WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Stratégie de rendez-vous dans les systèmes multi-agents

( Télécharger le fichier original )
par Imane Méziane Tani
Université Abou bekr Belkaid - Ingénieur en informatique 2007
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.2.4 Domaines d'application des SMA

On distingue généralement 3 types d'utilisation des systèmes multi-agents :

La simulation ou la modélisation de phénomènes complexes

Où on utilise les SMA pour simuler des interactions existantes entre agents autonomes. Le but est de déterminer l'évolution de ce système afin de prévoir l'organisation finale. Ce qui importe c'est le comportement d'ensemble et non pas le comportement individuel. L'autonomie permet ici de simuler le comportement exact d'une entité.

La première simulation utilisant les SMA, et qui d'ailleurs fut la source d'inspiration de ceux-ci est le système MANTA (simulation d'une fourmilière) [4].

La résolution de problèmes et prise de décision

L'intelligence artificielle distribuée est née pour résoudre les problèmes de complexité des gros programmes de l'intelligence artificielle : l'exécution est alors distribuée, mais le contrôle reste centralisé. Contrairement aux SMA, où chaque agent possède un contrôle total sur son comportement. Pour résoudre un problème complexe, il est plus simple de concevoir des programmes relativement petits (les agents) en interaction, qu'un seul gros programme monolithique. L'autonomie permet au système de s'adapter dynamiquement aux changements imprévus qui interviennent dans l'environnement.

Exemple : minimisation d'impact pour des aménagements

La conception de programmes

Intégrer un système d'information constitué d'un ensemble d'agents organisés pour faciliter la compréhension et la décision, soit individuelle, soit collective. Contrairement à un objet, un agent peut prendre des initiatives, refuser d'obéir à une requête, se déplacer . . .

Exemple : systèmes d'aide à la négociation de projets

1.2.5 Quelques exemples de SMA

Les systèmes multi-agents associés à l'intelligence artificielle représentent actuellement un grand domaine d'application et de recherche. Plusieurs systèmes ont été développés, nous présenterons ici quelques uns tels que :


· Le système MANTA [4] : ce système illustre parfaitement l'intérêt de la modélisation multiagents de type réactif. Il modélise la constitution d'une fourmilière mature à partir d'une ou

plusieurs reines, étudie la capacité d'adaptation d'une telle colonie, le mécanisme de polyéthisme(division du travail), et la spécialisation des ouvrières.

Cette simulation avait vérifié le fait qu'une société d'agents peut bien survivre et s'organiser en
se passant de tout système de contrôle centralisé et d'une quelconque organisation hiérarchique.

· Le comportement de meute : les agents réactifs se montrent capables d'évoluer parfaitement en groupe tout en s'évitant mutuellement, constituant par là une meute aux comportements très souples. Le premier à s'être intéressé à ce comportement est Craig Reynolds (1987) [5], il a créé des créatures appelées "Boïds", des agents réactifs capables d'interagir pour réaliser un comportement semblable à un vol d'oiseaux migrateurs, chacun des Boïds se contentant d'appliquer un ensemble de règles comportementales :

- Maintenir une distance minimale par rapport aux objets de l'environnement y compris les autres Boïds.

- Adapter sa vitesse à la moyenne de celle de ses voisins.

- Aller vers le centre de gravité de l'ensemble des Boïds voisins.

Contrairement aux oiseaux, les Boïds évoluent sans leader et sans contrôle global. Ils contournent tous ensemble un obstacle tout en restant naturellement groupés.

· les systèmes industriels distribués : où les concepteurs partent de problèmes réels existants et ils cherchent à les résoudre en se basant sur les techniques d'interaction et de coopération des systèmes multi agents.

Plusieurs systèmes ont été développés dans les domaines de la télécommunication, et de contrôle du trafic aérien.

· Applications temps réel: Les agents ont été bien évidemment appliqués au domaine des systèmes temps réel; ce dernier maintient des systèmes à contrainte souple. On voit de plus en plus des systèmes temps réel dit Hard utilisant des agents.

· Applications agents pour le commerce électronique : Le e-commerce signifie des échanges de produits qui se passent via Internet. Les sites pour les ventes aux enchères, pour les négociations entre les utilisateurs (producteurs/consommateurs), etc.

· Applications agents pour la Recherche d'Information: Une grande partie des applications de système multi-agents est dans le domaine de recherche d'information. Parmi ces nombreuses applications dans ce domaine, on peut trouver "NetSA" [6] : une architecture de système multi-agents pour la recherche d'information dans des sources hétérogènes et réparties.

Nous avons aussi les projets suivants : Phoenix (simulation de contrôle de feux de forêts); Archon (gestion de réseaux électriques); SimDelta (simulation de gestion de ressources halieutiques); Smaala (aide à la localisation d'infrastructures linéaires); Simpop (dynamiques urbaines); Swarm (simulation d'écosystèmes); Gestion de trafic aérien ...

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Les esprits médiocres condamnent d'ordinaire tout ce qui passe leur portée"   François de la Rochefoucauld