Au cours de ce chapitre, nous avons envisag´e l’´emergence comme une
propri´et´e de haut niveau irr´eductible au niveau de base, comme une
interac-tion entre deux entit´es vivant `a des niveaux diff´erents, comme une propri´et´e
impr´evisible en toute connaissance de cause ou encore comme les possibles
gains d’un collectif sur les individus. Toutefois, cette id´ee reste difficile `a
mod´eliser car les diff´erentes tentatives peuvent couvrir un ensemble trop
large de cas, trop ´etroit ou encore ne plus correspondre `a l’intuition de
l’´emergence.
Dans la suite de ce manuscrit, nous allons nous concentrer sur une
ca-ract´eristique de l’´emergence soit la possibilit´e d’avoir un tout sup´erieur `a la
somme de ses parties.
Pistes que nous n’approfondirons pas
Nous ´ecartons la complexit´e. Les mesures de complexit´e que nous avons
´evoqu´ees n’adressent pas directement un mod`ele d’agents, aussi il devient
n´ecessaire pour pouvoir les utiliser de se rapporter `a leur domaine
d’appli-cation qui se r´eduit le plus souvent `a l’´etude d’une s´equence de symboles
contenus dans un alphabet fini. Ensuite, il apparaˆıt que la complexit´e
as-soci´ee `a l’´emergence est davantage celle des syst`emes complexes que celle de
l’informatique th´eorique. Dans ce cadre, les deux notions sont intimement
li´ees comme le note Standish [Sta01]en affirmant que l’´emergence est “the
key ingredient that makes complex systems complex” ce qui sugg`ere que
l’´emergence doit servir `a la d´efinition de la complexit´e et non l’inverse.
Nous n’approfondirons pas non plus la piste qui consiste `a envisager
l’´emergence `a travers l’interpr´etation d’un r´esultat de l’interaction entre
agents et environnement. Nous d´ecrirons un certain nombre des notions
utiles `a cette d´efinition mais nous verrons ´egalement que la d´efinition de
ce qu’est une interpr´etation pose probl`eme.
Finalement, nous n’approfondirons pas la piste sugg´er´ee pas les travaux
sur la capacit´e `a pr´edire le comportement futur du syst`eme car l’objectif
premier de notre travail est de construire des syst`emes de r´esolution de
probl`emes plus que d’´etudier des syst`emes existants.
Pistes que nous explorerons
La direction qui nous semble la plus int´eressante est l’affirmation que le
tout peut ˆetre sup´erieur `a la somme des parties. Celle-ci est particuli`erement
int´eressante car cet avantage collectif est une des questions principales du
domaine multi-agent. Elle est ´egalement centr´ee autour de la notion
d’inter-action qui est au coeur de l’intuition ´emergente.
Par ailleurs, nous explorerons ces possibilit´es dans le cadre d’un mod`ele
dans lequel nous pourrons d´efinir des vrais composites, c’est-`a-dire un
mod`ele d’agents o`u un syst`eme multi-agent peut ˆetre consid´er´e comme un
agent.
Ce que nous pr´eciserons
Notre objectif est de donner un cadre dans lequel des synergies peuvent
ˆetre clairement d´efinies ainsi que l’ensemble d’exp´eriences permettant de
d´eterminer si ces synergies ont lieu. L’objectif est de fournir des pistes `a
explorer pour obtenir des gains collectifs dans un cadre de r´esolution de
probl`emes `a travers une premi`ere approche fond´ee sur un mod`ele d’agents
r´ecursifs.
Pour cela, nous allons d´efinir un mod`ele multi-agent ainsi qu’une instance
de ce mod`ele : un syst`eme multi-agent de recherche `a l’aide duquel nous
d´efinirons la synergie.
Mod`ele
Introduction
Dans le chapitre pr´ec´edent, nous avons choisi de nous concentrer sur
la dimension collective de l’´emergence par la mise en ´evidence d’un tout
sup´erieur `a ses composants. Dans ce chapitre, nous exposons deux ´el´ements
principaux : un mod`ele d’agents hi´erarchique qui nous permet de consid´erer
agents composites et agents atomiques dans un cadre unifi´e et une instance
de ce mod`ele sous la forme d’un syst`eme multi-agent pour la recherche
heu-ristique. L’ensemble de ces deux ´el´ements nous permet de d´efinir de possibles
synergies entre agents et d’identifier de possibles gains attribuables au
col-lectif.
Le choix de la recherche heuristique est justifi´e par le fait que les
heuris-tiques de recherche sont les premi`eres solutions utilis´ees face `a des probl`emes
inconnus et les seules pr´esentant de bonnes performances pour de nombreux
probl`emes difficiles. Par ailleurs, chaque heuristique poss`ede la capacit´e de
trouver seule une solution ce qui rend possible l’´etude s´epar´ee des
compo-sants d’un syst`eme multi-heuristique et des heuristiques qui le composent.
Nous commencerons par introduire un mod`ele de recherche heuristique
classique dans lequel nous d´ecrivons les notions d’espace de recherche et
d’heuristique sur lesquelles se fonde notre syst`eme de recherche. Ces ´el´ements
nous servent ensuite `a d´ecrire notre syst`eme de recherche. Cette description
se fera en parall`ele avec celle du mod`ele multi-agent dont il est une instance.
Nous exposerons syst`eme et mod`ele de l’organisation aux interactions pour
ensuite d´ecrire les agents. Finalement, nous exposerons trois synergies
pos-sibles dans notre syst`eme. Ces trois synergies correspondent aux intuitions
suivantes : plusieurs heuristiques travaillant sur un mˆeme probl`eme peuvent
am´eliorer la qualit´e d’une recherche, des recherches sur plusieurs probl`emes
peuvent am´eliorer la recherche sur le probl`eme principal et enfin un
utilisa-teur et un syst`eme artificiel peuvent co-construire une bonne solution.
Note Nous n’abordons pas ici la discussion habituelle consistant `a opposer
le th´eor`eme ”no free lunch” [WM97]1 aux nombreux bons r´esultats observ´es
en pratique. Nous consid´erons simplement que l’utilisation de la recherche
heuristique est une premi`ere approche pour la plupart des probl`emes pour
lesquels on estime la qualit´e d’une solution par une fonction objectif.
Dans le document
Intégration de l' émergence au sein des systèmes multi-agent <br />Une étude appliquée à la recherche heuristique
(Page 66-69)