Systèmes multi-agents

Le domaine des systèmes multi-agents est né à la n des années 70 et début des années 80, de l'idée de distribuer les connaissances et le contrôle dans les systèmes d'intelligence articielle. Cette idée a émergé d'une part du besoin de faire face à la complexité croissante de ces systèmes et a été favorisée d'une autre part par l'émergence des modèles et machines parallèles, rendant possible la mise en oeuvre opérationnelle de la distribution [Has03].

Dénition 1.11 (Agent) Un agent est une "entité computationnelle", comme un pro- gramme informatique ou un robot, qui peut être vue comme percevant et agissant d'une façon autonome sur son environnement. On peut parler d'autonomie parce que son comportement dépend au moins partiellement de son expérience [Wei99].

Dénition 1.12 (Système multi-agents) Un système multi-agents est un ensemble d'en- tités (physiques ou virtuelles) appelées agents, partageant un environnement commun (phy- sique ou virtuel), qu'elles sont capables de percevoir et sur lequel elles peuvent agir [BDT99]. Les perceptions permettent aux agents d'acquérir des informations sur l'évolution de leur en- vironnement, et leurs actions leur permettent entre autres de modier l'environnement. Les agents interagissent entre eux directement ou indirectement, et exhibent des comportements corrélés créant ainsi une synergie permettant à l'ensemble des agents de former un collectif organisé.

1.7.2.1.1 Types d'agents dans un SMA

[Pot04] distingue trois types d'agents dans un SMA :

- Agent simple : n'importe quelle partie d'un programme assez simple à comprendre, même si les interactions entre groupes formés de ce type d'agents sont largement très diciles à comprendre.

- Agent autonome : c'est un programme informatique situé dans un environnement, qui est capable de faire des actions autonomes exibles an de réaliser ses objectifs.

- Agent adaptatif : c'est un agent qui peut s'améliorer au l du temps, i.e. il devient meilleur avec le temps dans l'atteinte de ses objectifs. Donc, c'est un agent capable de changer et d'améliorer son comportement au l du temps.

Actuellement, il existe deux tendances de recherche dans le domaine des multi-agents : la tendance cognitive, inuencée par l'IA symbolique, et la tendance réactive inuencée par la vie articielle et l'intelligence "sans représentation", appelée aussi embodied intelligence [Has03]. Cette dernière approche est la plus adaptée pour la modélisation des systèmes complexes adaptatifs car elle inclut l'émergence et l'imprévisibilité, caractéristiques clé dans les SCs. Le point clé des systèmes multi-agents réside dans la formalisation de la coordination entre les agents. La recherche sur les agents est ainsi une recherche sur :

1. La décision : On cherche à répondre aux questions suivantes : Quels sont les mécanismes de décision de l'agent ? Quelle est la relation entre les perceptions, les représentations et les actions des agents ? Comment décomposent-ils leurs buts et tâches ? Comment construisent-ils leurs représentations ?

2. Le contrôle : On cherche à répondre aux questions suivantes : Quelles sont les relations entre les agents ? Comment sont-ils coordonnés ?

3. La communication : On cherche à répondre aux questions suivantes : Quels types de message s'envoient-ils ? A quelle syntaxe obéissent ces messages ?

Les SMAs ont été largement appliqués pour la résolution de problèmes, la simulation de systèmes intelligents, la construction de mondes synthétiques et la robotique. Ils ont également des applications dans le domaine de l'intelligence articielle où ils permettent de réduire la complexité de la résolution d'un problème en divisant le savoir nécessaire en sous-ensembles, en associant un agent intelligent indépendant à chacun de ces sous-ensembles et en coordonnant l'activité de ces agents. On parle ainsi d'intelligence articielle distribuée.

1.7.2.1.2 Systèmes multi-agents et systèmes complexes

Les motivations derrière le choix des systèmes multi-agents comme étant un modèle puissant pour la mise en oeuvre des systèmes complexes adaptatifs ne sont pas souvent introduites dans la littérature des SMAs pour la raison principale que ces travaux sont orientés application. Une autre raison qui n'a pas permis l'adoption des SMAs comme modèle des SCs est la jeunesse de la théorie des SCs et de la non standardisation des concepts. Un bon exemple de cette non standardisation est que chacun des domaines d'étude et d'utilisation des SCs utilise ses propres dénitions et outils, contrairement au domaine des SMAs qui est très lié à l'informatique. Dans ce qui suit, on essaie de mettre en relief le lien entre les SMAs et les SCs à travers l'analyse des dénitions et des caractéristiques des SMAs données dans les sections précédentes.

En analysant la dénition des SMAs donnée par [BDT99] (Dénition 1.12) on peut extraire les points suivants :

un individu, une partie ou même un SC composant du système). Cependant, il existe une diérence principale entre l'agent d'un SC et celui d'un SMA : un agent dans un SC est plus simple que l'agent dans un SMA.

* L'environnement : c'est la même notion d'environnement dans les deux types de systèmes. Selon la dénition de [BDT99], il existe une possibilité que les agents changent l'environnement dans lequel ils évoluent, en plus du fait qu'ils sont inuencés par lui. Ceci nous rappelle la notion de "co-évolution" d'un SC avec son environnement.

* Les interactions : l'interaction entre les agents du système à bas niveau dans les deux modèles mène à une complexité au niveau global.

* L'organisation : Ici, on doit souligner le fait que dans un SMA, il doit exister une auto- organisation et pas une organisation pour qu'on puisse parler d'un SC. Cette auto-organisation doit être créée par le système et pas imposée par un agent ou une entité externe, par exemple un être humain.