Construction d’un SMA

3. Construction d’un SMA

4. Approche réactive: Inspiration des sociétés d’insectes • Quelques exemples • Tri collectif • Fourragement (fourmis) • Les robots fourrageurs • Applications du monde réel • Routage dans les réseaux • Équilibrage dynamique multicritères • Sécurité dans les réseaux

5. Tri Collectif • Tri Collectif (Deneubourg & al 91)(Drogoul 93) • Problème: Trier des objets de types différents • Critère d’arrêt: structure de l’environnement avec des tas homogènes de chaque type d’objet • Principes: • Déplacement aléatoire des agents (par défaut) • Capacité de discriminer des objets à trier • Mémoire à court et moyen terme des dernières cases visitées • Possibilité de déposer/ramasser en fonction de la densité d’objets de même type (dans leurs mémoires) • Regroupement de plusieurs objets de même type sur une case réduit l’intensité du stimulus émis

6. Tri Collectif • Environnement : ensemble de cases contiguës • Objets: Etat initial Etat final

7. Tri Collectif • Constat 1: • Structuration de l’environnement a pour effet la structuration des agents => focalisation des agents sur les objets non triés • Renforcement d’actions • Focalisation des agents sur certains types d’objets : spécialisation des agents • Structuration sociale Constat 2: Structuration sociale bénéfique à la structuration de l’environnement • Convergence plus rapide vers un tas par type d’objets

8. Tri Collectif • Remarques: • Pas de comportement émergent • La fonctionnalité peut-être obtenue avec un seul agent (robustesse) • En revanche, fonctionnalité amplifiée par une structure sociale émergente => répartition dynamique des tâches Application (cas réel): Organisation dynamique de documents sur le web

9. Approche réactive: Inspiration des sociétés d’insectes • Fourragement (fourmis) • Exploration aléatoire de l’environnement • Détection de source de nourriture • Collecte et retour en ligne droite vers le nid • Marquage du chemin de retour (phéromone) Source Source Source Source Nid

10. Approche réactive: inspiration des sociétés d’insectes • Fourragement (fourmis): Phénomène autocatalytique Source • Dépôt de phéromone sur le chemin menant à la source • Plus la concentration en phéromone est élevée sur un chemin, plus il a des chances d’être emprunté • La phéromone s’évapore au cours du temps 3 mécanismes: diffusion, évaporation, enrollement Les fourmis découvrent les chemins les plus courts de la source de nourriture au nid.

11. Approche réactive: inspiration des sociétés d’insectes • Fourragement (fourmis): Applications • En recherche opérationnelle : plusieurs applications • Exemple: Problème du voyageur de commerce (TSP)Un ensemble de villes reliées entre elles par des arcs définissant une certaine distance. Le problème est de trouver le chemin minimal, permettant de ne parcourir chaque ville qu’une fois. • Méta-heuristique ACO (inspirée des fourmis) • Des fourmis sont positionnées aléatoirement sur les différents sommets • Chaque arc se voit attribuer en plus de sa longueur un taux de phéromone • A chaque itération une règle globale fait s’évaporer une quantité de phéromone et augmente le taux de phéromone des arcs contribuant au plus court chemin

12. Métaphore de fourragement • Robots fourrageurs (Steels 88, Drogoul 93): • Problème: équipe de petits robots autonomes qui récoltent des échantillons de minerais dans un environnement inconnu,et les ramènent à une base centrale. • => double problème posé aux robots • Récolte d’échantillons • Recherche efficace dans l’environnement • (structuration de l’environnement en terme d’espaces explorés et non explorés) • Principes: • Populations de robots simples et autonomes • Base émet un signal d’intensité décroissante avec la distance • Source (tas) de minerais • Capacité des robots à se déplacer, ramasser des minerais, les déposer

13. Métaphore de fourragement Drogoul 93 Expérience 1: Comportements du robot basique 1.Recherche aléatoire 2. Ramassage du minerai 3. Retour à la base 4. Recherche aléatoire Base • Constat : • Robots complètement inefficaces individuellement et collectivement • Aucune exploitation de l’environnement (mémoire) pour repérer le lieu de leur dernière récolte => Aucune interaction avec le groupe (échange d’info), aucune coopération

14. Métaphore de fourragement Drogoul 93 • Expérience 2: • Partage d’info par structuration de l’environnement • Les robots rentrent en ligne droite à la base en suivant le • signal qu’elle émet , en marquant leur chemin • Munir les robots de la capacité de déposer des marques • Et de la capacité de suivre un chemin marqué Base • Constat : • Amélioration des performances • Partage effectif d’info: rétroaction positive sur le comportement global de fourragement • Pb: si minerai épuisé, les robots continuent à suivre une trace qui les mène vers une source inexploitable (information vide de sens toujours transmise)

15. Métaphore de fourragement Drogoul 93 • Expérience 3: • Supprimer l’info qui ne servira peut-être plus • Marquage de la piste en revenant de la source à la base • Supprimer la marque en suivant une piste Base • Constat : • Performances dégradées du système • Dynamique trop grande dan le partage de l’information (création/suppression au même rythme) • L’information ne se propage pas assez pour créer un effet amplificateur

16. Métaphore de fourragement Drogoul 93 • Expérience 4: • Atténuer l’information qui ne servira peut-être plus sans complètement la détruire • Déposer 2 marques au lieu d’une en revenant de la source à la base • Supprimer 1 marque en suivant une piste Base • Constat : • Meilleure solution • Partage d’info souple, coopération globale Autre constat : Baisse des performances au delà d’un certain nombre de robots • Non prise en compte des contraintes environnementales: encombrement • Dispersion des traces à cause des déviations des robots pour s’éviter • Pas de coordination (blocage)

17. Métaphore de fourragement Drogoul 93 • Expérience 5: • Ajout d’un comportement de prise opportuniste • Un robot suivant une piste vers la source et qui croise un autre robot qui en revient, chargé d’un minerai, le détrousse. • Capture du minerai là ou il se trouve Base • Constat : • Meilleure solution que précédemment et surtout stabilité à partir d’une certaine densité Autres constat : • émergence d’une structure prenant la forme d’une chaîne • Taux de fréquentation des pistes bien supérieur => épuisement d’un gisement vite repéré • éparpillement des pistes marginales=> concentration de l’info là où il le faut • Structuration sociale (formation de chaîne) et spatiale (chemins optimaux) et action permanente de l’une sur l’autre

18. Approche réactive: inspiration des sociétés d’insectes • Fourragement (fourmis): Applications (Real world) • En télécommunication : routage de réseaux • En réseaux informatiques: • Equilibrage dynamique de charge • Equilibrage dynamique multicritères • En sécurité: réponse distribuée et dynamique à la détection d’intrusion

19. Quelques références • Russell & Norvig, A modern approach for Artificial Intelligence, Prentice Hall 1995 • J. Ferber, Les systèmes multiagents, edition • Un cours sur les SMA à l’université laval (Québec) pointant vers d’autres cours: • http://www.damas.ift.ulaval.ca/~coursMAS/ • Page personnelle de Marco Dorigo: http://iridia.ulb.ac.be/%7EDorigo • Quelques pointeurs vers des environnements de simulation: • Page de starlogo : http://el.www.media.mit.edu/groups/el/Projects/starlogo/ • Page de swarm: http://www.swarm.org Merci :))