Résumé : Cet article introduit un nouveau mécanisme demarché qui permet aux prosommateurs d’échanger de l’électricité tout en satisfaisant lescontraintes physiques du réseau. La règle d’allocation de notre marché est mise en œuvre aumoyen de RadPro, un algorithme efficace de programmation dynamique qui évalue en temps polynomial combien d’énergie chaque prosommateur échange ainsi que comment l’énergie doitêtre distribuée au travers du réseau. Nos résultatsempiriques montrent que RadPro surclasse demanière significative CPLEX et Gurobi en tempslors du calcul de l’allocation optimale dans desréseaux acycliques. De plus, la gestion par envoide messages de RadPro offre la possibilité d’exécuter notre marché d’une manière décentralisée(pair-à-pair).

Résumé : La planification de mission de constellations desatellites est un problème complexe soulevantd’importants défis technologiques pour les Systèmes spatiaux de demain. L’augmentation de lataille des constellations, les performances évoluées et l’hétérogénéité des satellites sont tousdes critères impliquant une combinatoire trèsélevée. Les techniques actuelles présentent deslimites, car elles planifient un satellite à la foiset non la constellation dans son ensemble.Dans cet article, nous proposons de résoudrece problème difficile par les Systèmes multiagents coopératifs. Une amélioration du modèle AMAS4Opt est présentée, permettant demaximiser la coopération entre les agents duSystèmes. De par leurs interactions locales, cesagents, permettent d’obtenir une solution debonne qualité en un temps raisonnable, en assurant un partage équitable des tâches au sein dela constellation. Enfin, une comparaison avecl’algorithme Glouton Chronologique, couramment utilisé dans le domaine spatial, souligneles avantages de l’approche proposée.

Résumé : L’utilisation du GPGPU (General-PurposeComputing on Graphics Processing Units) pourla simulation multiagent permet d’améliorer lesperformances des modèles et lève une partie descontraintes liées au passage à l’échelle. Cependant, adapter un modèle pour qu’il utilise leGPU est une tâche complexe car le GPGPU repose sur une programmation extrêmement spécifique et contraignante. C’est dans ce contexteque la délégation GPU des perceptions agentsa été proposée. Ce principe consiste à réaliser une séparation claire entre les comportements de l’agent (gérés par le CPU) et les dynamiques environnementales (manipulées par leGPU) dans le but de faciliter l’implémentationde SMA sur GPU. Il a été appliqué sur un casd’étude et a montré de bons résultats en termesde performances et de conception. Dans cet article, nous proposons de tester la généricité decette approche en appliquant le principe de délégation GPU sur un modèle agent très classique : les boids de Reynolds. Nous montronsque le principe de délégation offre des résultatsintéressants au niveau des performances maisaussi d’un point de vue conceptuel.

Résumé : La réalisation de plans d’activités par plusieursagents est généralement soumise à un ensemblede contraintes temporelles, impliquant notamment des contraintes de synchronisation entreagents. L’ensemble des contraintes temporellesd’un plan distribué peut être représenté en utilisant une structure Multi-agent Simple TemporalNetwork (MaSTN). Dans ce papier, nous considérons le problème du maintien de la cohérencetemporelle des plans distribués durant l’exécution, où les contraintes temporelles peuvent êtremodifiées. Pour cela, nous proposons de nouveaux algorithmes incrémentaux pour gérer lesMaSTN dynamiques. Nous analysons les performances de ces algorithmes lorsque les communications sont intermittentes.

Résumé : La recherche documentaire dans un corpus numérique s’apparente à un processus de navigation guidé par un besoin d’information d’unutilisateur. Cette navigation nécessite l’usaged’outils classiques de recherche d’informationpour sélectionner des documents pertinents enfonction d’une requête, mais ils doivent êtrecomplétés par des mécanismes de personnalisation et d’adaptation capable de faire évoluerla représentation du besoin en fonction des spécificités d’un utilisateur, de sa navigation encours ou du corpus considéré. Nous proposonsdans cet article un modèle multi-agent pourla navigation personnalisée permettant d’intégrer des facteurs hétérogènes de personnalisation.Ce travail s’inscrit dans le cadre d’un projet régional (PlaIR 2.0) ayant pour objectif ledéveloppement d’une plateforme d’accès personnalisé à un corpus numérique de documentsjuridiques.

Résumé : Le paradigme constructiviste de l’apprentissageen intelligence artificielle (IA) se développe largement à travers des concepts tels que l’IA incarnée, l’IA énactive ou la Robotique développementale. L’objectif commun à ces approchesest de créer des agents autonomes car dotésd’une capacité d’adaptation à leur environnement et même d’apprentissage, à l’image desorganismes biologiques. Un vaste champ d’application inclut tous les Systèmes en interaction avec un environnement complexe, dont lesobjectifs sont variés et non prédéfinis. Suivantce positionnement, nous nous intéressons iciau problème de l’intelligence ambiante. Nousproposons un modèle décentralisé d’apprentissage constructiviste pour un Systèmes d’AmIbasé sur une architecture multi-agent. Avec cetravail nous abordons notamment le problèmede l’amorçage de l’apprentissage sensorimoteur pour des environnements réels continussans modélisation de l’environnement à priori.

Résumé : Avec la généralisation de l’information voyageurs en temps réel, la dynamique des réseauxde transport est de plus en plus difficile à analyser et à prévoir. Il devient nécessaire de développer des outils de simulation pour les décideurs de politiques de mobilité, tenant comptede ce nouvel environnement informationnel. Eneffet, informer un très grand nombre de voyageurs guidés individuellement peut avoir desconséquences importantes sur l’état du trafic. Ilest utile d’évaluer cet impact par la simulation.Or, les simulations multi-agent existantes pourla mobilité de voyageurs ne peuvent prendre enconsidération qu’une partie du volume réel devoyageurs. En distribuant ces simulations, il serait possible de prendre en compte des volumesréels de voyageurs connectés et d’analyser et deprévoir l’état des réseaux de transport. Dans cetarticle, nous proposons une comparaison entredeux méthodes pour la distribution des simulations multi-agent de mobilité des voyageurs,permettant la prise en compte de flux réalisteset de zones géographiques étendues.

Résumé : Ce document propose l’utilisation d’une institution artificielle située (SAI) au sein d’un systèmes multi-agents normatif, interactif, et hybridepour réguler la collaboration humaine dans unesituation de gestion de crises. Les normes permettent de réguler les actions des acteurs humains en fonction de la dynamique de l’environnement dans lequel ils sont situés. Cette dynamique provient à la fois de l’évolution de l’environnement et de l’activité des acteurs. Notreobjectif est de coupler les normes et les caractéristiques de l’environnement pour proposer unerégulation de crises ancrée dans le contexte. Enajoutant un niveau constitutif entre l’environnement et les normes, l’utilisation de SAI permetla mise en place d’un couplage lâche entre cesdeux éléments. Ainsi, les normes ne se réfèrentplus à des faits environnementaux, mais auxfonctions statutaires, c’est-à-dire à l’interprétation institutionnelle des faits environnementauxselon des règles constitutives. Nous montronscomment cette modélisation déclarative et distincte permet de gérer l’interprétation des événements, tout en tenant compte du contexte organisationnel.

Résumé : Le benchmarking de performance est devenuun thème important dans la robotique. C’est eneffet un moyen essentiel de comparer des solutions dans des conditions différentes. Danscet article, nous nous intéressons sur l’analysecomparative des performances des Systèmesmulti-robots qui explorent et cartographient desterrains inconnus. Nous proposons une sélection de métriques pour comparer objectivementdifférents algorithmes de coordination de Systèmes multi-robots pour effectuer l’exploration.Nous identifions également des paramètres quiinfluent sur la performance de la flotte robotique. En faisant varier les paramètres, nouspouvons identifier les forces et les limites d’unalgorithme. Ce travail est aussi une premièreétape concrète pour résoudre le problème général de la comparaison quantitative de différentsalgorithmes de coordination multi-robots. Nousillustrons ces contributions avec des simulationsréalistes d’une stratégie d’exploration basée surles frontières. Ces simulations ont été mises enœuvre à l’aide du middleware ROS, ce qui permet de découpler le code des contrôleurs desrobots du moteur physique du simulateur. Nouspouvons donc utiliser le même code aussi bienen simulation qu’avec de vrais robots.

Résumé : Cet article présente un modèle multiagent detrafic coopératif et son implémentation, vuecomme une extension du simulateur de traficMovSim. La dynamique physique des véhiculesest décrite avec le point de vue du domainede la théorie du trafic en proposant un modèlemicroscopique, multi-anticipatif et bilatéral desuivi de véhicules. Ce modèle est enrichi par desparadigmes agent qui influencent le comportement des véhicules grâce aux mécanismes deperception, de communication et au concept deconfiance. Les résultats en simulation, utilisantdes données réelles, mettent en valeur l’impactpositif des véhicules connectés sur l’homogénéisation du flux de trafic, même en présence decapteurs défaillants. Le travail présenté se positionne aussi comme un outil d’aide à la décisionpour le déploiement futur de véhicules coopératifs et de leur infrastructure, et pour la conception de stratégies de contrôle de tels Systèmes.

Résumé : L’un des principaux problèmes en simulationmulti-agent est la définition des paramètres dumodèle agent et leur calibration. Ce problèmeest encore plus difficile lorsqu’on considèredes environnements virtuels immersifs, dans lesquels les agents intelligents doivent reproduiredes comportements humains et apparaître « réalistes » aux yeux des utilisateurs. Dans cet article, nous proposons d’enregistrer et d’analyser les comportements des agents pour évaluerleur similarité avec ceux des humains dans unenvironnement virtuel immersif. Nous utilisonsdes méthodes de classification pour construireune abstraction des comportements individuels.Les types de comportement sont étudiés selon lacomposition de ces classes pour déterminer lesmanques, capacités et erreurs dans le modèleagent. Cette méthode nous permet 1) d’écarter les jeux de paramètres invalides, 2) de calibrer des simulations valides et 3) d’expliquerles manques du modèle agent pour l’améliorer.

Résumé : Alors que la recherche sur les Systèmes multiagent devient de plus en plus mature, la communauté se heurte aux mêmes difficultés quecelles rencontrées par les roboticiens en termede complexité de conception. Deux problèmesmajeurs sont les environnements dynamiques etl’interface entre les agents et ces environnements.Dans cet article, je propose de s’appuyer sur lathéorie de la cognition incarnée pour réifier lanotion de corps pour les agents logiciels, de lamême façon que l’environnement a été montrécomme étant une abstraction de premier ordredans la conception de systèmes multi-agents. Jepropose un ensemble de responsabilités pour lecorps des agents, et montre comment une architecture de systèmes multi-agents peut utiliser ceconcept pour déléguer une partie des processusde l’agent à son corps, comment cela préservel’autonomie des agents, et comment l’utiliserau delà des environnements physiques (réels ousimulés). J’illustre ensuite ce paradigme avecune architecture pour le calcul de la dynamiqueémotionnelle qui prend en compte des événements ponctuels, la dynamique temporelle et lacontagion émotionnelle. Finalement, je discuteles défis et questions ouvertes levées par l’adoption de cette approche dans les Systèmes multiagents.

Résumé : L’intelligence ambiante (AmI) connaît actuellement un développement croissant d’applications.Afin de mettre en place flexibilité d’installation etgénéricité dans le déploiement et l’approvisionnement de solutions de gestion de contexte, nousproposons CONSERT, un integiciel de gestiondu contexte (CMM), basé sur les techniques etles principes du Web sémantique et des Systèmesmultiagents. Dans cet article, nous nous appliquons à montrer comment l’architecture multiagent de ce CMM offre la souplesse nécessairepour déployer différents types de schémas de provisionnement de contexte pour répondre à différentes applications d’AmI. Nous présentons l’utilisation de notre solution avec un scénario issudu domaine de la gestion d’une université “intelligente”.

Résumé : Depuis quelques années, les travaux sur lesSMA multi-niveaux ont pris une importancecroissante. Devant la diversité des modèles proposés, nous pensons qu’il est utile d’identifierdes situations récurrentes et de les caractériserd’une manière suffisamment abstraite pour pouvoir comparer de manière formelle les modèlesexistants et faciliter la conception de nouveauxmodèles. Dans ce but, nous proposons une première liste de patterns SMA multi-niveaux. Cespatterns sont issus d’un travail d’unificationde modèles SMA multi-niveaux dédiés à la résolution d’un problème spatialisé (la généralisation cartographique). La structure et la dynamique de chaque pattern sont décrites formellement et accompagnées d’exemples issusd’une part du contexte de la généralisationcartographique, d’autre part d’autres contextesapplicatifs multi-agent, en simulation notamment. Nous discutons également la possibilitéde réutiliser et composer ces patterns.

Résumé : Cet article aborde la question de la simulationmulti-agent mettant en jeu plusieurs disciplineset expertises. Nous montrons que cela requiertde combiner la simulation multi-expert avec lamodélisation multi-niveau. Pour ce faire, nousproposons le modèle SIMLAB 1 basé sur une représentation unifiée des concepts par des agentspouvant s’influencer les uns les autres dans différents axes et di↵érents niveaux d’abstraction.Nous illustrons le potentiel de cette approchesur un exemple typique de Systèmes complexemulti-expert : la réduction de la consommationénergétique qui combine des expertises sur l’activité humaine, l’efficacité énergétique, la thermodynamique, etc.

Résumé : L’adaptation des Systèmes ambiants auxbesoins spécifiques des utilisateurs est unetâche complexe. Pour rendre l’interactionhumain-Systèmes aussi naturelle que possiblependant l’adaptation, nous proposons uneapproche basée sur l’apprentissage pardémonstration. Cet apprentissage requiert destechniques d’apprentissage adaptatifs. Nousprésentons Alex, un systèmes multi-agentscapable d’apprendre dynamiquement uncomportement à partir de démonstrationsréalisées par un tuteur. Les résultatsd’expérimentations réalisées à la fois sur unrobot réel et virtuel mettent en avant despropriétés intéressantes de notre technologiepour des applications ambiantes.

Résumé : L’approche multi-agent est par nature adaptéeà une conception incrémentale des modèles. Lamodularité de l’approche permet la conceptionprogressive des éléments du Systèmes cible, parl’ajout de nouvelles entités, de nouveaux modesd’interaction et d’organisation, ou l’inclusionde nouveaux comportements. Cependant, lesméthodes de conception de logiciels usuelles nesont en général pas applicables dans leur ensemble au développement des Systèmes de simulation à base d’agents, la principale difficultéétant l’émergence de comportements collectifs.Dans cet article, nous proposons une méthodede conception dirigée par les tests adaptée auxsystèmes multi-agents, inspirée à la fois des modèles en spirale et de la conception dirigée parles tests. L’ajout d’une fonction est spécifiée auniveau du Systèmes, tandis que l’analyse et laconception se fonde sur la vérification des propriétés individuelles. Nous illustrons cette méthode avec un cycle de conception d’un modèlede poids-lourd dans une simulation de trafic.

Résumé : Nous étudions la propagation d’une perturbation dans un réseau d’interaction formé par unsystèmes multi-agents. Ce réseau est représentépar un graphe où les agents sont les noeuds etles interactions sont les arcs dirigés. La perturbation considérée ici est celle de l’état internede l’agent qui est réduit à une variable réelledépendant du temps. Cet état peut être "stable"ou "perturbé" selon la nature dynamique decette variable. Nous supposons que le réseaud’interaction possède initialement un agent perturbé qui est une série temporelle chaotique.Notre objectif consiste à détecter l’ensemble desagents qui deviennent perturbés suite à l’interaction dans le réseau. Nous cherchons également à identifier la source de la perturbationdans le graphe à partir des séries temporellesdes agents. Nous proposons alors un algorithmepermettant de remonter à la source depuis unagent quelconque impacté par la perturbation.Nous présentons dans cet article les résultatsdes simulations effectuées pour tester cet algorithme.

Résumé : Dans cet article, nous proposons des stratégies muticritères pour la formulation de contrepropositions dans le cadre d’enchères anglaisesmulticritères inversées. Dans ce type d’enchères, un agent acheteur négocie avec plusieurs agents vendeurs un accord portant surun produit unique. Le modèle de préférences del’agent acheteur se fonde sur des points de référence qui représentent, d’une part, les valeurssouhaitées et d’autre part les valeurs minimalesacceptables sur chaque critère. Afin d’assurerune évolution optimale du processus de négociation, les enchères anglaises font souvent appel à un incrément qui représente la surenchèreminimale à respecter par toute proposition comparée à la meilleure proposition courante. Généralement. l’incrément est fixé avant le débutdes enchères et demeure fixe tout au long du processus. Notre objectif est de proposer un mécanisme d’ajustement de l’incrément au cours dela négociation : nous proposons un algorithmeanytime s’appuyant sur la méthode de lissageexponentiel qui adapte l’incrément au contextede l’enchère, en considérant le nombre d’agentsvendeurs encore en lice et le temps restant àchaque itération. Par ailleurs, nous présentonset démontrons plusieurs propriétés de l’algorithme proposé et nous validons l’approche proposée par des résultats expérimentaux.

Résumé : Bien que plusieurs méthodes et outils aient étéproposés pour l'ingénierie des SMA durant lesdeux dernières décennies, passer des modèlesSMA au code reste une tâche difficile. Lamajorité de ces méthodes ne parvient pas àproposer une solution pour la réutilisation desimplémentations existantes telles que lesprocessus incrémentaux. Notre propositionrépond à deux problèmes : combler le fosséentre la modélisation des SMA etl’implémentation d’une part, et fournir uneapproche incrémentale de développement deSMA en s’appuyant sur les lignes de produitslogiciels d’autre part. Cette approche se basesur une description de la variabilité grâce à desmodèles de caractéristiques et utilise unframework de ligne de produits logiciels pour lagénération des différentes variantes del’application.

Résumé : Cette démonstration présente l’application dela plateforme de simulation MECSYCO (Multiagent Environment for Complex SYstems COsimulation), antérieurement appelée AA4MM,dans le contexte des smart grids. Nous montrons, notamment à partir d’un cas d’usage tiréd’un scénario réel, comment cette plateformepermet d’intégrer des simulateurs hétérogènesexistants et de simuler l’ensemble de manièrecohérente et complètement décentralisée.

Résumé :

Résumé :

Résumé :

Résumé :

Résumé : Nous visons dans ce travail la coopération desystèmes multi-agents (SMA). Une approchepossible est de considérer au niveaumacroscopique chaque SMA comme uneentitéindépendante.Celapermetd’augmenter l’intelligibilité de la solutionglobale par une réduction de la complexité.Nous expliquons dans cet article le problèmevisé ainsi que la démarche suivie.

Résumé : L’article décrit le Systèmes SIEGMAS(Stakeholders Interactions in EnvironmentalGovernance by a Multi-Agent System) desimulation des interactions entre les partiesprenantesdanslagouvernancecommunautaire des ressources naturellesdans les îles de l’Océan Indien. Ce Systèmesd’aide à la décision repose sur un modèled’agents permettant d’étudier les interactionsentre les agents agissant sur un territoiresous un aspect économique via une interfaceagronomique.Le travail présenté ici constitue uneextension d’un premier Systèmes SIEGMASétendu au travers d’une interface interactiveet dynamique dotant notre Systèmes depropriétés puissantes de configurationpar cartes et d’interprétation des résultats.L’objectif de SIEGMAS est double. D’unepart, il s’agit d’offrir un modèle dédié à lacommunauté économique pour la gestiondes ressources naturelles. D’autre part,l’objectif consiste à d’offrir un cadre desolution informatique adaptée aux décideursdu milieu économique et politique.

Résumé : De nombreuses études en psychologie socialemontrent que les relations de confiance interindividuelles influencent les dynamiques degroupe et la performance d’une équipe. Pourl’émergence de comportements collectifs cohérents dans un groupe d’agents, nous proposonsun modèle d’agent cognitif dont le processus décisionnel individuel prend en compte ses relations de confiance, dont la modélisation et ladynamique est inspirée du modèle proposé par[Mayer et al., 1995].

Résumé : Aujourd’hui de plus en plus d’objets sont susceptibles de communiquer entre eux, comme lessmartphones par exemple mais aussi, plus généralement, des objets du quotidien porteursde capteurs multiples. Dans le cas d’entitésmobiles autonomes évoluant dans un espacephysique, la collaboration devient une nécessité pour qu’elles atteignent des objectifs complexes. Sa mise en oeuvre suppose de prévoirdes schémas d’organisation mais aussi des protocoles d’échanges de données élaborés. Il fautalors prendre en compte les caractéristiquespropres de ces objets simulés, modifier les protocoles de communication et choisir les informations à transmettre en fonction du domained’application dans le but de définir un vocabulaire adapté et d’optimiser les échanges.Nous nous attachons à définir ce qu’est la collaboration et ce qui la caractérise. Sur la basede cette contribution, nous nous interrogeonssur quelques approches intéressantes pour la représenter tout en tenant compte des contraintesréelles des applications. Pour étudier nos propositions, nous utilisons les Systèmes multiagents qui constituent un paradigme adéquatpour la modélisation et la simulation de Systèmes complexes mettant en oeuvre des entitésmobiles (contexte de simulation continue). Nousproposons une architecture et un schéma deconception permettant l’intégration de la communication entre agents. Nous illustrons l’intérêt de la collaboration à travers l’exemple d’unréseau de drones ayant une mission collectiveglobale.

Résumé :