MASE : Modélisation par Automates de Systèmes Multi-agents à Emergence

Descriptif

Introduction

Un système multi-agent est constitué d’un grand nombre d’entités autonomes, appelées agents, ayant généralement un objectif individuel à atteindre, en interaction entre elles au sein d’un même environnement. Dans tous les SMA, une fonction globale est attendue à partir de la spécification au niveau local de chacune des entités. Ce phénomène global est émergent lorsque la manière d'atteindre cette propriété du niveau global n’est pas programmée dans les agents et n’existe que par leurs comportements et interactions conduisant à une activité permanente d’adaptation collective. L'étude de ce phénomène d’émergence, et ce dans de nombreuses disciplines scientifiques, tente de décrire et d’expliquer les formes, les motifs et les comportements survenant au sein d’un système dans son environnement sans organisateur (contrôle) extérieur à celui-ci. Elle correspond à l’apparition spontanée d’une cohérence globale à partir uniquement des interactions locales au micro-niveau d’entités initialement indépendantes et où les règles d’interaction du micro-niveau sont exécutées sans aucune référence à la fonction globale.

L’objectif de ce projet, côté multi-agent, est d’établir un modèle général de système multi-agent et environnement puis de le particulariser afin d’étudier des propriétés de ceux qui sont à fonctionnalité émergente fondée sur l’auto-organisation coopérative. Les deux questions de base qui se posent sont :


Modèle général à agents explicites

La grande variété des systèmes dits multi-agents est a priori couverte par une grande variété de modèles: Algèbres de processus, automates cellulaires ou communicants, synchrones ou asynchrones, systèmes de réétiquetage ou de réécriture de graphes, programmation par contraintes distribuées, etc.

Nous proposons de rechercher un modèle assez général pour modéliser les différents types de systèmes multi-agents, qui puisse s’instancier en chacun des principaux types de ces systèmes, afin de les classer, les caractériser et les comparer. Outre le fait qu’un tel modèle met en évidence différentes formes de communication et de synchronisation, un des objectifs est également de mettre en évidence et comparer différentes formes des concepts d’émergence, de coopération et de non-coopération etc.

Pour déterminer les propriétés de tels systèmes, il faut un modèle défini à partir du comportement de chaque agent, de ses interactions avec les autres agents et avec l’environnement. Il ne faut pas qu'il soit directement défini comme une boîte noire (système de transition global). Il faut donc pouvoir expliciter un certain nombre d’éléments et de concepts, notamment :


Problématique multi-agent - enrichissement théorique

Les problématiques multi-agent et les modèles distribués s’enrichissent mutuellement. Un exemple de cet enrichissement est le croisement entre les algèbres de processus et la programmation par contraintes.

Un croisement auquel nous nous intéressons est celui entre les produits d’automates (ou algèbres de processus) et les topologies de réseau d’interconnexion. On considère un ensemble d’automates dont les composants s’exécutent sur les sommets d’un graphe d’interconnexion, et auquel on ajoute la contrainte que les synchronisations entre automates s’exécutent sur des sous-graphes particuliers. Par exemple, les synchronisations binaires s'exécutent sur des paires de sommets voisins, les synchronisations multiples sur des cliques ou des étoiles, etc. Dans ce cas un blocage local peut être causé par une topologie particulière interdisant à une synchronisation de s’effectuer.Cette situation peut être vue comme un état non coopératif, et l’action correctrice consiste à modifier localement la topologie du graphe sous-jacent afin de permettre cette synchronisation. Pour chaque graphe sous-jacent on a un système de transition modélisant le comportement du système pour ce graphe particulier. Les actions correctrices font passer d’une topologie à une autre comme le montre le schéma suivant:


Apport des laboratoires

IRIT

Les membres de l’équipe SMAC apporteront leur connaissance des systèmes multi-agents et plus particulièrement sur ceux basés sur l’auto-organisation par coopération. En effet, l'équipe SMAC de l’IRIT s'intéresse à la conception d'applications ouvertes, complexes, dont les environnements sont dynamiques et pour lesquelles il n'y a pas de solution algorithmique connue (par exemple, la prévision de crues, la synthèse de mécanismes, la programmation émergente, le commerce électronique, la robotique collective...).
Nos travaux s’articulent autour de la théorie AMAS qui oriente la conception de systèmes multi-agents adaptatifs à fonctionnalité émergente.  Dans ce cadre les notions de systèmes adaptatifs, d’apprentissage, d’auto-organisation et d’émergence sont étudiées. Conformément à la théorie des AMAS, nous avons pu vérifier expérimentalement que lorsque les agents coopèrent réellement, l'activité collective est optimale. La coopération est ainsi un critère local de réorganisation interne du système lorsqu'il est plongé dans un environnement dynamique. Nous apportons ainsi notre expérience concernant le développement de systèmes multi-agents.

LAAS

Le LAAS apporte sa connaissance sur la modélisation, la spécification et la vérification des systèmes distribués complexes à communication synchrone ou asynchrones. La théorie des ordres partiels, des automates communicants,  des réseaux de Pétri, des algèbres de processus sont des outils fondamentaux pour l’étude de ces systèmes, et le LAAS en a développé de nombreuses applications aux systèmes coopératifs, aux protocoles de communication, etc.
Divers travaux ont donné naissance à des modèles spécifiquement adaptés à des problématiques particulières, tels que des algèbres de processus dynamiques  et des algèbres de processus localisés sur des graphes d’interconnection. Ces travaux nous semblent particulièrement adaptés aux systèmes multi-agents.
De plus le LAAS est actif dans le domaine de la vérification des systèmes distribués, d’un point de vue théorique mais également pratique par la conception d’outils performants dont l’adaptation aux systèmes multi-agents produira un bénéfice mutuel.