Interactions - Systèmes Multi - Agents Master IMA - 1 Environnement

Slides:



Advertisements
Présentations similaires
Management 1er cours Définitions Catégories Compétences Rôles Étapes
Advertisements

22 mai 2007 Clauvice Kenfack – Équipe MODEME
en sciences physiques et chimiques
Karima Boudaoud, Charles McCathieNevile
La didactique professionnelle
Illustrations / Émergence 1 ÉMERGENCE des 3 GRANDS TYPES dORGANISATION TANT quil y a des PARTIES… Un NOUVEAU « BORD » QUALITÉS ÉMERGENTES du TOUT Le TOUT.
IREMIA : Institut de REcherche en Mathématiques et Informatique Appliquées Université de la Réunion Uniformisation des mécanismes de conception de SMA.
Réflexivité et réseaux d’ information
Le"cartable électronique"®
Vers une approche multi- environnements pour les agents Jean-Christophe Soulié Equipe MAS 2 – IREMIA – Université de La Réunion.
Les Systèmes Multi Agents
Eric BONJOUR, Maryvonne DULMET
jeux à réalité augmentée, exemple de pacMan
Un cadre commun de la cinquième à bac+2…
La décennie qui vient de sécouler a en effet été fortement marquée par « lirrésistible ascension » de la notion de compétences dans le champ de léducation.
Séminaire BANQUE21 Novembre 2007La didactique professionnelle au service de lévaluation des compétences La didactique professionnelle au service de lévaluation.
univ-lr.fr
Interactions - Systèmes Multi - Agents Master IMA - 1 Introduction
univ-lr.fr
Présentation à l'intention de : VIDE DATE
1- Accueil et introduction Cours MGP Accueil et introduction Gilles Corriveau Maîtrise en Gestion de Projet UQTR Automne 1998.
Bases de l’Intelligence Artificielle Distribuée
Principes de la technologie orientée objets
Vuibert Systèmes dinformation et management des organisations 6 e édition R. Reix – B. Fallery – M. Kalika – F. Rowe Chapitre 1 : La notion de système.
Les Systèmes Multi-Agents pour la Gestion de Production
Agents de la socialisation
BIAD Bases de l’Intelligence Artificielle Distribuée
Aide à la décision et à la négociation dans un problème de gestion de production distribuée Jean-Pierre Camalot et Patrick Esquirol LAAS-CNRS 7, avenue.
Réalisée par :Samira RAHALI
Maths, Fourmis, Informatique et Petits Chevaux - 1
Exploitation du modèle holonique dans un cadre combinant IAD et IHM
Introduction à la conception de Bases de Données Relationnelles
Apprentissage individuel / apprentissage collectif
Comment la notion d'expérience utilisateur peut-elle contribuer à une meilleure utilisation professionnelle des medias sociaux ? Catherine Bellino.
Le Travail Collaboratif ...
Discussion sur la plate-forme MIMOSA Jean-Pierre Müller, CIRAD-TERA Équipe "Dynamique et usage des ressources et modélisation des systèmes complexes"
Diagnostic des Systèmes à Evénements Discrets
SCIENCES DE L ’INGENIEUR
Amaury Daele FUNDP – Namur - Journée "NetMeeting"
Vincent Thomas Christine Bourjot Vincent Chevrier
La gestion par activités (ABM)
L’autonomie «Capacité et droit d'une personne à choisir elle-même les règles de sa conduite, l'orientation de ses actes et les risques qu'elle est prête.
Alain Noël M.B.A., Ph.D., F.Adm.A. bureau 3.278a, , A. Noël Ph.D.MBA HEC, simulation Netstrat, séance 3 1 Gérer une entreprise.
© Alain Noël, Ph.D., F.Adm.A. 1 Le concept de stratégie par Alain Noël, M.B.A.,Ph.D., F.Adm.A.
SEMINAIRE DE CONTACT novembre 2008 Outils de gestion de projet.
Systèmes d’informations : Définition, Composantes, Rôles et Approches.
Laboratoire d’Informatique Industrielle
L'I.E., un outil pour révéler la stratégie des PME Maryse SALLES – Université Toulouse I Lille 14 Octobre 2004.
1 Architecture orientée service SOA Architecture orientée service SOA (Service Oriented Architecture)
Maîtrise Informatique 2002/2003 Langages & Systèmes Objets TP : Agents Logiciels.
ETHIQUE ET TIC Préparé et présenté par : M. Rami KHALID
HOPITAL PUBLIC - INTERMEDICA 2002
François CARCENAC,Frédéric BONIOL ONERA-DTIM Zoubir MAMMERI IRIT
Principes directeurs de l'AEG Présentation sommaire.
Séance 9 La dynamique interne de l ’entreprise
Distributed Planning Distributed Problem Solving, motivations, strategies. Distributed Planning : Centralized planning for distributed plans. Distributed.
Notifications et Communication réseau D. BELLEBIA – 18/12/2007NSY208 CNAM.
Application à la viabilité des systèmes irrigués à Podor de la modélisation à la restitution aux paysans Olivier Barreteau.
Le marketing : comprendre le client
Comment élaborer une politique documentaire ?
IHM Modèle d’architecture et liens avec les outils de production d’interface IHM Dirrigé par : Catherine RECANATI Présenté par : Youssef OUDGHIRI YOUSFI.
Introduction à la Programmation Orientée Objet
INTRODUCTION AUX BASES DE DONNEES
Les Agents Cognitifs VS Les Agents Rréactifs
Chapitre 7 LES FONDEMENTS DE L’ORGANISATION
IFT 703 Informatique cognitive ACT-R Modèle symbolique et perceptuel
IS / IM Atelier réalisé par Caroline Goulet. Intégration sociale et intelligences multiples Orientations du programme Exemple SA / les intelligences multiples.
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,
Les SMA: principes, origines, modalit é s de fonctionnement Jean-Pierre Müller (CIRAD-ES-GREEN/LIRMM)
Séminaire BTS AM19 décembre 2007Principes de Didactique Professionnelle « Une des questions les plus essentielles qui se posent à la formation professionnelle.
Transcription de la présentation:

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