N.Kabachi 1 Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA)

N.Kabachi1

Intelligence Artificielle Distribuée Intelligence Artificielle Distribuée etet

Systèmes Multi-AgentsSystèmes Multi-Agents(IAD-SMA)(IAD-SMA)

N.Kabachi2

PLAN GENERAL

BibiliographieHistoriqueDe l’IA à l’IADThèmes de recherche de l’IADProblèmes de base en IADSociété d’Agents (SMA)

• Concept d’Agent• Communication• Organisation• Coopération• Résolution de conflits

Exemple d’application

N.Kabachi3

• A.H. BOND et L.GASSER. Reading in distributed artificial intelligence, Morgan Kaufmann publishers, Inc, 1988.

• Y. SOHAM. Agent-Oriented Programming. In Artificial Intelligence, vol. 60, pp +139-159, 1993.

• J. FERBER. Les systèmes multi-agents : vers une intelligence collective, InterEdition, Paris, 1995.

• Y. DEMAZEAU et J.P. MULLER. Decentralized Artificial Intelligence (2), Y. Demazeau and J.P. Muller (Eds.), Elsevier Science Publisher B. V. (North-Holland), pp. 3-10, 1991.

Bibiliographie

N.Kabachi4

Historique (1)

Le Système HEARSAY (II) de B. Hayes-Roth : premier système d’IAD pour la reconnaissance de la parole. 1973 (Erman 80).

Les Acteurs de Hewitt, MIT: résolution de problèmes d’IA, 73.

Le Système DVMT de Lesser, Distributd Vehicle Monitoring Testbed,un système de trafic routier par synthèse des observations de capteurs, 83

La Société de l’Esprit de Minsky, the Society of Mind, 86.

Le Système MACE de Gasser, 1987

Le Contract Net de Smith, utilisation du concept de négociation pouradjuger des contrats, 1988

Les Micro-Robots de Brooks, 1989

N.Kabachi5

Historique (2)

Une nouvelle approche s’est développée depuis, elle essaye de faire Coopérer des Entités auxquelles sont rattachées descaractéristiques de haut niveau.

Ces entités seront désormais nommées Agents et les systèmes correspondants seront appelés Systèmes Multi-Agents (SMA)

N.Kabachi6

De l’IA à l’IAD

Contrairement à L’IA classique qui s’appuie sur la concentration de l’expertise et du raisonnement à un système simulant un raisonnement humain

L’IAD considère que la résolution des problèmescomplexes nécessite :

• la distribution du contrôle• la distributions des connaissances• la distributions des informations nécessaires

parmi une communauté d’acteurs (Agents).

N.Kabachi7

Thèmes de recherche de l’IAD

Trois Axes Fondamentaux :1. Les Systèmes Multi-Agents (SMA)Faire coopérer un ensemble d’agents dotés d’un comportementintelligent et de coordonner leurs buts et leurs plans d’actions pour la résolution d’un problème.

2. La Résolution Distribuée des Problèmes (RDP)Comment diviser un problème particulier sur un ensemble d’entités distribuées et coopérantes et comment partager la connaissance du problème et d’en obtenir la solution.

3. L ’Intelligence Artificielle Parallèle (IAP)Concerne le développement de langages et d ’algorithmes parallèles pour l ’IAD.

N.Kabachi8

Problèmes de base en IAD (1)

Six Problèmes essentiels (Bond et Gasser en 88, 91) :

1. Comment formuler, décrire, décomposer, allouer des problèmeset synthétiser les résultats parmi un groupe d’agents.

2. Comment permettre aux agents de communiquer et d ’interagirquels langages ou protocoles de communication utiliser, quoi et quand communiquer.

3. Comment s’assurer que les agents agissent d’une manièrecohérente dans la phase de prise de décisions ou d’exécution d’actions en évitant les interactions nuisibles.

N.Kabachi9

Problèmes de base en IAD (2)

4. Comment s’assurer que les agents individuels représentent etraisonnent au sujet des actions, des plans et de la connaissancesdes autres agents afin qu’ils puissent être coordonnées entre eux.

5. Comment reconnaître et réconcilier des points de vue dispersés et des intentions conflictuelles parmi une collection d’agents quiessayent de coordonner leurs actions.

6. Comment construire des systèmes d’IAD pratiques; comment créer des plates-formes et des méthodologies de développement pour l’IAD.

N.Kabachi10

Société d’Agents (1)

SMA = Agents + Environnement + Interactions + Organisations

(AEIO) Y. Demazeau, 95

L’étude des SMA permet de représenter le comportement de communautés d’agents «intelligents»

en société.

SMA un système <O, E, A> où :O est un ensemble d’objets, A est un ensemble composé d’agents, O et A étant immergés dans un environnement E J. Erceau & J.Ferber, 93.

N.Kabachi11

Société d’Agents (2)

Environnement

luimoi

le mondeDécision

Commun

icatio

nCommunication

Actions

Perception

N.Kabachi12

Concepts d’Agent (1)

Agent :

Un Agent peut être défini comme une entité (physique ouabstraite) capable d’agir sur elle-même et son environnement,disposant d’une représentation partielle de cet environnement, pouvant communiquer avec d ’autre agents et dont le comportement est la conséquence de ses observations, de sa connaissance et des interactions avec les autres agents. J. Ferber et G. Ghallab, 88

N.Kabachi13


Agent : une entité intelligente, agissant rationnellement et intentionnellement, en fonction de ses buts propres et de l’état actuel de sa connaissance.

Y. Demazeau & J.P. Müller, 90

Deux dimensions J. Erceau & J. Ferber, 91

SocialeIndividuelle

N.Kabachi14


Agents Cognitifs vs réactifs

AGENTS COGNITIFS AGENTS REACTIFS

Représentation explicite de l’environnement

Pas de représentation explicite

Peut tenir compte de son passé Pas de mémoire locale

Agents complexes Fonctionnement stimulus/action

Nombre d’agents réduit Nombre d’agents élevé

N.Kabachi15

Agent purement situé: – l'environnement possède une métrique, – les agents sont situés à une position dans l'environnement

qui détermine ce qu'ils perçoivent;– ils peuvent se déplacer;– il n'y a pas communications directes entre agents, elle se

font via l'environnement Agent purement communiquant:

– il n'y a pas d'environnement au sens physique du terme, – les agents n'ont pas d'ancrage physique, – ils communiquent via des informations qui circulent entre

les agents


N.Kabachi16

Un Modèle Générique d’Agent Cognitif

Messages / Décisions Messages / Décisions

figure .3. « Un Modèle Générique d’Agent Cognitif »Modèle Cognitif

Accointances

CompétencesUnité de Contrôle

Tâches àRéaliser

AssociationsTâches /Contrôles

Inférences

Module de Communication

Interprétation

Création de Message /Décision.

Envoi de Message /Décision.

Boites auxlettres

Classification

Module de Perception

Récupération

Informations (données, variables, ...)

Module de Raisonnement

Mecanisme d’inférence

Basede Méta- Règles

Raisonnement

Buts

m.à.j

Accointances

Compétences

Intent/ Ratio

N.Kabachi17

Perception Communication

Environnement Communauté d'agents

Agent

Architecture d’un Agent (1) (modèle spécifique)

Connaissances

: Processus d'engagement

: flux de contrôle: flux de données

: Connaissances

: Fonctionnalités

Contrôle

N.Kabachi18



Agent



: Connaissances

: Fonctionnalités

Contrôle Connaissances

Architecture d’un Agent (2)

N.Kabachi19

Connaissances d’un Agent

Connaissances du domaine

Connaissances de contrôle• Intentions • Croyances• Décisions• Rationalités• Engagements

Connaissances de communication• Accointances• Expertises de communication• Messages

N.Kabachi20

Base de Faits

Base de règles

Règles de conception des solutionsRègles de raisonnement

Méta-règles

Compétences Concepts CC : idées directrices pour déclencher les compétences méthodes

Compétences Méthodes CM : connaissances sur les méthodes, heuristiques, paramètrages.

Connaissances du Domaine

Exemples :

CC : Améliorer la performance du système : productivité, respects des délais,..

CM : Les méthodes de GP, les méthodes de motivation du personnel, etc..

N.Kabachi21

Processus de Prise d’Engagements (1) (contrôle)



Agent

Connaissances



: Connaissances

: Fonctionnalités

Contrôle

N.Kabachi22


Accointances

Croyances

Engagements

Rationalités (Rs, Re)

DécisionsIdentification

Raisonnement

ConceptionCompétences

Tâche à réaliser

Actionspossibles

IntentionsContrôle

Processus de Prise d’Engagements (2)

N.Kabachi23

Algorithme de Contrôle d’un Agent (exemple) Boucle : Attente flots de données (perception, communication, raisonnement)

Boucle : Sélection de l’événement à traiter,- Si (Communication) :

- Validation « Accointances »,- Si (Décision) :

. Mise à jour « Module Cognitif »,

. Activer le « Raisonnement » ( but : prendre une décision ),

. Attente signal « Raisonnement »,

. Activer la « Communication » ( création de décision ).- Si (Message) :

. Traiter le type (requête, information, réponse) :- Si (Requête)

. Identifier le type de problème,

. Activer le « Raisonnement » (but : répondre),

. Attente signal « Raisonnement »,

. Activer la « Communication » (réponse).- Si (Rationalités)

. Mise à jour « Module Cognitif »,- Si (Information)

Fin Boucle - ... Fin Boucle

N.Kabachi24

Communication (1)

Ensemble des processus physiques et psychologiques parlesquels s’effectue l’opération de mise en relation d’un émetteur avec un ou plusieurs récepteurs, dans l’intention d’atteindre certains objectifs. Anzieu, 68, Searle, 69 et Cohen et Levesque, 90

La communication est un moyen ou une méthode de coopération ou d’interaction entre agents

N.Kabachi25

Communication (2)

Pourquoi communiquer ?les agents communiquent et interagissent • pour synchroniser leurs actions et pour résoudre des conflits (de ressources, de buts ou d’intérêts). • pour s’aider mutuellement ou pour suppléer aux limites de leurs champs de perception. Quand et avec qui communiquer ?les agents communiquent • lorsqu’ils sont face à un problème qu’ils ne savent pas résoudre (manque de compétences ou de ressources), • lorsqu’il est nécessaire de coordonner leurs actions, • lorsqu’il y a un conflit entre plusieurs agents.

N.Kabachi26

Communication (3)

Comment communiquer ?

Deux procédures de communication pour véhiculer les messages (porteurs d’informations ou d’actions) entre agents :

1. communication par partage d’informations2. communication par envoi de messages

N.Kabachi27

Communication (4)

1. communication par partage d’informationsMécanisme du Blackboard (Nii. 1986)

.

.

.

Agent

AgentStructure partagée

.

.

Dispositif de Contrôle

Agent

N.Kabachi28

2. communication par envoi de messages

Communication (5)

AgentAgent

Agent

Agent

Agent

Agent

Agent

Diffusion

Communication avec accusé de

réception

Agent

Communication sélective

N.Kabachi29

Numéro Message :

Agent Destinataire :

Nature :

Type :

Etat :

Contenu : Date :

Chaque message a un numéro d’identification.

Agent Expéditeur : Nom de l’agent expéditeur

Nom de l’agent destinataire

Nature du message (décision, rationalité, requête, réponse, etc.).

Type de message (urgent, prioritaire, normal)Etat du message (traité, non-traité).

Corps du message.Date d’envoi du message.

Structure Générique d’un Message

Communication (6)

N.Kabachi30

Processus d’« Interprétation »- Scrutation de la boîte aux lettres (périodiquement, ou par signaux

d’activation)- Classification en fonction du type de message,- Envoi signal à l’« unité de contrôle ».

Boucle : Attente signaux de contrôle * Processus de « Création » - Si (Décision) . Lire la valeur des paramètre (prédéfinis), . Création d’une décision pour le Centre d’Activité, - Si (Réponse Requête)

. Création d’un message réponse pour l’agent demandeur, - Si (Requête) ... * Processus d’ « Envoi »

- Envoi du message ou de la décision créée au destinataire. Fin Boucle

Algorithme de Communication

Communication (7) - Exemple

Documents

N.Kabachi 1 Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA)