Aucun titre de diapositive

1
Modèles Multi-Agents (SMA)
Zahia GuessoumOASIS (Objets et Agents pour
Systèmes d Information et de Simulation) LIP6
(Laboratoire d'Informatique de Paris
6)Zahia.Guessoum_at_lip6.frhttp//www-poleia.lip6/
guessoum Ce cours réutilise quelques
transparents du cours dAlexis Drogoul
2
Bibliographie

• Livre de Jean-Pierre Briot et Yves Demazeau
• "Les systèmes multi-agents", Jean-Pierre Briot et
  Yves Demazeau (eds.), Collection IC2. Hermès
  Science Publications, Paris, France, à paraître
  en septembre 2001.
• Livre de Jacques Ferber 1995
• Les systèmes multi-agents, vers une intelligence
  collective. InterEditions, Paris, 1995.
• Journées Francophones IADSMA de 1993 à 2002
• Lip6, à la bibliothèque
• ICMAS de 1995- à 2002
• Lip6, à la bibliothèque
• Livre de Les Gasser et al.
• Distributed Artificial Intelligence. N. M.
  Avouris and L. Gasser (eds.), Kluwer Academic
  Publisher, Boston, 1992.
• In Distributed Artificial Intelligence. L. Gasser
  and Michael N. Huhns (eds.), Pitman Publisher,
  London, 1989.

3
Systèmes multi-agents

• Objectif 1 Analyse théorique et expérimentale
  des mécanismes d auto-organisation
• modéliser, expliquer et simuler des phénomènes
  naturels, et susciter des modèles
  d auto-organisation
• Objectif 1 Réalisation d artefacts distribués
  capables d accomplir des tâches complexes par
  interaction
• réaliser des systèmes informatiques complexes à
  partir de concepts d agent, de communication, de
  coopération et de coordination d actions.

4
Agents vs. Multi-agents

• Il ny a pas dagent sans systèmes multi-agents
• Un agent est plus utile dans le contexte des
  autres
• Peut se concentrer sur des tâches en fonction de
  son expertise
• peut déléguer des tâches à dautres experts
• Peut profiter de ses compétences pour communiquer
  intelligemment, coordonner ses actions,
  négocier,
• Un système multi-agents est un ensemble d'agents
  interagissant.
• Mais, un SMA nest pas seulement une collection
  dagents
• Il nécessite des moyens significatifs pour les
  interactions,
• Il nécessite une conception et une évaluation de
  performances.

5
Systèmes Multi-agents

• Un tel système repose sur des modèles
  diversifiés 
• modèles d'agents,
• modèles d'interactions (basés sur des langages de
  communication tels que KQML et ACL, ..)
• modèles organisationnels (représentant les
  propriétés globales de la société d'agents).

6
Modèles dagents

• On définit classiquement deux catégories dagents
  les agents réactifs et les agents cognitifs.
• Les agents réactifs sont définis uniquement à
  partir de lois de type stimulus/réponse. Ils
  permettent de modéliser des comportements très
  fins, mais ne possèdent pas détats internes (et
  ainsi nont pas la capacité de construire et
  mettre à jour une représentation leur
  environnement).
• En revanche, les agents cognitifs sont dotés
  détats internes, qui peuvent servir à
  représenter létat de leur environnement (en
  labsence de signaux explicites).
• Il est souvent nécessaire de combiner ces deux
  types dagents pour modéliser des systèmes
  complexes.

7
Modèles dinteraction

• Un système multi-agents se distingue dun
  ensemble dagents indépendants par le fait que
  les agents interagissent en vue de réaliser
  conjointement une tâche globale, ou datteindre
  conjointement un but particulier (voir Briot
  Demazeau (2001)).
• Les concepts dinteraction et de coordination
  peuvent ainsi devenir plus importants dans la
  dynamique des systèmes multi-agents que les
  modèles dagents eux-mêmes.
• Les agents interagissent en communiquant
  directement entre eux par échange de messages ou
  indirectement en agissant sur leur environnement.

8
Modèles organisationnels

• Une organisation décrit comment les membres du
  groupe interagissent et coopèrent afin
  d'atteindre un but commun.
• E. Morin (1991) propriété d'un système capable
  à la fois de maintenir et de se maintenir, et de
  relier et de se relier, et de produire et de se
  produire. Cette définition montre que la
  structure organisationnelle nest pas invariante
  et indépendante de la dynamique du système.

9
Systèmes Multi-agents

• Niveau micro agents
• Niveau macro structures organisationnelles

10
Interactions micro-macro

• Le comportement du système émerge d'un ensemble
  d'interactions locales entre agents et/ou entre
  les agents et un ensemble de structures
  organisationnelles. L'émergence repose sur une
  évolution des états du système. Cette évolution
  peut concerner
• le niveau micro  la structure interne ou les
  connaissances internes de l'agent pendant son
  exécution,
• le niveau macro  les structures
  organisationnelles ou sociales, telles que le
  réseau dinterdépendances et dinterférences, et
  le réseau d  accointances  (réseau
  relationnel) définis par Castelfranchi (1998).

11
Modèles organisationnelles
12
Modèles organisationnels

• Début de lIAD la métaphore humaine.
• Les organisations étaient vues comme des
  organisations humaines. Le principal problème
  était la coordination des différents agents qui
  sont souvent conçus comme des systèmes
  intelligents.
• Par la suite
• définir des structures organisationnelles issues
  de plusieurs domaines  la biologie, la physique,
  la chimie, les mathématiques, linformatique,
  etc.
• Les structures organisationnelles modélisées
  peuvent être statiques, donc conçues a priori par
  le programmeur, où dynamiques comme on peut le
  trouver dans les systèmes multi-agents
  adaptatifs. Elles dépendent de l'environnement
  dans lequel elles évoluent, des ressources
  disponibles, et donc du problème à résoudre ou du
  système à simuler.

13
Modèles organisationnels

• Trois catégories
• 1ère assimile lorganisation aux mécanismes de
  coordination. Ces modèles sont souvent inspirés
  de la biologie, de la physique, ...
• 2ème définit lorganisation comme une structure
  abstraite dont la représentation est distribuée
  parmi les membres de lorganisation. Les agents
  utilisent cette représentation pour coordonner
  leurs actions. Cette approche est souvent
  utilisée pour décrire des modèles dorganisations
  existantes.
• 3ème définit lorganisation comme une structure
  externe aux agents. La construction du système
  multi-agents nécessite donc la conception de la
  structure organisationnelle sous-jacente. Cette
  structure peut-être statique ou dynamique.

14
Mécanismes de coordination

• Différentes formes de coordination multi-agents
  peuvent être identifiées.
• Différentes approches (biologiques, physiques,
  sociologiques, économiques, etc.) ont été
  proposées afin détudier les interactions et la
  coordination et de faciliter la conception des
  SMA.

15
Modèles biologiques
16
Modèles biologiques

• Insectes sociaux, mammifères sociaux
• fourmis, termites, abeilles, guêpes
• loups, rats, primates
• oiseaux, poissons
• Approche émergentiste

17
Exemple 1 Colonies de fourmis

• Chez les fourmis Lasius Niger, Franks 89 a
  observé
• la régulation de la température (amplitude
  maximale 1C)
• la formation de ponts par les ouvrières
• le choix de certaines aires de chasse
• la construction et la protection des nids
• le tri du couvain et des items de nourriture
• la coopération dans le transport d'objets trop
  lourds
• l'émigration complète d'une colonie vers un
  nouveau nid
• le choix des chemins les plus courts entre nid et
  sources de nourriture
• le choix des sources de nourriture les plus
  riches au détriment des autres

18
Exemple 1 Colonies de fourmis

• Système de résolutions de problèmes combinatoires
  basés sur une forte analogie avec les mécanismes
  mis en œuvre dans les colonnes de fourmis
  Colorni - Dorigo 91
• Les fourmis se déplacent en déposant des
  phéromones (qui s'évaporent au cours du temps) et
  sont attirées par elles.
• Décision collective du plus court chemin,
  équivalente à un algorithme distribué
  d'optimisation.

19
Exemple 2 Fourragement Collectif

• Application très populaire en IAD et Vie
  Artificielle
• Exploration et exploitation collective d'un
  environnement inconnu et dynamique, par des
  robots ou agents simulés
• Bonne illustration de l'auto-organisation
• Beaucoup de techniques envisageables (inspirées
  la plupart du temps des fourmis)

20
Exemple 2 Fourragement Collectif (2)

• Un ensemble simple de règles individuelles peut
  générer un comportement collectif remarquablement
  adaptatif

Règle Explorer si je suis vide si je ne perçois
ni minerai ni marque je circule aléatoirement
Marques
Minerai
Règle Trouver si je suis dehors vide si je
perçois du minerai je le prends
Base
Règle Rapporter si je suis dehors plein je
pose deux marques je reviens à la base
Règle Pister si je suis dehors vide si je
perçois une marque je me dirige vers elle je
la prends
Règle Déposer si je suis à la base plein je
dépose le minerai
21
Eco-résolution

• L'éco-résolution (Eco Problem Solving - EPS) est
  un framework de SMA réactif dédié à la résolution
  de problèmes.
• existe en Lisp, Smalltalk, C, Java
• Repris dans DIMA Gdima.kernel.EcoResolution
• Il s'appuie sur
• une décomposition structurelle du problème (i.e.
  "objet")
• un modèle d'agent séquenceant trois comportements
  basiques (satisfaction, agression, fuite)
• une description explicite de l'état initial et de
  l'état final du problème.

22
Eco-résolution

• Chaque agent a
• un but (un autre agent)
• des dépendances (d'autres agents)
• des accointances ( " )
• des gêneurs ( " )
• Le modèle de comportement est un automate à états
  finis (différences entre les versions)
• satisfait l'agent ne fait rien
• rechercheSatisfaction l'agent cherche à se
  satisfaire
• rechercheFuite l'agent a été agressé et tente de
  fuir
• fuite l'agent fuit

23
Eco-résolution

• Informellement...
• Si le but d'un agent n'est pas satisfait, l'agent
  demande à son but de se satisfaire et se place
  dans ses dépendances.
• Quand un agent se satisfait, il informe ses
  dépendances qu'elles peuvent se satisfaire.
• Quand un agent ne peut se satisfaire, il
  recherche les gêneurs parmi ses accointances et
  les agresse (leur demande de fuir).
• Quand un agent cherche à fuir, il recherche les
  gêneurs parmi ses accointances et les agresse.
• La résolution du problème est
• incrémentale
• réactive

24
Intérêt de cette approche

• Passerelle vers les domaines de la Vie
  Artificielle et du néo-connexionisme.
• Offre la possibilité de confronter, au sein du
  même domaine (IAD), différentes théories de la
  cognition (sociale, individuelle).
• A régénéré le débat sur linterprétation du
  fonctionnement dun système, car un système
  multi-agent peut-être interprété comme coopératif
  sans que les agents aient été pourvus de la
  moindre capacité explicite de coopération.

25
Modèles physiques
26
Modèles physiques

• Le modèle physique est utilisé comme métaphore.
  Les analogies suivantes peuvent être établies
  entre le modèle multi-agents et le modèle
  physique 
• un agent correspond à une particule dynamique,
• un but correspond à une particule statique,
• la compétence dun agent est représentée par la
  masse de la particule (et son énergie
  potentielle),
• et latteinte dun but correspond à une collision
  statique/dynamique.
• Lalgorithme utilisé pour la satisfaction du but
  par lagent correspond à litération de la
  dynamique du système physique (qui détermine les
  trajectoires de chaque agent).
• Dans ce modèle, chaque agent calcule son
  potentiel qui dépend des autres agents et des
  buts. Il interagit avec les autres entités
  voisines, mais il ninteragit pas avec la
  totalité des entités du système (les agents ont
  donc un champ de perception et daction limité).
• Les deux propriétés émergentes sont la
  coopération et lévitement de conflits.

27
Modèles physiques

• Projet RIVAGE (LIP6-IRD)
• Ce projet de recherche s'intéresse à
  l'application des systèmes multi-agents à la
  simulation de phénomènes physiques. Un tel
  développement doit faire face à la gestion
  d'échelles et de points de vue multiples.
• RIVAGE met l'accent sur le ruissellement sur une
  surface topographique au cours d'une pluie. Des
  particules générées par la pluie - boules d'eau -
  représentent des volumes d'eau discrets.
  Localement les densités de boules d'eau induisent
  une hauteur d'eau sur la surface. A chaque pas de
  temps, suivant des règles simples, les agents
  boules d'eau se déplacent sur la surface en
  descendant les gradients de hauteur d'eau et de
  hauteur topographique, leur vitesse est mise à
  jour en conséquence. Ainsi, en fournissant en
  entrée un fichier de topo et un fichier de pluie,
  le programme simule l'évolution des champs de
  hauteurs d'eau et de vitesse - calculvisualisatio
  n cf. figures ci-dessous.

28
Modèles sociaux
29
Métaphore sociale

• Les structures organisationnelles décrivent
  comment les membres du groupe interagissent et
  coopèrent afin d'atteindre un but commun.
• Conception de nouvelles techniques inspirées
  (plus ou moins fortement) de méthodes réelles
  transposées dans le domaine de l'informatique
• protocoles de négociation
• appels d'offres, passation de marché
• protocoles de conversation
• Exemples
• Contract net (réseau contractuel)
• Speech acts (actes de langage)

30
Réseau contractuel (Contract Net)

• Le réseau contractuel repose sur un mécanisme
  d'allocation de tâches régi par le protocole
  d'appel d'offres qui est utilisé dans les
  organisations humaines. Le modèle est basé sur
  une communication par envoi de messages entre
  agents. Dans les réseaux contractuels, un agent
  peut avoir deux rôles par rapport à une tâche
  manager ou contractant. Le protocole est composé
  de trois phases
• annonce d'une tâche le manager décompose la
  tâche qui lui est confiée en sous tâches et fait
  une annonce de tâches aux agents du système,
• offre d'un service les agents évaluent leur
  intérêt en fonction de leur ressources. Si la
  tâche est intéressante, ils soumettent une offre
  au manager,
• attribution d'une tâche le manager choisit un
  ou plusieurs agents candidats pour exécuter la
  tâche et informe les autres agents de ce choix.

31
Réseau contractuel (Contract Net)
32
FIPA- Contract Net
33
Protocole de négociation
34
une taxonomie des types de ventes aux enchères
35
Métaphore sociale Conséquences

• Il faut doter les agents de capacités de
  représentation et de contrôle des interactions,
  afin quils participent aux simulacres de
  processus sociaux dans lequel on les plonge.
• Prise en compte de la cognition sociale (dans la
  continuité de lIA)
• Apparition de thèmes de recherche centrés sur
  l'agent, liés aux facultés
• de communication,
• de représentation de soi, des autres,
• de planification et révision du comportement,
• de manipulation de croyances, dintentions, et de
  buts.