Philippe BENHAMOU
Ses 6 Articles :
Mots-clefs : Intelligence artificielle distribuée, systèmes multi-agents, Identité, Logique dynamique du contradictoire.
Résumé : Le passage de l'Intelligence artificielle (IA) à l'intelligence artificielle distribuée (IAD) pose le problème du passage de l'individuel au collectif. Alors qu'en IA le problème de l'identité s'apparaît pas (pas de référence externe, pas de différence) il n'en est pas de même en IAD où l'identité d'un agent se définit en fonction des autres agents avec qui il forme un groupe d'agents. Ce papier tente de jeter les bases d'une modélisation de l'identité des agents en tenant compte de la dualité individu/collectif. Pour cela, après avoir donné un formalisme et une représentation de la notion d'agent, nous présenterons brièvement la logique dynamique du contradictoire et enfin nous présenterons une synthèse sous la forme d'une définition de l'identité de l'agent vue comme un point fixe d'une fonction composée de couples d'actions antagonistes.
![](../wp-content/plugins/jfsma_wp_plugin/img/right.jpg)
Mots-clefs : Systèmes d’Aide à la Décision Collective,systèmes multi-agents, Négociation Automatique, Argumentation
Résumé : Dans cet article nous proposons un outil d’aide à la négociation qui s’appuiesur un systèmes multi-agents. Chacun des agents assiste un utilisateur dans l’expressionde ses préférences via une méthode d’analyse multi-critère. Ils doivent d’autre partreprésenter les acteurs dans les négociations automatiques qui vont les confronter lesuns aux autres. Le Systèmes proposé permet aux utilisateurs de tirer partie de leursinteractions, que cela soit en négociant une représentation conjointe du problème oupar la justification automatique de leur choix via cette ontologie partagée.
Mots-clefs : Agent, Déplacement, Méthode, Mobilité, Modélisation, Simulation
Résumé : L'objectif de nos travaux est de concevoir une méthode multi-agents orientée mobilité appelée RA FALE-SP. Cette dernière entre dans le cadre d'une démarche de modélisation pour la simulation des déplacements de mobiles qui évoluent sur un territoire concret tel qu'une ville. Pour cela, elle utilise plusieurs formalismes (UML et Ploom-Unity) ainsi qu'une bibliothèque de simulation. Le tout gravite autour d'une méthode comprenant les étapes nécessaires à la modélisation et à la simulation d'un territoire avec sa complexité et les acteurs de la mobilité. Dans le cadre de cet article nous nous focalisons plus particulièrement sur un aspect clef de RAFALE-SP : la modélisation du déplacement. Chaque mobile est représenté par un agent pour lequel sont définis des connaissances, des désirs, une perception et une capacité limitée à se mouvoir dans l'environnement. A chaque mobile est attribué un ensemble de vecteurs de déplacement représentatifs de la nature des mouvements qu'ils accomplissent dans le inonde réel. Ils sont sujet à des contraintes précisément définies afin de représenter au mieux le système étudié.
![](../wp-content/plugins/jfsma_wp_plugin/img/right.jpg)
Mots-clefs : Systèmes complexes,systèmes multi-agents, collaboration, modélisation
Résumé : Aujourd’hui de plus en plus d’objets sont susceptibles de communiquer entre eux, comme lessmartphones par exemple mais aussi, plus généralement, des objets du quotidien porteursde capteurs multiples. Dans le cas d’entitésmobiles autonomes évoluant dans un espacephysique, la collaboration devient une nécessité pour qu’elles atteignent des objectifs complexes. Sa mise en oeuvre suppose de prévoirdes schémas d’organisation mais aussi des protocoles d’échanges de données élaborés. Il fautalors prendre en compte les caractéristiquespropres de ces objets simulés, modifier les protocoles de communication et choisir les informations à transmettre en fonction du domained’application dans le but de définir un vocabulaire adapté et d’optimiser les échanges.Nous nous attachons à définir ce qu’est la collaboration et ce qui la caractérise. Sur la basede cette contribution, nous nous interrogeonssur quelques approches intéressantes pour la représenter tout en tenant compte des contraintesréelles des applications. Pour étudier nos propositions, nous utilisons les Systèmes multiagents qui constituent un paradigme adéquatpour la modélisation et la simulation de Systèmes complexes mettant en oeuvre des entitésmobiles (contexte de simulation continue). Nousproposons une architecture et un schéma deconception permettant l’intégration de la communication entre agents. Nous illustrons l’intérêt de la collaboration à travers l’exemple d’unréseau de drones ayant une mission collectiveglobale.
Mots-clefs : multiagent simulation,parallélisme,MAS,High Performance Computing,synchronisation
Résumé : les comportements sont souvent trop élaborés et interdépendants pour pouvoir être modélisés par une loi unique.Les systèmes multi-agents sont alors souvent utilisés pourmodéliser les comportements dynamiques des entités quicomposent le Systèmes car ils reposent sur une descriptionalgorithmique simple d’agents qui interagissent entre eux.De nombreuses plates-formes [13, 7, 12] proposent un environnement de développement pour de tels modèles.La qualité d’une simulation dépend bien souvent de la tailleet de la précision du modèle. Or l’accroissement de la tailledu modèle et de sa précision entraîne, de fait, une augmentation du nombre de calculs réalisés et rend nécessaire lerecours à des exécutions parallèles, voire à l’utilisation demoyens de calcul haute performance (HPC : High Performance Computing). Si la simulation sur un seul ordinateurest souvent complexe, l’exécution distribuée parallèle d’unesimulation est un vrai enjeu car elle pose de nombreuxproblèmes comme la distribution de l’environnement, lacommunication entre les instances parallèles de la plateforme, etc. Il existe des plateformes multi-agent (Paralleland Distributed MAS ou PDMAS) qui prennent en chargetout ou partie de l’exécution distribuée. Plusieurs instances,ou processus, de la plateforme coopèrent pour faciliter lamise en œuvre d’un modèle sur un ensemble d’ordinateursou au sein d’un cluster mais la synchronisation reste l’undes points clefs pour l’exécution efficace d’une simulationmulti-agent parallèle du fait des nombreux échanges etdépendances temporelles qu’elle induit.Nous nous intéressons dans cet article aux problèmes poséspar la synchronisation au sein de simulations multi-agentdistribuées parallèles, en visant plus particulièrement lesexécutions à large échelle. Comme les plates-formes multiagents fonctionnent fréquemment par pas de temps, il estnécessaire de s’interroger sur la manière d’échanger les données entre les processus distribués d’une même simulationau regard de ce mode de fonctionnement.Les contributions proposées dans cet article sont, d’une part,la définition de politiques de synchronisation qui peuventêtre utilisées au sein de simulations multi-agent parallèles
![](../wp-content/plugins/jfsma_wp_plugin/img/right.jpg)
Mots-clefs :
Résumé :