3.4 Situation
3.4.1 Recherche heuristique multi-agent
Evaluation Le mode d’´evaluation que nous utilisons pour ´evaluer l’apport
du comportement fourni est de tenter de l’imiter en premier lieu puis de
fournir le meilleur imitant comme point de d´epart `a la recherche principale.
La synergie est alors ´evalu´ee par la comparaison entre :
– La qualit´e du comportement fourni
– La qualit´e de la solution produite par le syst`eme artificiel
– La qualit´e de la solution obtenue avec imitation pr´ealable
3.4 Situation
3.4.1 Recherche heuristique multi-agent
L’id´ee d’un syst`eme de recherche heuristique multi-agent se retrouve
dans d’autres travaux. Milano et Roli [MR04] ont propos´e un cadre dans
lequel ils formulent un grand nombre de m´etaheuristiques `a l’aide d’agents
utilisant d’autres agents. Il existe deux diff´erences principales avec nos
tra-vaux :
– Pour Milano et Roli, chaque recherche aboutit sans ˆetre interruptible,
aussi la d´ecomposition est ´equivalente `a une d´ecomposition
fonction-nelle. Un agent ayant commenc´e une recherche ne s’arrˆete pas avant
la fin de cette recherche.
– Aucun moyen syst´ematique d’´evaluation de l’apport d’une interaction
ou d’un agent n’est fourni.
Ces travaux et les nˆotres sugg`erent que l’expression d’heuristiques comme
des agents peut servir `a une ´etude “sociale” de ces diff´erentes heuristiques
mais aussi `a la suggestion de nouvelles combinaisons plus souples que la
subordination d’une heuristique `a une autre.
Notre syst`eme s’int`egre dans le domaine plus large de l’´etude de la
re-cherche coop´erative o`u plusieurs heuristiques coop`erent afin de trouver de
bons r´esultats. Un exemple de ce type de travaux [BCK05] combine un
al-gorithme g´en´etique et une recherche tabou travaillant sur le mˆeme ensemble
de solutions afin de r´esoudre un d´eriv´e du probl`eme du voyageur de
com-merce. Certaines caract´eristiques de notre syst`eme nous distinguent de ces
travaux :
probl`emes voisins Nous avons mod´elis´e l’id´ee de probl`emes voisins qui
correspondent `a des versions simplifi´ees ou modifi´ees du vrai probl`eme
adress´e par la recherche ce qui nous a men´e `a envisager une synergie
de probl`emes. Cette id´ee se retrouve dans de nombreux travaux
d’ap-prentissage incr´ementiel comme [GM97] mais pas `a notre connaissance
dans le domaine des heuristiques coop´eratives.
recherche de fonction Nous avons d´ecrit un cadre de recherche de
fonc-tions, qui permet de d´ecoupler le comportement d’une solution de sa
valeur.
3.5 Bilan
Dans ce chapitre, nous avons introduit notre mod`ele de syst`emes
multi-agent. Nous avons construit ce mod`ele autour de deux principes : un agent
fonctionnel dont la vie est une succession d’applications de plusieurs
fonc-tions de traitement et une organisation hi´erarchique permettant
d’envisa-ger syst`emes composites et atomiques de mani`ere uniforme. Cette vision
hi´erarchique introduit ´egalement une notion de niveau correspondant au
degr´e de composition du syst`eme.
Nous avons ´egalement d´ecrit un syst`eme de recherche heuristique
multi-agent en mod´elisant une heuristique par un multi-agent, ce qui permet
naturelle-ment d’envisager une m´etaheuristique comme un SMA. Cette mod´elisation
permet pour des heuristiques it´eratives d’envisager une communication en
cours de recherche, ce qui nous permet d’envisager de distinguer deux cas
pour une population d’agents selon qu’ils ´echangent ou non de l’information
pendant leurs recherches individuelles.
L’ensemble nous a permis de d´efinir des synergies possibles entre
heu-ristiques, probl`emes ou encore entre l’utilisateur et le syst`eme. Nous allons
Illustration
Introduction
Dans le chapitre pr´ec´edent, nous avons expos´e un syst`eme multi-agent
de recherche heuristique permettant d’explorer trois synergies potentielles.
L’objet de ce chapitre est de compl´eter cette description par un espace
de recherche, ses g´en´erateurs ainsi que les testeurs sur lesquels nous avons
exp´eriment´e et de fournir les r´esultats concernant ces synergies.
Dans ce chapitre, nous allons d´ecrire les ´el´ements suivants n´ecessaires `a
une description compl`ete de notre syst`eme :
Espace de recherche les r´eseaux de neurones
Voisinages ajout/suppression d’un neurone/lien . . .
Agents heuristique algorithme g´en´etique, recherche avec tabous,
re-cherche `a voisinage variable, recuit simul´e
Testeurs ´evaluation d’une configuration de backgammon1 et partage
d’in-formations dans une grille d’agents
Nous avons choisi l’espace des r´eseaux de neurones car il est le
prin-cipal format de fonctions soumis `a des recherches heuristiques [Yao99]. Il
s’agit donc d’un choix naturel pour ´etudier les synergies entre m´ethodes
de recherche de fonctions2. R´eseaux de neurones et ´emergence apparaissent
souvent conjointement comme dans le titre d’un article fondateur de
Hop-field [Hop82] : “Neural networks and physical systems with emergent
collec-tive computational abilities”.
1
Les r`egles du backgammon sont donn´ees en annexe page 155.
2Parmi les autres choix possibles, on peut citer les arbres de d´ecision, les arbres de
fonctions utilis´es en programmation g´en´etique.
Le choix de nos deux testeurs correspond `a la recherche de deux exemples
classiques dans le domaine de l’intelligence artificielle classique ou
dis-tribu´ee : la recherche d’une fonction d’´evaluation pour un jeu comme le
backgammon a donn´e lieu `a de nombreux travaux dont certains ont abouti
`
a des solutions de tr`es haut niveau [Tes95] ; la possibilit´e de trouver une
fonction d´eterminant le comportement d’une population d’agents cherchant
`
a calculer une fonction collective est ´etudi´ee en syst`eme multi-agent et
no-tamment en robotique [ØL03]. Les heuristiques que nous avons choisies
cor-respondent `a un ensemble classique.
Dans la suite du chapitre, nous d´ecrivons l’espace des r´eseaux de
neu-rones, ses g´en´erateurs, les heuristiques sous leur forme d’agents puis les deux
testeurs servant `a notre illustration. Ensuite nous abordons les r´esultats de
nos exp´erimentations pour les trois synergies potentielles que nous avons
d´ecrites pr´ec´edemment.
4.1 Espace de recherche des R´eseaux de neurones
Nous donnons ci-dessous une description de la forme d’un r´eseau de
neu-rones mais ´egalement de son interpr´etation calculatoire. Cette signification
du point comme calcul est n´ecessaire `a sa simulation. Nous donnons donc
l’information n´ecessaire permettant de passer du r´eseau `a la fonction qu’il
calcule c’est-`a-dire son comportement.
Dans le document
Intégration de l' émergence au sein des systèmes multi-agent <br />Une étude appliquée à la recherche heuristique
(Page 94-99)