Interactions - Systèmes Multi - Agents

2. Interactions - Systèmes Multi - Agents Master IMA - 1 pascal.estraillier @ univ-lr.fr Département Informatique - Laboratoire L3i Université de La Rochelle

3. Interactions - Systèmes Multi - Agents Master IMA Master IMA Introduction D’après Boissier, Demazeau, Drogoul, Ferber, Quinqueton, Sayettat, …..

4. Objectifs du cours (et plus …) • Connaître les différentes organisations des SMA • Agents adaptatifs et évolutifs (animats), agents situés (robots et objets communicants). • Expérimenter quelques mises en oeuvre • Simulation multi-agent de phénomènes complexes, et principes et outils logiciels • Utiliser les architectures à base de composants • Pour la construction d'agents (méta-modélisation, composants et protocoles d’interaction). • Appliquer le savoir-faire dans des contextes applicatifs • Les jeux et Média interactifs, les systèmes logiciels, les systèmes de visualisation, la simulation, les systèmes coopératifs, les télécommunications, ou encore les transports.

5. Programme • Principes des agents logiciels et des SMA ; • Types d’organisation des SMA ; • Génie logiciel et le développement des SMA ; • Modélisation des actions et des comportements des agents • Plate-formes • Interactions et Communication entre les agents ; • Types d’interaction et les méthodes de coopération entre agents ; • Collaboration, les négociations et la répartition des tâches dans les SMA ; • Coordination des actions dans les SMA ; • Domaines d’application des SMA.

6. Références • Principes et architectures des systèmes multiagents Briot et Demazeau (eds). Hermès, 2001. • An Introduction to Multi-agent Systems par Michael Wooldridge, John Wiley & Sons, 2002. ISBN: 0-471-49691-X. • Rapport OFTA - Systèmes Multi-Agents - ARAGO 29 Février 2004 • www.multiagent.com • www.fipa.org • www.agentlink.org • aose.ift.ulaval.ca • www-poleia.lip6.fr/~drogoul

7. Motivations • Actuellement les systèmes sont souvent: • De plus en plus complexes, • Ouverts, • Avec des configurations et fonctionnalités évolutives, • Avec des matériels et des logiciels hétérogènes, • Situés dans des environnements à évolution dynamique • Répartis avec aucun contrôle global possible • Constitués de logiciels inter-agissants • En interaction avec des humains

8. Une évolution du logiciel • Problèmes cl�és du logiciel : éolution, adaptation • profil utilisateur, programmeur, environnement, contraintes - ex : QoS, ... • Pour un système (logiciel) complexe, impossible de prédire au moment de la conception toutes les interactions potentielles • Ceci est rendu encore plus difficile si l’on considère l’évolutivit�é du logiciel ainsi que celle de son environnement (autres logiciels) • • Vers des composants logiciels « adaptables » • Les interactions non prévues deviennent la norme et non plus l’exception [Jennings 1999] • Le couplage entre composants est d’abord� au niveau des connaissances et non plus auniveau des types de données (ce qui est sûrmais rigide) • Vers un plus grand découplage : objets -> composants -> agents (et ensuite ?!)

9. 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

11. Intelligence Artificielle Distribuée • Les agents opèrent de façon décentralisée et collective pour accomplir des tâches

12. Positionnement

13. Positionnement

14. Agent : architecture • Une entité devient un agent aussitôt qu'elle est capable d'exercer un contrôle local sur • ses processus de perception, • de communication, • d'acquisition de connaissances, • de raisonnement, • de prise de décision • d'exécution.

15. Typologie • • agents rationnels • – IA, comportement délibératif, perceptions, croyances, buts (systèmes experts) • • agents logiciels • – ex : démons Unix, virus informatiques, robots Web • • agents mobiles • – code mobile -> objet mobile -> agent mobile (processus) • • agents robotiques • – architectures de contrôle de robots, robotique collective • Utilisation • agents assistants • –secrétaire virtuelle (trie le mail, gère les RdVs...), < logiciel utilisateur + assistant > … • • résolution distribuée de problèmes, coordination, organisation • • vie artificielle • • simulation multi-agent • – simulation centréindividu vs modèle global • • agents de loisirs et artistiques • –jeux vidéos, arts interactifs, …

16. 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

17. 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

18. 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

19. Classification

20. Organisation • Définition: • Façon dont le groupe est constitué pour pouvoir travailler (pas de définition unifiée) • – Décrit • l'ensemble des composants, leur nature, leurs responsabilités, leurs besoins en ressource (processeurs) et leurs liens de communication ou d'arrangement • un ensemble de données à traiter (l'environnement) • un ensemble de tâches à réaliser • – Propriétés • définit un cadre pour l'interaction • produite par l'interaction entre les agents • peut être statique ou dynamique

21. 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

22. 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

23. Méthodologie