Les Systèmes Multi Agents

1. Les Systèmes Multi Agents

2. Plan • Origine des SMA • Définition d’un agent • Les types d’agents • Les agents à réflexes simples • Les agents conservant une trace du monde • Les agents ayant des buts • Les agents utilisant une fonction d’utilité • Les agents BDI • Les agents hybrides • Agents et apprentissage • Systèmes multi agents • Interactions entre agents • Exemples d’applications biomédicales • Bibliographie

3. Origines des SMA • Intelligence artificielle classique: modélisation du comportement d’une seule entité « intelligente ». • Intelligence artificielle distribuée. • 1978: première définition d’agents autonomes. • Années 80: Systèmes multi agents.

4. Définition d’un Agent • Entité réelle ou virtuelle plongée dans un environnement sur lequel elle est capable d’agir. • Dispose d’une capacité de perception et de représentation partielle de cet environnement. • Peut communiquer avec d’autres agents. • Admet un ensemble de tendances. (objectifs, fonctions de satisfaction,…) • Peut agir d’une façon autonome afin d’atteindre ses objectifs.

5. Les types d’agents Les architectures d’agents sont regroupées en trois classes: • Agent réactif • Agent délibératif • Agent hybride • Les agents à réflexes simples • Les agents conservant une trace du monde • Les agents ayant des buts • Les agents utilisant une fonction d’utilité • Les agents BDI (Belief, Desire, Intentions)

6. Agent réactif

7. Les agents à réflexes simples • Ce type d’agent agit en se basant uniquement sur ses perceptions courantes. • Utilise un ensemble de règles prédéfinies pour choisir ses actions. • Les règles sont de type: SIconditionALORSaction. • L’agent exécute l’action qui correspond à la règle activée par ses perceptions. • Ce type d’agent admet un comportement très rapide mais peu réfléchi.

8. Les agents à réflexes simples

9. Limites des agents à réflexes simples • L’agent peut choisir ses actions en se basant uniquement sur sa perception actuelle. • L’agent peut avoir deux perceptions identiques mais qui sont en réalité différentes. • « Les capteurs » de l’agents ne fournissent pas une vue complète sur l’état du monde. • Manque de flexibilité L’agent doit maintenir des informations internes sur l’état de l’environnement.

10. Les agents conservant une trace du monde • Utilisent ses informations internes pour mettre à jour ses perceptions actuelles à savoir: • L’état précédent de l’environnement. • L’évolution de l’environnement. • L’impact de ses actions. • Choisissent leurs actions en se basant sur une perception « amélioré » de l’environnement.

11. Les agents conservant une trace du monde

12. Limites des agents conservant une trace du monde • Les agents utilisent seulement leurs connaissances sur l’état de l’environnement pour choisir leurs actions. • Absence de but explicite. • Manque de flexibilité. Utilisation des agents ayant un but

13. Agent délibératif

14. Les agents ayant un but Ce type d’agent possède: • Une description de l’état actuel de son environnement. • Des informations décrivant ses buts. • Une projection sur le future. • Beaucoup plus de flexibilité.

15. Les agents ayant un but

16. Limites des agents ayant un but • Les buts ne sont pas suffisants pour générer un comportement de haute qualité. • L’agent raisonne seulement sur ses buts et n’a pas de moyen pour choisir une action de « qualité ». • L’agent doit être capable de « préférer » un état à un autre. • L’agent a besoin de reconnaître pour chacun des états son degré de satisfaction. Les agents utilisant une fonction d’utilité

17. Les agents utilisant une fonction d’utilité • L’agent peut prendre des décisions rationnelles dans deux types de situations où le raisonnement sur les buts échoue. • L’agent choisi un état sur un autre si son utilité est plus grande dans le premier état que dans le deuxième. • L’utilité est une fonction qui attribue une valeur numérique pour chaque état.

18. Les agents utilisant une fonction d’utilité

19. Les agents BDI Les agents se basent sur trois aspects pour choisir leurs actions: • Les croyances qui représentent un ensemble d’informations que l’agent possède sur son environnement. • Les désirs qui représentent les options disponibles à l’agent. • Les intentions qui représentent les buts envers lesquels il s’est engagé.

20. Les agents BDI Prend les entrées du capteur et les croyances actuelles de l’agent et détermine un nouvel ensemble de croyances. Détermine les options disponibles pour l’agent en se basant sur ses croyances et ses intentions courantes. Détermine les intentions de l’agent en se basant sur ses croyances, ses désirs et ses intentions courantes. Détermine l’action à effectuer en se basant sur les intentions courantes de l’agent.

21. Les agents hybrides • Il existe des problèmes où ni une architecture complètement réactive, ni complètement délibérative n’est appropriée. • Les agents doivent réagir très rapidement dans certaines situations, tandis que dans d’autres, ils doivent avoir un comportement peu réfléchi. • Une architecture conciliant à la fois des aspects réactifs et délibératifs est requise. • L’architecture hybride est composée de plusieurs couches logicielles arrangées de manière hiérarchique. • Les différents niveaux de la hiérarchie traitent les informations provenant de l’environnement à différents niveaux d’abstractions. • Les couches doivent interagir ensemble pour produire le comportement global de l’agent.

22. Agents et apprentissage • Les perceptions de l’agent ne devraient pas être utilisées seulement pour choisir des actions mais elles devraient être aussi utilisées pour améliorer l’habilité de l’agent à agir dans le futur. L’apprentissage de l’agent • L’apprentissage de l’agent lui permet d’évoluer, de s’adapter et de s’améliorer. • Plus l’agent effectue des taches similaire plus il devient plus rapide. • Le comportement de l’agent passe graduellement d’un état délibératif à un état réactif.

23. Systèmes multi agents • Certains domaines requièrent l’utilisation de plusieurs entités comme par exemple les systèmes qui sont géographiquement distribués, le contrôle aérien, les bases de données distribuées… • Besoin d’un système où plusieurs agents doivent interagir entre eux pour effectuer leurs tâches: les systèmes multi agents (SMA). • Les SMA possèdent les caractéristiques suivantes: • Chaque agent admet des capacités de résolution des problèmes incomplètes. • Pas de contrôle global sur le système. • Les données sont décentralisées. • Les calculs sont asynchrones.

24. Interactions entre agents Les systèmes multi agents peuvent: • Coexister: Chaque agent considère les autres agents comme des composantes de l’environnement. Il peut y avoir une sorte de communication indirecte parce que les agents peuvent se percevoir les uns les autres. • Être en compétition: le but de chaque agent et de maximiser sa propre satisfaction. Se produit lorsque plusieurs agents veulent acquérir la même ressource. Les agents doivent communiquer pour résoudre le conflit. • Être en coopération: le but de l’agent n’est plus seulement de maximiser sa propre satisfaction, mais aussi de contribuer à la réussite du groupe.

25. Exemples d’applications biomédicales • Simulation d’un système comportant plusieurs entités afin de comprendre son fonctionnement. • Les systèmes simulés peuvent être très variés: • Dépliement de protéines • Système immunitaire • Déplacement des cellules (Agentcell, T.Emonet) • Migration des cellules tumorale (Dib, Guessoum,Bonnet, Laskri) • Annotation de séquences d’ADN • Perspective: simulation du réseau génétique.

26. Bibliographie • T.Guyet, « Systèmes multi agents et application biomédicale » cours IMTC (19/01/2007). • « http://www.damas.ift.ulaval.ca/~coursMAS/Complements2K8/ », Cours SMA • « http://www.limsi.fr/~jps/enseignement/examsma/examsma.htm », Ensemble de tutoriels réalisés dans le cadre de l'université Paris XI