Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA)
description
Transcript of Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA)
N.Kabachi1
Intelligence Artificielle Distribuée Intelligence Artificielle Distribuée etet
Systèmes Multi-AgentsSystèmes Multi-Agents(IAD-SMA)(IAD-SMA)
N.Kabachi2
PLAN GENERAL
BibiliographieHistoriqueDe l’IA à l’IADThèmes de recherche de l’IADProblèmes de base en IADSociété d’Agents (SMA)
• Concept d’Agent• Communication• Organisation• Coopération• Résolution de conflits
Exemple d’application
N.Kabachi3
• A.H. BOND et L.GASSER. Reading in distributed artificial intelligence, Morgan Kaufmann publishers, Inc, 1988.
• Y. SOHAM. Agent-Oriented Programming. In Artificial Intelligence, vol. 60, pp +139-159, 1993.
• J. FERBER. Les systèmes multi-agents : vers une intelligence collective, InterEdition, Paris, 1995.
• Y. DEMAZEAU et J.P. MULLER. Decentralized Artificial Intelligence (2), Y. Demazeau and J.P. Muller (Eds.), Elsevier Science Publisher B. V. (North-Holland), pp. 3-10, 1991.
Bibiliographie
N.Kabachi4
Historique (1)
Le Système HEARSAY (II) de B. Hayes-Roth : premier système d’IAD pour la reconnaissance de la parole. 1973 (Erman 80).
Les Acteurs de Hewitt, MIT: résolution de problèmes d’IA, 73.
Le Système DVMT de Lesser, Distributd Vehicle Monitoring Testbed,un système de trafic routier par synthèse des observations de capteurs, 83
La Société de l’Esprit de Minsky, the Society of Mind, 86.
Le Système MACE de Gasser, 1987
Le Contract Net de Smith, utilisation du concept de négociation pouradjuger des contrats, 1988
Les Micro-Robots de Brooks, 1989
N.Kabachi5
Historique (2)
Une nouvelle approche s’est développée depuis, elle essaye de faire Coopérer des Entités auxquelles sont rattachées descaractéristiques de haut niveau.
Ces entités seront désormais nommées Agents et les systèmes correspondants seront appelés Systèmes Multi-Agents (SMA)
N.Kabachi6
De l’IA à l’IAD
Contrairement à L’IA classique qui s’appuie sur la concentration de l’expertise et du raisonnement à un système simulant un raisonnement humain
L’IAD considère que la résolution des problèmescomplexes nécessite :
• la distribution du contrôle• la distributions des connaissances• la distributions des informations nécessaires
parmi une communauté d’acteurs (Agents).
N.Kabachi7
Thèmes de recherche de l’IAD
Trois Axes Fondamentaux :1. Les Systèmes Multi-Agents (SMA)Faire coopérer un ensemble d’agents dotés d’un comportementintelligent et de coordonner leurs buts et leurs plans d’actions pour la résolution d’un problème.
2. La Résolution Distribuée des Problèmes (RDP)Comment diviser un problème particulier sur un ensemble d’entités distribuées et coopérantes et comment partager la connaissance du problème et d’en obtenir la solution.
3. L ’Intelligence Artificielle Parallèle (IAP)Concerne le développement de langages et d ’algorithmes parallèles pour l ’IAD.
N.Kabachi8
Problèmes de base en IAD (1)
Six Problèmes essentiels (Bond et Gasser en 88, 91) :
1. Comment formuler, décrire, décomposer, allouer des problèmeset synthétiser les résultats parmi un groupe d’agents.
2. Comment permettre aux agents de communiquer et d ’interagirquels langages ou protocoles de communication utiliser, quoi et quand communiquer.
3. Comment s’assurer que les agents agissent d’une manièrecohérente dans la phase de prise de décisions ou d’exécution d’actions en évitant les interactions nuisibles.
N.Kabachi9
Problèmes de base en IAD (2)
4. Comment s’assurer que les agents individuels représentent etraisonnent au sujet des actions, des plans et de la connaissancesdes autres agents afin qu’ils puissent être coordonnées entre eux.
5. Comment reconnaître et réconcilier des points de vue dispersés et des intentions conflictuelles parmi une collection d’agents quiessayent de coordonner leurs actions.
6. Comment construire des systèmes d’IAD pratiques; comment créer des plates-formes et des méthodologies de développement pour l’IAD.
N.Kabachi10
Société d’Agents (1)
SMA = Agents + Environnement + Interactions + Organisations
(AEIO) Y. Demazeau, 95
L’étude des SMA permet de représenter le comportement de communautés d’agents «intelligents»
en société.
SMA un système <O, E, A> où :O est un ensemble d’objets, A est un ensemble composé d’agents, O et A étant immergés dans un environnement E J. Erceau & J.Ferber, 93.
N.Kabachi11
Société d’Agents (2)
Environnement
luimoi
le mondeDécision
Commun
icatio
nCommunication
Actions
Perception
N.Kabachi12
Concepts d’Agent (1)
Agent :
Un Agent peut être défini comme une entité (physique ouabstraite) capable d’agir sur elle-même et son environnement,disposant d’une représentation partielle de cet environnement, pouvant communiquer avec d ’autre agents et dont le comportement est la conséquence de ses observations, de sa connaissance et des interactions avec les autres agents. J. Ferber et G. Ghallab, 88
N.Kabachi13
Concepts d’Agent (2)
Agent : une entité intelligente, agissant rationnellement et intentionnellement, en fonction de ses buts propres et de l’état actuel de sa connaissance.
Y. Demazeau & J.P. Müller, 90
Deux dimensions J. Erceau & J. Ferber, 91
SocialeIndividuelle
N.Kabachi14
Concepts d’Agent (3)
Agents Cognitifs vs réactifs
AGENTS COGNITIFS AGENTS REACTIFS
Représentation explicite de l’environnement
Pas de représentation explicite
Peut tenir compte de son passé Pas de mémoire locale
Agents complexes Fonctionnement stimulus/action
Nombre d’agents réduit Nombre d’agents élevé
N.Kabachi15
Agent purement situé: – l'environnement possède une métrique, – les agents sont situés à une position dans l'environnement
qui détermine ce qu'ils perçoivent;– ils peuvent se déplacer;– il n'y a pas communications directes entre agents, elle se
font via l'environnement Agent purement communiquant:
– il n'y a pas d'environnement au sens physique du terme, – les agents n'ont pas d'ancrage physique, – ils communiquent via des informations qui circulent entre
les agents
Concepts d’Agent (4)
N.Kabachi16
Un Modèle Générique d’Agent Cognitif
Messages / Décisions Messages / Décisions
figure .3. « Un Modèle Générique d’Agent Cognitif »Modèle Cognitif
Accointances
CompétencesUnité de Contrôle
Tâches àRéaliser
AssociationsTâches /Contrôles
Inférences
Module de Communication
Interprétation
Création de Message /Décision.
Envoi de Message /Décision.
Boites auxlettres
Classification
Module de Perception
Récupération
Informations (données, variables, ...)
Module de Raisonnement
Mecanisme d’inférence
Basede Méta- Règles
Raisonnement
Buts
m.à.j
Accointances
Compétences
Intent/ Ratio
N.Kabachi17
Perception Communication
Environnement Communauté d'agents
Agent
Architecture d’un Agent (1) (modèle spécifique)
Connaissances
: Processus d'engagement
: flux de contrôle: flux de données
: Connaissances
: Fonctionnalités
Contrôle
N.Kabachi18
Perception Communication
Environnement Communauté d'agents
Agent
: Processus d'engagement
: flux de contrôle: flux de données
: Connaissances
: Fonctionnalités
Contrôle Connaissances
Architecture d’un Agent (2)
N.Kabachi19
Connaissances d’un Agent
Connaissances du domaine
Connaissances de contrôle• Intentions • Croyances• Décisions• Rationalités• Engagements
Connaissances de communication• Accointances• Expertises de communication• Messages
N.Kabachi20
Base de Faits
Base de règles
Règles de conception des solutionsRègles de raisonnement
Méta-règles
Compétences Concepts CC : idées directrices pour déclencher les compétences méthodes
Compétences Méthodes CM : connaissances sur les méthodes, heuristiques, paramètrages.
Connaissances du Domaine
Exemples :
CC : Améliorer la performance du système : productivité, respects des délais,..
CM : Les méthodes de GP, les méthodes de motivation du personnel, etc..
N.Kabachi21
Processus de Prise d’Engagements (1) (contrôle)
Perception Communication
Environnement Communauté d'agents
Agent
Connaissances
: Processus d'engagement
: flux de contrôle: flux de données
: Connaissances
: Fonctionnalités
Contrôle
N.Kabachi22
Perception Communication
Accointances
Croyances
Engagements
Rationalités (Rs, Re)
DécisionsIdentification
Raisonnement
ConceptionCompétences
Tâche à réaliser
Actionspossibles
IntentionsContrôle
Processus de Prise d’Engagements (2)
N.Kabachi23
Algorithme de Contrôle d’un Agent (exemple) Boucle : Attente flots de données (perception, communication, raisonnement)
Boucle : Sélection de l’événement à traiter,- Si (Communication) :
- Validation « Accointances »,- Si (Décision) :
. Mise à jour « Module Cognitif »,
. Activer le « Raisonnement » ( but : prendre une décision ),
. Attente signal « Raisonnement »,
. Activer la « Communication » ( création de décision ).- Si (Message) :
. Traiter le type (requête, information, réponse) :- Si (Requête)
. Identifier le type de problème,
. Activer le « Raisonnement » (but : répondre),
. Attente signal « Raisonnement »,
. Activer la « Communication » (réponse).- Si (Rationalités)
. Mise à jour « Module Cognitif »,- Si (Information)
Fin Boucle - ... Fin Boucle
N.Kabachi24
Communication (1)
Ensemble des processus physiques et psychologiques parlesquels s’effectue l’opération de mise en relation d’un émetteur avec un ou plusieurs récepteurs, dans l’intention d’atteindre certains objectifs. Anzieu, 68, Searle, 69 et Cohen et Levesque, 90
La communication est un moyen ou une méthode de coopération ou d’interaction entre agents
N.Kabachi25
Communication (2)
Pourquoi communiquer ?les agents communiquent et interagissent • pour synchroniser leurs actions et pour résoudre des conflits (de ressources, de buts ou d’intérêts). • pour s’aider mutuellement ou pour suppléer aux limites de leurs champs de perception. Quand et avec qui communiquer ?les agents communiquent • lorsqu’ils sont face à un problème qu’ils ne savent pas résoudre (manque de compétences ou de ressources), • lorsqu’il est nécessaire de coordonner leurs actions, • lorsqu’il y a un conflit entre plusieurs agents.
N.Kabachi26
Communication (3)
Comment communiquer ?
Deux procédures de communication pour véhiculer les messages (porteurs d’informations ou d’actions) entre agents :
1. communication par partage d’informations2. communication par envoi de messages
N.Kabachi27
Communication (4)
1. communication par partage d’informationsMécanisme du Blackboard (Nii. 1986)
.
.
.
Agent
AgentStructure partagée
.
.
Dispositif de Contrôle
Agent
N.Kabachi28
2. communication par envoi de messages
Communication (5)
AgentAgent
Agent
Agent
Agent
Agent
Agent
Diffusion
Communication avec accusé de
réception
Agent
Communication sélective
N.Kabachi29
Numéro Message :
Agent Destinataire :
Nature :
Type :
Etat :
Contenu : Date :
Chaque message a un numéro d’identification.
Agent Expéditeur : Nom de l’agent expéditeur
Nom de l’agent destinataire
Nature du message (décision, rationalité, requête, réponse, etc.).
Type de message (urgent, prioritaire, normal)Etat du message (traité, non-traité).
Corps du message.Date d’envoi du message.
Structure Générique d’un Message
Communication (6)
N.Kabachi30
Processus d’« Interprétation »- Scrutation de la boîte aux lettres (périodiquement, ou par signaux
d’activation)- Classification en fonction du type de message,- Envoi signal à l’« unité de contrôle ».
Boucle : Attente signaux de contrôle * Processus de « Création » - Si (Décision) . Lire la valeur des paramètre (prédéfinis), . Création d’une décision pour le Centre d’Activité, - Si (Réponse Requête)
. Création d’un message réponse pour l’agent demandeur, - Si (Requête) ... * Processus d’ « Envoi »
- Envoi du message ou de la décision créée au destinataire. Fin Boucle
Algorithme de Communication
Communication (7) - Exemple