Planification de missions multi-satellites par système multi-agent coopératif  Jonathan Bonnet a,b Marie-Pierre Gleizes a Elsy Kaddoum a Serge Rainjonneau.

Slides:



Advertisements
Présentations similaires
Vos salariés vont enfin savoir pourquoi les oiseaux chantent……. 2SKYDIVE CENTER SARL.
Advertisements

Comment Protéger les bases SQL avec System Center Data Protection Manager 2007.
CORP VG G G 1 P&WC PROPRIETARY DATA 1 Charles Litalien PWC - Bureau de la Technologie Charles Litalien Août 2002 Conception & Développement dune.
1 © CEA Tous droits réservés. Toute reproduction totale ou partielle sur quelque support que ce soit ou utilisation du contenu de ce document est.
Eric BONJOUR, Maryvonne DULMET
This document and the information contained herein is proprietary information of MBDA and shall not be disclosed or reproduced without the prior authorization.
Intellectual Property Rights are governed by PROTEUS Contract and PROTEUS consortium agreements. Before using, reproducing, modifying or disclosing the.
Entrée d'immobilisations par capitalisation directe
Gestion de la maintenance et des garanties (274)
1 Per Langer Executive Vice President, Heat Division, Fortum 1.
Gestion des reprises (en-cours de fabrication) SAP Best Practices.
Santé pubic Plan catastrophe Globalisation de léconomie Agenda vert Emissions Phénomène durbanisation Population viellissante Qualité de service Enjeux.
L&L Products – Organosheet
Calcul du coût de revient type et de simulation
Commerce extérieur – gestion des importations
Vincent Thomas Christine Bourjot Vincent Chevrier
Gestion simplifiée des emplacements de magasin
Budgétisation des produits
Ordre interne pour les coûts marketing et autres frais généraux
Planification de la logistique
CONFIDENTIAL – This document is the property of SPACE and cannot be communicated to anyone without any written authorization Synthèse diagnostic Society.
SM C Ce document est la propriété d’Aerospatiale Matra Missiles. Il ne peut être communiqué à des tiers et /ou reproduit sans l’autorisation préalable.
Gestion des commandes client pour les clients potentiels
Approvisionnement sans management de la qualité
Juillet 2009 BLLQA1 Le métier Inspecteur Qualité.
Fabrication répétitive SAP Best Practices. ©2013 SAP AG. All rights reserved.2 Objectifs, avantages et principales étapes de processus Objectif  La fabrication.
Maîtrise Informatique 2002/2003 Langages & Systèmes Objets TP : Agents Logiciels.
Livraison gratuite SAP Best Practices. ©2013 SAP AG. All rights reserved.2 Objectifs, avantages et principales étapes de processus Objectif  Ce scénario.
Structure d’entreprise Présentation générale
Plan trimestriel - Prévision de la quantité vendue à l’aide de CO-PA SAP Best Practices.
Clôture de période des projets
Projets internes SAP Best Practices. ©2013 SAP AG. All rights reserved.2 Objectifs, avantages et principales étapes de processus Objectif  Toutes les.
Comptabilité fournisseurs
Gestion des notes de crédit SAP Best Practices. ©2013 SAP AG. All rights reserved.2 Objectifs, avantages et principales étapes de processus Objectif 
Gestion des emballages consignés
Comptabilité clients SAP Best Practices.
Planification industrielle et commerciale via le transfert de la planification à long terme vers LIS/PIS/Capacité SAP Best Practices.
The sole responsibility for the content of this presentation lies with the Clean Fleets project. It does not necessarily reflect the opinion of the European.
Gestion des stocks : rebut et stock bloqué
Calcul des coûts standard SAP Best Practices. ©2013 SAP AG. All rights reserved.2 Objectifs, avantages et principales étapes de processus Objectif  Refléter.
Réparation en atelier simplifiée (275) SAP Best Practices.
Gestion avancée des retours clients (250)
Synthèse de structure d'entreprise SAP Best Practices.
Transfert de stock avec livraison
Gestion des lots SAP Best Practices. ©2013 SAP AG. All rights reserved.2 Objectifs, avantages et principales étapes de processus Objectif  Expliquer.
Entrée d'immobilisation par capitalisation directe
Contrat de service avec facturation périodique
Budgétisation du prix des articles achetés SAP Best Practices.
Planification de la logistique
Approvisionnement de ressources de tiers SAP Best Practices.
Contrat de service avec facturation périodique
Commande client avec facturation à prix fixe et facturation temps/article SAP Best Practices.
Gestion des flux de trésorerie
Service avec facturation temps/article SAP Best Practices.
Pré-budgétisation des centres de coûts de fabrication
Equipe Systèmes Multi-Agents Coopératifs -SMAC-
Gestion des déplacements professionnels SAP Best Practices.
Approvisionnement interne : transfert de stock inter-sociétés
Retour fournisseur SAP Best Practices.
Valorisation des stocks pour la clôture d'exercice
Fabrication à la commande avec configuration des produits à variantes
Livraison gratuite SAP Best Practices. ©2014 SAP SE or an SAP affiliate company. All rights reserved.2 Objectifs, avantages et principales étapes de processus.
Approvisionnement et consommation de stock en consignation
Reporting sectoriel SAP Best Practices. ©2013 SAP AG. All rights reserved.2 Objectifs, avantages et principales étapes de processus Objectif  Le reporting.
Phase d’étudeDéveloppement Marketing & Vente.
© 2014 Ipsos. All rights reserved. Contains Ipsos' Confidential and Proprietary information and may not be disclosed or reproduced without the prior written.
Créez des applications Silverlight 3 David Rousset Relations Techniques avec les développeurs Microsoft France
Étapes préalables du processus SAP Best Practices.
COPIL DE CLOTURE Phase Control Fournisseur: xxx Date : xx/yy/zz
Thermique des matériaux composites monolithiques
Transcription de la présentation:

Planification de missions multi-satellites par système multi-agent coopératif  Jonathan Bonnet a,b Marie-Pierre Gleizes a Elsy Kaddoum a Serge Rainjonneau b (a) Institut de Recherche en Informatique de Toulouse (b) Institut de Recherche Technologique Saint Exupéry, Toulouse jonathan.bonnet@irt-saintexupery.com

Plan Contexte Formalisation et Verrous Technologiques ATLAS : Adaptive saTellites pLanning for dynAmic earth obServation  L’approche par AMAS Le modèle AMAS4Opt Entités et Agents Coopératifs Composition des Agents Fonctionnement Expérimentations Générateur ChronoG Taux de Planification Equilibre de Charge Conclusion et Perspectives jonathan.bonnet@irt-saintexupery.com

Plan Contexte Formalisation et Verrous Technologiques ATLAS : Adaptive saTellites pLanning for dynAmic earth obServation  L’approche par AMAS Le modèle AMAS4Opt Entités et Agents Coopératifs Composition des Agents Fonctionnement Expérimentations Générateur ChronoG Taux de Planification Equilibre de Charge Conclusion et Perspectives jonathan.bonnet@irt-saintexupery.com

Contexte b a c Satellites défilants jonathan.bonnet@irt-saintexupery.com

Plan Formalisation et Verrous Technologiques Contexte Formalisation et Verrous Technologiques ATLAS : Adaptive saTellites pLanning for dynAmic earth obServation  L’approche par AMAS Le modèle AMAS4Opt Entités et Agents Coopératifs Composition des Agents Fonctionnement Expérimentations Générateur ChronoG Taux de Planification Equilibre de Charge Conclusion et Perspectives jonathan.bonnet@irt-saintexupery.com

Formalisation du Problème Constellation de satellites 𝑆𝑎𝑡={ 𝑠 1 , 𝑠 2 , …, 𝑠 𝑛 } ensemble potentiellement hétérogène de satellites d’observation Un ensemble de requêtes client 𝑅={ 𝑟 1 , 𝑟 2 , …, 𝑟 𝑚 } définies par : un type, une zone géographique, une plage de validité, une priorité, des contraintes … chaque requête 𝑟 𝑖 est découpée en un ensemble de maille 𝑀 𝑖 Des ensembles de contraintes dures 𝐶 𝑑 et souples 𝐶 𝑠 Un ensemble de mailles à acquérir 𝑀= 𝑀 1 , 𝑀 2 ,…, 𝑀 𝑘 Fournir un plan de mission qui : satisfait toutes les contraintes dures et un maximum de contraintes souples maximise le nombre de mailles planifiées Accès sur M1 a b PdV M1 jonathan.bonnet@irt-saintexupery.com

Verrous Technologiques Une complexité croissante grand nombre d’entités (satellites, requête, mailles) et de contraintes combinatoire importante (problème NP-Complet) Un domaine en pleine évolution accroissement du nombre de satellites, de requêtes, de réactivité, etc. tendance vers plus d’autonomie Un besoin d’adaptation en continue demandes urgentes, changements météo, ajout de contraintes utilisateurs, etc. Année Satellites d’observation 1978 1 2015 200 Année Requêtes déposées / jour 2015 1 000 2020 2 000+ Points Météo France 4/jour USA 20/jour Problème d’optimisation complexe, dynamique et nécessitant de l’adaptation: utilisation de l’approche par AMAS jonathan.bonnet@irt-saintexupery.com

Plan Contexte Formalisation et Verrous Technologiques ATLAS : Adaptive saTellites pLanning for dynAmic earth obServation  L’approche par AMAS Le modèle AMAS4Opt Entités et Agents Coopératifs Composition des Agents Fonctionnement Expérimentations Générateur ChronoG Taux de Planification Equilibre de Charge Conclusion et Perspectives jonathan.bonnet@irt-saintexupery.com

ATLAS Agents autonomes, coopératifs et adaptatifs objectifs locaux AMAS Agents autonomes, coopératifs et adaptatifs objectifs locaux interactions et décisions locales Résolution de situations non-coopératives (SNC) Auto-organisation Fonction émergente Pas de fonction globale Fonction émergente jonathan.bonnet@irt-saintexupery.com

ATLAS AMAS4Opt Le modèle AMAS4Opt (Kaddoum, 2011) fournit les patrons de conception de deux rôles d’agents coopératifs Les agents ayant des problèmes recherche de solutions Criticité (non-satisfaction) le rôle « contraint » Les agents ayant les solutions coopératifs aider le plus critique le rôle « service » Interactions Comportement agent Règles pour SNC jonathan.bonnet@irt-saintexupery.com

ATLAS Entités et Agents 3 types d’entités passives (ressources du système) : mémoire des satellites générateur et batterie module de calcul de trajectoire / attitude orbitales 3 types d’entités actives (capacité d’interaction, mais pas de but à satisfaire) : couverture nuageuse éphéméride solaire stations de déchargement Formalisation 3 types d’agents coopératifs (capacité d’interaction, de négociation et un but local à satisfaire) : agent satellite agent requête agent maille jonathan.bonnet@irt-saintexupery.com

ATLAS Agents 𝐶𝑚= 𝑃𝑟𝑖𝑜𝑟𝑖𝑡é;𝑁𝑜𝑚𝑏𝑟𝑒 𝐴𝑐𝑐è𝑠 𝑅𝑒𝑠𝑡𝑎𝑛𝑡𝑠 Agent Satellite Agent Maille Agent Requête Rôle « service » Objectif local : planifier des mailles Négociations : agents maille Interactions avec : module gestion de trajectoire générateur et batterie mémoire éphémérides solaires Rôle « contraint » Objectif local : être planifié Négociations : agents satellite agents requête Interactions avec : couverture nuageuse éphémérides solaires Criticité 𝑪𝒎 Rôle « contraint » Objectif local : avoir ses mailles planifiées Négociations : agents maille Criticité 𝑪r 𝐶𝑚= 𝑃𝑟𝑖𝑜𝑟𝑖𝑡é;𝑁𝑜𝑚𝑏𝑟𝑒 𝐴𝑐𝑐è𝑠 𝑅𝑒𝑠𝑡𝑎𝑛𝑡𝑠 𝐶𝑟={𝐽𝑜𝑢𝑟𝑠 𝑑𝑒 𝑉𝑎𝑙𝑖𝑑𝑖𝑡é 𝑅𝑒𝑠𝑡𝑎𝑛𝑡𝑠} jonathan.bonnet@irt-saintexupery.com

ATLAS Fonctionnement Accès demandé Criticité Cycle 1 : Les agents « maille » (AM1, AM2 et AM3) émettent aux agents « satellite » (AS1 et AS2) une requête de planification pour tous leurs accès. AM2 est très urgent : Cr2 > Cr3. AM1 Couverture ? (a1, Cr1) AS1 Cr1 Couverture ? (a2, Cr1) AM2 Cr2 AS2 Couverture ? (a3, Cr2) AM3 Couverture ? (a3, Cr3) Cr3 jonathan.bonnet@irt-saintexupery.com

ATLAS Fonctionnement Cycle 2 : Les agents « satellite » informent les agents « maille » de leur état en renvoyant une mesure de coût. AM1 AS1 Estimation (coût : {0;1}) Cr1 Estimation (coût : {0;3}) AM2 Cr2 AS2 Estimation (coût : {0;3}) Apport du coût pour guider le choix 𝐶𝑠={𝑀é𝑚𝑜𝑖𝑟𝑒;𝑁𝑜𝑚𝑏𝑟𝑒 𝑀𝑒𝑠𝑠𝑎𝑔𝑒𝑠 𝑅𝑒ç𝑢𝑠} AM3 Estimation (coût : {0;3}) Cr3 jonathan.bonnet@irt-saintexupery.com

ATLAS Fonctionnement Cycle 3 : Les agents « maille » utilisent la mesure du coût pour choisir de manière coopérative l’agent satellite le plus adéquat, et demandent confirmation. AM1 AS1 Confirmation ? (a1, Cr1) Cr1 AM2 Confirmation ? (a3, Cr2) Cr2 AS2 AM3 Confirmation ? (a3, Cr3) Cr3 jonathan.bonnet@irt-saintexupery.com

ATLAS Fonctionnement Cycle 4 : Les agents « satellite » confirment la planification des agents « maille ». AS2 règle le conflit entre AM2 et AM3 en comparant les criticités : Cr2 > Cr3. AM1 AS1 Planification OK AM2 Planification OK AS2 Criticité et coût = moteurs de la coopération ! Planification KO AM3 Cr3 jonathan.bonnet@irt-saintexupery.com

Plan Expérimentations Formalisation et Verrous Technologiques Contexte Formalisation et Verrous Technologiques ATLAS : Adaptive saTellites pLanning for dynAmic earth obServation  L’approche par AMAS Le modèle AMAS4Opt Entités et Agents Coopératifs Composition des Agents Fonctionnement Expérimentations Générateur ChronoG Taux de Planification Equilibre de Charge Conclusion et Perspectives jonathan.bonnet@irt-saintexupery.com

Expérimentation ATLAS ChronoG Générateur A partir d’une liste de mailles dont on connait une solution plan complet Pour toutes ces mailles : ajout d’accès supplémentaires vers différents satellites à différentes périodes Possibilité de faire varier le nombre de satellites / degré de complexité de très nombreux plans possibles maille complexité élevée plan complet pour 3 satellites Mailles à acquérir + Accès associés ATLAS ChronoG jonathan.bonnet@irt-saintexupery.com

Expérimentation ChronoG Développement d’un planificateur Glouton Chronologique (référence dans la planification spatiale) ChronoG traitement chronologique des mailles utilisation d’une heuristique A Maille Accès restants M1 2 M2 5 M3 3 M1 3 mailles possibles à t : cas nécessitant l’appel à l’heuristique B M2 C M3 Planifié Libre t jonathan.bonnet@irt-saintexupery.com

Expérimentation Taux de Planification Meilleur taux de planification Nombre satellites Nombre mailles Moyenne accès/maille 2 173 2,7 3 263 2,9 4 341 3,05 5 424 3,6 6 514 4,2 7 580 4,6 8 677 5,5 9 777 6,6 10 861 Meilleur taux de planification Passage à l’échelle sur des constellations de plus en plus complexe Test sur 10 000 mailles pour 10 satellites : Atlas 90% et ChronoG 69% jonathan.bonnet@irt-saintexupery.com

Expérimentation Constellation de deux satellites ayant la même orbite Equilibre de Charge Constellation de deux satellites ayant la même orbite 26 requêtes qui sont accessibles par les deux satellites en un passage Sat A Sat B Non planifiée Sat A Sat B Non planifiée Cas d’étude 1 : ChronoG 76% des requêtes sont planifiées équilibrage : 55% / 45% plan irrégulier Cas d’étude 2 : ATLAS 88% des requêtes sont planifiées meilleur équilibrage : 48% / 52% jonathan.bonnet@irt-saintexupery.com 18

Plan Conclusion et Perspectives Contexte Formalisation et Verrous Technologiques ATLAS : Adaptive saTellites pLanning for dynAmic earth obServation  L’approche par AMAS Le modèle AMAS4Opt Entités et Agents Coopératifs Composition des Agents Fonctionnement Expérimentations Générateur ChronoG Taux de Planification Equilibre de Charge Conclusion et Perspectives jonathan.bonnet@irt-saintexupery.com

Conclusion et Perspectives Adéquation de l’approche AMAS et du modèle AMAS4Opt résultats encourageants en comparaison de ChronoG amélioration du modèle AMAS4Opt (notion de coût) Prise en compte de la constellation dans son ensemble coopération équilibre et efficacité Une coopération complète pour planifier le maximum de demandes comportement des agents requêtes Ajout de la dynamique ajout de requêtes et réorganisation automatique du plan Tests et comparaisons avec des systèmes opérationnels cas d’étude : Spot 6, 7 et Pléiades 1A, 1B jonathan.bonnet@irt-saintexupery.com

Merci de votre attention jonathan.bonnet@irt-saintexupery.com