Marie-Claude Thomas
Ses 3 Articles :
Mots-clefs : geywords : Intelligence Artificielle Distribuée,Systèmes Multi-Agents Temps Réel,Blackboard, Contrôle Intelligent, Robotique
Résumé : Parmi les nombreux domaines d'applications des Systèmes Multi-Agents, nous pouvons distinguer celui du Contrôle en Temps Réel. La complexité des systèmes àpiloter, due à l'utilisation de nombreux capteurs, effecteurs et algorithmes de commande, pose en général le problème de l'absence d'un seul modèle fini. La mise en oeuvre de systèmes multi-agents comme architectures de contrôle, permet une prise de décision distribuée et une certaine robustesse quant aux événements imprévus. Selon le domaine d'application, deux approches sont envisageables : utiliser un système temps réel multi-experts particulièrement adapté aux problèmes d'analyse en temps réel (planification, diagnostique, assistance à Popérateur ...etc), ou bien un système multi-agents réactif privilégiant le contrôle de l'évolution du système dans un environnement dynamique.
Mots-clefs : Interaction, Apprentissage, SMA réactifs, Processus Décisionnels de Markov
Résumé : Nous proposons un nouveau formalisme de représentation des actions et des interac-tions dans les SMA réactifs inspiré des processus de décision Markovien décentralisés (DEC-MDP). Ce formalisme appelé Interac-DEC-MDP permet de représenter dans un même cadrehomogène les actions individuelles et les interactions directes entre agents. Ainsi il permet decalculer automatiquement les prises de décisions des agents relativement aux actions et auxdéclenchements et résolution des interactions par l’introduction de la rationalité au traversde la notion de récompense. Un premier problème simple de partage de ressources impli-quant 2 agents a été modélisé selon le formalisme proposé et les comportements des agentsont été construits automatiquement par Q-learning. Les premiers résultats bien qu’obtenusavec des hypothèses limitatives montrent qu’il est possible à partir d’apprentissages simplesde construire automatiquement des comportements collectifs pertinents.
![](../wp-content/plugins/jfsma_wp_plugin/img/right.jpg)
Mots-clefs : Apprentissage, Emergence, Adaptation
Résumé : A partir de séries temporelles issues du monitorage de patients en unité de soins intensifs, on cherche à extraire des comportements typiques d'évolution des paramètres physio- logiques appelés scénarios. Les connaissances médicales dans ce domaine sont mal formalisées d'où une difficulté pour les utiliser a priori pour diriger l'apprentissage. Nous proposons une méthode pour faire émerger ces scénarios à partir d'un partenariat entre un clinicien et un SMA . Le SMA construit, sur la base de plusieurs niveaux d'abstraction, sa propre connais- sance tout en pouvant s'adapter aux informations échangées. Ce partenariat vise à la conver- gence vers des connaissances partagées. Nous proposons une architecture de type SMA fondée sur l'organisation la plus élémentaire qui permette l'émergence, i.e. deux entités en interaction.