pascal.estraillier @ univ-lr.fr Interactions - Systèmes Multi - Agents Master IMA - 1 Environnement D’après Boissier, Demazeau, Drogoul, Ferber, Quinqueton, Sayettat, ….. pascal.estraillier @ univ-lr.fr Département Informatique - Laboratoire L3i Université de La Rochelle

Systèmes Multi - Agents Dans une organisation, les agents devront interagir pour coopérer (contrôle) Collaborer (allocation de tâches) Négocier (résolution de conflits) se coordonner (synchronisation) Un SMA peut-être : Ouvert / Fermé : les agents y entrent et en sortent librement /l'ensemble d'agents reste le même Homogène / Hétérogène : tous les agents sont issus du même modèle / des agents de modèles différents, de granularités différentes (ex: un éco-système) Mixte (ou non) : les agents « humains » sont partie intégrante du système

Vision locale et décentralisée La conception d'un système multi-agent impose une vision locale et décentralisée. locale : chaque agent devient responsable de ses connaissances (encapsulation) et de ses actions(autonomie), mais également de l'organisation qu'il met en place avec d'autres agents. Aucun agent n'a de vue globale du SMA tout entier. décentralisée : on s'efforce d’éliminer tout contrôle central. Les tâches à réaliser et les compétences pour le faire sont distribuées sur les agents. Permet une grande modularité

Méthodologie

Architecture d’un agent

Environnement ‘‘Espace’’ commun aux agents du système doté d'un ensemble d’objets pouvant être : situés (à tout moment il est possible de déterminer la position d’un objet), passifs (ces objets peuvent être perçus, détruits, modifiés par les agents) ou actifs. Environnement d’un agent : environnement du SMA + les autres agents appartenant au système. Exemple un médium d'interaction : signaux, traces, ... avec des lois physiques ou non, un lieu où des actions individuelles ou collectives sont réalisées, où des réactions sont perçues, un espace de déplacement : grilles, positions des agents, … un moyen de structuration des agents : relations de proximité, définition de topologies spatiale, temporelle, … une source de données pour le système, un lieu où des ressources sont disponibles, ...

ses caractéristiques doivent donc être clairement définies … L’environnement joue un rôle important dans le comportement d’un agent : mémoire dans laquelle différentes traces sont laissées, source de rétroaction envers l’agent, … une distinction nette doit être faite entre ce qui est du ressort du comportement de l’agent et ce qui est du ressort de l’environnement. ses caractéristiques doivent donc être clairement définies …

Propriétés de l’environnement Accessible/Inaccessible. Si les capteurs d ’un agent lui donnent accès à l ’état complet de l’environnement suffisant pour choisir une action, l ’environnement est accessible à l ’agent (inutile de conserver les changements de l ’environnement). Déterministe/Non déterministe. L ’environnement est déterministe pour un agent si le prochain état de l’environnement est déterminé par l ’état courant et par l ’action de l ’agent. Episodique/Non épisodique. Un environnement épisodique signifie que les prochaines évolutions ne dépendent pas des actions déjà réalisées. Statique/Dynamique. Un environnement qui ne change pas pendant que l ’agent réfléchit est statique. Discret/Continu. Si le nombre de percepts distincts et d ’actions est limité, l’environnement est discret. Centralisé/Distribué Environnement centralisé : tous les agents ont accès à la même structure; Environnement distribué : assemblage de cellules disposées en réseau ; chaque cellule gère les influences des agents qui sont localisés sur cette cellule.

Résolution, Simulation et Intégration En résolution de problème les agents évoluent par rapport à l’environnement, sauf dans le cas où le problème consiste à organiser les objets dans l’environnement. la donnée du problème le contexte dans lequel s’actualisent des règles codées dans les Agents, les Interactions et les Organisations. L’environnement du SMA peut être Découplé des agents : il ne subit aucune modification par les agents, bien qu’il puisse être dynamique Couplé avec les agents : réactions aux actions de ceux-ci En simulation, l’environnement d’un SMA est constitué d’un ensemble d’objets actifs et passifs que l’agent peut manipuler Dans cadre de l’intégration et des systèmes collaboratifs, l’environnement d’un SMA est constitué des informations non contrôlées par le système les agents n’ont pas d’action sur l’environnement, sauf par des canaux externes au modèle SMA via leur utilisateur.

Actions Une action est mise en oeuvre par un ensemble d’effecteurs. Dans le cas de la simulation, un effecteur reçoit une commande de l’agent et en fonction de cette commande, de la situation de l’agent, de l’état de l’environnement, une action pourra être réalisée. Une action peut être définie : par les mécanismes impliquant une modification de l’environnement physique, ou comme la modification de l’environnement physique résultant de son application (action) et de la réaction de l’environnement (co-action). Les co-actions sont gérées par l’environnement.

Modélisation de l’action Transformation d ’un état global (fortement utilisé en IA en planification) Réponse à des influences [Ferber 95] Processus informatique (ensemble d’événements produits et consommés par des processus informatiques) Modification locale propagée le long d’un réseau d’automates Déplacement physique Commande

Perception Mise en oeuvre par un ensemble de capteurs. Dans le cas de la simulation, un capteur est une interface entre l’environnement et l’agent. Dans le cas de la résolution de problèmes, la perception est un mécanisme de sélection d’un point de vue sur le problème. Dans le cas d’intégration et de systèmes collaboratifs, la perception est une interprétation des informations externes.

Agent Une entité réelle ou virtuelle, • capable d’agir dans un environnement, Mais avec une capacité de perception limitée de son environnement, qui ne dispose donc que d’une représentation partielle de cet environnement (et éventuellement aucune), • peut communiquer directement avec d’autres agents, • vise à atteindre un ensemble d’objectifs individuels ou une fonction de satisfaction, voire de survie, qu’elle cherche � optimiser, • qui possède des ressources propres, • qui posséde des compétences et offre des services, qui exhibe un comportement autonome, Autonomie : conséquence de ses connaissances, de ses interactions avec d'autres agents et des buts qu'il poursuit. capable d’agir de manière flexible dans un environnement Flexibilité : réactivité, pro-activité, capacités sociales

Vision locale et décentralisée La conception d'un système multi-agent impose une vision locale et décentralisée. locale : chaque agent devient responsable de ses connaissances (encapsulation) et de ses actions(autonomie), mais également de l'organisation qu'il met en place avec d'autres agents. Aucun agent n'a de vue globale du SMA tout entier. décentralisée : on s'efforce d’éliminer tout contrôle central. Les tâches à réaliser et les compétences pour le faire sont distribuées sur les agents. Permet une grande modularité

Agents situés vs communicants • 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 Société de Fourmis –La résolution du problème s'inscrit dans l'environnement physique et dans l'organisation physique trouvée par les agents 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 Réseau de décideurs –la résolution du problème s'inscrit dans une structure conceptuelle et dans les modes de coopération entre agents

Agents réactifs •Agent réactif: –pas de représentation explicite de l'environnement –pas de mémoire de son histoire, ni de but explicite –comportement de type stimulus réponse – communication via l’environnement –mode "biologique "d'organisation : auto-organisation –grand nombre d'agents (>100), homogènes à grain fin – validation expérimentale La structure du système émerge des comportements et non d'une volonté d'organisation

Agents cognitifs Agent cognitif: – représentation explicite de l'environnement et des autres agents – peut tenir compte de son passé et dispose d'un but explicite connaissances (beliefs) buts (intentions) tâches plans Engagements – autres agents compétences intentions – mode "social" d'organisation (planification, engagement)-organisation explicite allocation et dépendances tâches partage des ressources protocoles de coordination/négociation – petit nombre d'agents (10/20), hétérogènes à gros grain Les relations entre agents s'établissent en fonction des collaborations nécessaires à la résolution du problème – architectures complexes, souvent modèle logique (ex : BDI, Agent0) – communication explicite, point à point, élaborée (ex : KQML) – certaines validations formelles possibles