du système (global).

Mèze/SMA Système complexe: exemple  Exemple: reproduction des poissons Analytique: –Comportement d’un poisson Holistique: –Modèle de Schaeffer Constructiviste : –Comportement de reproduction => évolution de la population –Reproduction avec son voisin => spatialisation du modèle

Mèze/SMA Système complexe : exemple  Exemple: écoulement des fluides Analytique: –Comportement d’une molécule d’eau Holistique: –Équations de Navier-Stockes Constructiviste: –Interaction entre des « gouttes » d’eau ou des vortex => structures des flux

Mèze/SMA Exemple : hydrologie Identification de structures à partir de comportements locaux LIP6/IRD: D.Servat

Mèze/SMA Pourquoi l’approche constructiviste ?  On connaît les comportements individuels et on veut construire le comportement global: Ingénierie sociale, aide à la négociation, simulation  On connaît le comportement global et on cherche une explication à partir des comportements locaux: Articulation local-global, aide à la décision  Intelligibilité: Description intuitive en termes d’objets et d’acteurs plutôt que de variables et d’équations  Défi de la complexité: comportements loin de l’équilibre  Pertinence pour les écosystèmes et les sociosystèmes

Mèze/SMA Réalité, modèle et validation Temps réel Trajectoire de B X t Mesure/Observation X=f(t)Modèle A: X t Calcul/Simulation Validation

Mèze/SMA L’approche constructiviste (1) Temps réel Trajectoire de B X t Mesure/Observation Modèle A: Calcul/Simulation Validation Composant Relation/interaction Trajectoire de A X t Mesure/Observation Temps machine Le modèle expérimentable Le modèle comme laboratoire virtuel

Mèze/SMA L’approche constructiviste (2) Modèle A: Calcul/Simulation Interaction Micro/macro Composant Relation/interaction Trajectoire de A X t Mesure/Observation Temps machine X=f(t)Modèle A’: X t Calcul/Simulation

Mèze/SMA L’approche constructiviste (2) Modèle A: Calcul/Simulation Interaction Micro/macro Composant Relation/interaction Trajectoire de A X t Mesure/Observation Temps machine X=f(t)Modèle A’: X t Calcul/Simulation

Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

Mèze/SMA Les sciences de l’artificiel Biologie PsychologieSociologie Comprendre l’humain Vie artificielle Intelligence artificielle Systèmes multi-agents Connexionisme Ethologie Individualismemethodologique

Mèze/SMA Intelligence artificielle et SMA L’expert En intelligence artificielle standard, le modèle de base est l’intelligence individuelle : Systèmes experts. Test de Turing : Métaphore du penseur (désincarné) : « une machine peut-elle penser ? » « une machine peut-elle être conscience d’elle-même ? » Au lieu de la considérer uniquement les facultés cognitives d'un individu, l ’IAD postule que l ’intelligence "émerge" des interactions que les agents entretiennent entre eux et avec l'environnement. La communauté La notion d’intelligence collective est née dans les années 60, de l’application à la robotique, des analyses des éthologues sur le comportement des sociétés d’insectes.

Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle SMA Agent-centrés SMA Organisation-centrés  Quelques applications  Conclusion

Mèze/SMA Agent Une entité physique ou virtuelle En interaction avec l’environnement: –Capable de percevoir (partiellement); –Capable d’agir dans son environnement; En interaction avec d’autres agents: –Capable de communiquer (social); –Offrir et demander des services; Avec des objectifs spécifique; Capable de se reproduire.

Mèze/SMA Boucle sensori-motrice

Mèze/SMA Architecture BDI  Beliefs - Desires - Intentions Désirs Plans possibles Perception CroyancesIntentions Exécution Capacités de raisonnement Buts Capacité de décision Motivations

Mèze/SMA Système multi-agent  Un ensemble d’agents agissants et communicants Perception, communication, production, consommation, et transformation des objets  Un environnement Réaction de l’environnement Des objets passifs  Une organisation ou mode de coordination Un ensemble de relations  Un point de vue de l’observateur.

Mèze/SMA Représentations But:B Objectif Communications Environnement Actions Perceptions Objets de l'environnement [Ferber]

Mèze/SMA Le rôle de l’environnement  Au niveau micro Les ressources des entités Un médium d’interaction La coordination des interactions à différentes échelles de temps (taux de dissipation) Contraintes sur la dynamique des agents  Au niveau macro Les ressources du phénomène émergent Une mémoire collective Un médium d’inscription global Le contrôle du niveau micro ou macro

Mèze/SMA Systèmes Multi-Agent èUn agent a un comportement collectif, conséquence de ses perceptions, représentations et interactions avec l’environnement et d’autres agents [Ferber].

Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle SMA Agent-centrés SMA Organisation-centrés  Quelques applications  Conclusion

Mèze/SMA Simulation d’organisations (Benoit Durand)  Idée: un individu joue de multiples rôles selon les groupes sociaux dans lesquels il est impliqué  Analogie: un agent peut être défini par l’ensemble des rôles qu’il peut jouer  Conséquence: les rôles et leurs relations sont décrit d’abord: niveau social ces rôles sont ensuite distribués sur les agents: niveau multi-agent ces rôles sont exécutés: niveau simulation

Mèze/SMA Simulation d’organisations (AGR: Ferber/Gutknecht)  Niveau social: Structure de groupes  Niveau système multi-agent: AGR: Agent-Groupe-Rôle –Agent: n’importe quelle entité communicante –Groupe: un ensemble d’agents –Rôle: position d’un agent dans un groupe  Niveau simulation: Le synchronous engine

Mèze/SMA Niveau organisationnel  Organisation: comportement collectif récurrent Cf. structure et organisation chez Maturana  Rôle: comportement individuel récurrent dans une organisation Une organisation comme un ensemble de rôles complémentaires  Intérêt pour le génie logiciel Les organisations comme descriptions réutilisables dans la conception de SMA Méthodologie AGR

Mèze/SMA Groupes d’une conférence Groupes d’évaluation Président Membres du CP Receveur Auteur Evaluateur Responsable d’évaluation Groupe de soumission Comité de programme

Mèze/SMA Les organisations Président membre Receveur Auteur Evaluateur Reçoit les compétences Distribue les papiers Négocie les évaluations Distribue les papiers and reçoit les évaluations Soumission des papiers Organisation Comité de programme Notification d’acceptation Responsable d’évaluation Organisation soumission Organisation évaluation

Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

Mèze/SMA Des robots aux programmes: exemples  Les robots pour: L’exploration de Mars La coupe du monde La production industriel  Des logicielles pour : La simulation basée individu La résolution de problèmes  Les programmes pour: Explorer le web (sofbots) Assistants

Mèze/SMA Exemple: Eco-resolution  Agents réactifs  Communication : avec les voisins  Protocole : essayer d’atteindre un lieu, attaquer et fuir

Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

Mèze/SMA Conclusion  Les systèmes multi-agents: Un nouveau paradigme en informatique Une nouvelle approche (constructiviste) de modélisation des systèmes complexes Prise en compte de multiples représentations des individus et des modélisateurs Laboratoires virtuels