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.

2

Parmi 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)