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 ...
|