Résumé : Dans le domaine de la sécurité routière a lieuune réflexion sur le partage de la route aux différents modes de déplacements, notamment viale repositionnement du marquage latéral. Cependant, l’effet d’un changement du profil entravers de la route sur les comportements desconducteurs a été jusqu’ici peu étudié. Le projet PROFIL a eu pour objectif d’étudier cet impact dans différentes situations (véhicule instrumenté, simulateur de conduite, simulateur detrafic). Dans ce cadre, nous proposons le modèleLFM (Lateral Force Model), prenant en compteles effets longitudinaux et latéraux du profil entravers au sein de la voie de circulation. Nousmontrons que ce modèle, fondé sur IDM (Intelligent Driver Model) dans sa composante longitudinale, reproduit de façon effective les effetsdes véhicules croisés, de la largeur de la voieen circulation libre, et des situations de croisement et de virage selon les données recueilliesdans des expérimentations en situation réelle eten simulateur.

Résumé : L’analyse comportementale des véhicules autonomes représente un challenge majeur dans lemonde de l’automobile. Dans le but d’assurerune conduite sécurisée et fluide, plusieurs méthodes peuvent être appliquées, notamment lasimulation informatique. L’analyse, cependant,doit tenir compte de très nombreux paramètresévoluant en temps réel. Dans ce contexte, nousétudions le changement de voie d’un véhiculeà différents niveaux d’abstraction. Cela nousconduit à déterminer les propriétés qui peuventêtre validées avec un niveau d’abstraction plushaut, où l’espace des paramètres est réduit, permettant une analyse plus efficace.

Résumé : Avec l’avènement du véhicule autonome et lamutation que va connaître le secteur automobiledans les dix prochaines années, la simulation detrafic routier a pris un nouvel essor. C’est notamment l’un des rares moyens pour tester unvéhicule autonome in silico [7]. Pour y parvenir, les générateurs actuels doivent augmenterleur réalisme. Nous soutenons ici que l’un despoints majeurs de ce réalisme concerne la capacité des générateurs à produire des accidentsdans l’environnement du véhicule testé. À notreconnaissance, aucun des générateurs existantsne prend en compte cette considération nécessitant une description plus fine que celle habituellement utilisée pour décrire le comportement de conduite. Nous décrivons dans cet article un modèle de comportement paramétriquepermettant une telle performance, et montronsqu’il répond aux faits stylisés reconnus en accidentologie.

Résumé : Le raisonnement sous contraintes est une destechniques majeures en intelligence artificielleet en recherche opérationnelle, pour modéliserdes problèmes de décision et concevoir des méthodes de résolution efficaces. Sa déclinaisondistribuée, le raisonnement sous contraintes distribué (DCR) est un outil puissant pour mettreœuvre des décisions coopératives dans le cadredes systèmes multi-agents. De tels problèmes sedéclinent en (i) des problèmes de satisfaction decontraintes (DisCSP) où l’on recherche une solution satisfaisant toutes les contraintes et en (ii)des problèmes d’optimisation sous contraintes(DCOP) où l’on recherche une solution minimisant un coût global induit par les contraintes.Cet état de l’art se focalise sur le cas des DCOP,qui ont démontré leur forte applicabilité à desproblèmes réels. Nous présenterons les principales familles de problèmes et de méthodes derésolutions, ainsi que des exemples d’applications.

Résumé : Les satellites d’observation de la Terre stockentde larges quantités d’images à bord au cours deleurs missions. La planification de télédéchargement de ces images vers la Terre est un problèmedifficile. En effet, le nombre croissant d’imageset de stations réceptrices cause une explosioncombinatoire difficilement traitée par les techniques existantes.Les systèmes multi-agents coopératifs ont montré leur adéquation pour résoudre efficacementune large variété de problèmes d’optimisationprésentant une combinatoire élevée. Dans le Systèmes DOMAS ici présenté, les agents basés surle modèle AMAS4Opt permettent l’émergenced’une solution satisfaisante en un temps de calcul raisonnable grâce à leur comportement localet coopératif. Une comparaison avec un algorithme couramment utilisé sur des scénarios dynamiques souligne l’adéquation de l’approcheproposée.

Résumé : Dans le cadre de la résolution des problèmesd’optimisation des contraintes distribués (DCOP),les algorithmes approchés de propagation decroyances (BP) comme Max-Sum sont descandidats de choix. Cependant, lorsque le modèlegraphique sous-jacent est très cyclique, cesméthodes de résolution souffrent de mauvaisesperformances, en raison de la non-convergenceet des trop nombreux messages échangés. Afind’améliorer les performances de Max-Sum surde tels DCOPs, nous proposons de s’inspirerde la décimation guidée par BP pour résoudredes problème k-SAT. Nous proposons la nouvelleméthode DeciMaxSum, paramétrable par descritères de déclenchement de décimation, de choixde variables à décimer et de valeurs pour cesvariables. Sur la base d’une évaluation expérimentale sur le modèle d’Ising, certaines de cescombinaisons de critères présentent de meilleuresperformances que les algorithmes concurrents.

Résumé : Les conflits constituent une caractéristique intrinsèque des systèmes multi-agents qui peut êtrerésolu par la négociation. Cet article présenteun état de l’art de la négociation multi-agenten mettant l’accent sur sa variante la plus élémentaire : la négociation bilatérale par concession. Nous fournissons ici une grille d’analysequi distingue : i) l’environnement de négociation(objectifs, parties prenantes, protocole et stratégies) ; ii) les propriétés attendues du résultat ; etiii) celles du processus.

Résumé : La négociation automatique est un sujet qui suscite un intérêt croissant dans la recherche en IA.Les méthodes de Monte-Carlo ont quant à ellesvécu un grand essor, notamment suite à leur utilisation sur les jeux à haut facteur de branchementtel que le go.Dans cet article, nous décrivons un agent denégociation automatique, Monte-Carlo Negotiating Agent (MoCaNA) dont la stratégie d’offres’appuie sur la recherche arborescente de MonteCarlo. Nous munissons cet agent de méthodesde modélisation de la stratégie et de l’utilité adverse. MoCaNA est capable de négocier sur desdomaines de négociation continus et dans uncontexte où aucune borne n’est spécifiée. Nousconfrontons MoCaNA aux agents de l’ANAC2014 et à un RandomWalker sur des domainesde négociation différents. Il se montre capablede surpasser le RandomWalker dans un domainesans borne et la majorité des finalistes de l’ANACdans un domaine avec borne.

Résumé : La qualité d’expérience (QoE) est définie commela mesure de la satisfaction des utilisateurs d’unservice. Les travaux existants sur la QoE reposent sur une vision binaire de la satisfaction,qui a été critiquée par de nombreuses études empiriques, soulignant son aspect graduel. L’objectif de cet article est d’aller au-delà de cette visionbinaire, et de proposer un mécanisme de gestion de la QoE. En particulier, nous proposonsun mécanisme de négociation « un-à-plusieurs »permettant au fournisseur de service de se charger de la gestion de la satisfaction pour atteindredes objectifs fins de QoE, tout en minimisant lescoûts. Ce problème est formulé comme un problème d’optimisation, pour lequel un modèle linéaire est proposé. Pour référence, un solveurlinéaire générique est utilisé pour trouver la solution optimale, et une approche heuristique alternative est proposée afin d’améliorer la réactivité lorsque le Systèmes monte en échelle avecun nombre croissant d’utilisateurs. Les deux solutions sont développées et évaluées expérimentalement en comparaison d’autres cadres de négociation « un-à-plusieurs » de l’état de l’art.

Résumé : Dans nos travaux, nous proposons SAMP, unoutil de modélisation de systèmes multi-agentsoffrant la possibilité de modéliser des agents,leurs comportements et leurs interactions. DansSAMP, nous avons intégré un Systèmes de traitement des interactions basées sur la notion d’agents actifs/passifs. Dans une approcheque nous appelons classique, les agents sontconstamment actifs dans le processus des interactions. Dans SAMP, nous gérons l’état (actif/passif) des agents afin de réduire les coûtsde traitement en particulier durant les interactions. Dans cet article, nous définissons le coûtdu fonctionnement des interactions pour établirune comparaison théorique entre l’approche quenous proposons et l’approche classique.

Résumé : Dans les socio-écoSystèmes, les organisationshumaines doivent gérer leurs activités dansl’espace et dans le temps en utilisantdifférents types de mécanismes de régulation.Dans la modélisation en Systèmes MultiAgents (SMA) de tels Systèmes sociaux, cesmécanismes de régulation sont formalisés parles normes qui sont appliquées aux agents.Cependant, l’expressivité temporelle estsouvent limitée et la dimension spatiale n’apas encore été approfondie dans les normesen SMA. Ce papier propose un méta-modèlede norme basé sur le formalisme ADICO,capablededécrirelesconditionsd’application spatio-temporelles des normes.La sémantique de ces conditions repose surl’algèbre d’Allen pour le raisonnementtemporel, et le Region Connection CalculusRCC8 pour le raisonnement spatial. Lemodèle obtenu permet d’identifier en touttemps et en tout lieu les normes applicables àun agent.

Résumé : L’environnement dynamique des Systèmes ambiants offre des informations contextuelles auxagents intelligents qui s’y déploient. Dans de telsenvironnements, ces agents peuvent-ils collaborer pour mieux atteindre leurs objectifs individuels et collectifs, et ce en considérant leurs intentions multiples ? Cette coopération dépendrafortement des intentions des agents. Dans cetarticle, nous proposons de doter les agents ambiants d’un mécanisme de planification contextuelle appelé CPS qui peut s’étendre dans uncontexte collectif. Nous présentons d’abord leCPS qui génère des plans contextuels optimauxpour un seul agent tout en satisfaisant plusieursde ses intentions et en préservant la consistance du plan. Ensuite, nous étendons ce mécanisme coopératif de planification pour prendreen considération plusieurs agents ambiants. Appelé CCPS (collective CPS), il permet aux agentsde déléguer partiellement leur plan et de collaborer durant l’exécution de leurs plans. Un scenario de travail extrait du Campus Intelligent estimplémenté et discuté.

Résumé : Cet article présente des travaux de modélisationet de simulation dédiés à l’étude des dynamiquesliées à la pollinisation du palmier à huile parun charançon, Elaeidobius spp. Ce dernier a absolument besoin d’une inflorescence mâle pourcompléter son cycle de vie. Cependant les jeunesparcelles (3-7 ans) produisent principalementdes inflorescences femelles, ce qui empêche lastabilisation de la population de pollinisateurs,et par conséquence, une bonne nouaison. Deuxquestions sous-tendent ainsi cette recherche :(1) Quelle est la densité par ha d’inflorescencesmâles nécessaires pour maintenir la populationdes pollinisateurs au-dessus d’un certain seuil ?(2) Quelle est la taille optimale de la population qui maximise la nouaison ? Dans ce cadre,nous décrivons ici deux approches de modélisation complémentaires et discutons les premiersrésultats ainsi obtenus.

Résumé : Les systèmes multi-agents (SMA) ont montré depuis plusieurs années leur adéquation à modéliser et simuler les Systèmes complexes. Noussuivons cette approche pour modéliser une colonie d’abeilles située dans une ruche Dadant, où plusieurs dizaine de milliers d’individus interagissent, dans le but d’évaluer l’impactd’actions locales au niveau des abeilles (e.g.pratiques apicoles) sur la colonie. Nous nousconcentrons ici sur l’activité de butinage, ennous intéressant plus particulièrement aux interactions des butineuses avec l’environnementextérieur de la ruche, très différent en termede granularité et d’échelle. Nous présentons unmodule paramétrable et compatible agent, dontle but est de modéliser et de simuler le butinage en fonction de la météo et des sources denourriture environnantes. Les premiers résultatsmontrent qu’un phénomène d’auto-organisationdes butineuses, résultant de leur comportementet des mécanismes de recrutement, les amène àsélectionner les meilleures sources disponibles,et offrent une première vérification de notre modèle.

Résumé : Lorsqu’il n’est pas possible de définir de fonction globale d’évolution sans biaiser la résolution, réguler des Systèmes composés de nombreuses entités actives interdépendantes travaillant sur des ressources partagées est unegageure. Nous proposons ici un processus deprise de décision totalement décentralisé quiaide à stabiliser ces Systèmes. Ce processus local et coopératif trouve rapidement des solutions d’équilibre dynamique où le Systèmes continue à fonctionner et remplit sa fonction globaleémergente.

Résumé : Dans le domaine du contrôle aérien, les travauxactuels s’intéressent à l’automatisation et la délégation partielle de la tâche d’évitement desconflits à l’équipage et aux Systèmes embarquésà bord des avions. Ainsi plusieurs approchespour faciliter la tâche des contrôleurs aérienssont en cours d’études.Dans ce cadre, nous proposons un Systèmes totalement décentralisé pour traiter le problèmed’évitement entre entités mobiles dans le senslarge. Ce Systèmes est basé sur les Systèmes multiagents coopératifs qui ont montré leur adéquation pour la résolution des problèmes distribuéset décentralisés à large échelle. Nous présentons les expérimentations que nous avons menées et les résultats que nous avons obtenus dansle cadre du contrôle aérien.

Résumé : En simulation, le couplage est l’assemblage demodèles et d’outils dédiés à la simulation d’unensemble de Systèmes, afin de simuler des Systèmes plus globaux. Dans le cas des simulationsindividus-centrées, il peut être (i) entre les simulations, (ii) entre les individus ou (iii) entredes comportements d’individus. Les solutionsde couplage existantes répondent aux enjeux desynchronisation et d’interopérabilité des deuxpremiers types. Ce papier propose d’adresserles trois types de couplages possibles entre simulations individus-centrées par l’utilisation d’unnouveau modèle qui prend en compte toutes lescontraintes, à l’aide d’une spécification formelledes contraintes d’interopérabilité et de synchronisation que nous proposons. Nous illustrons nospropositions par un exemple de couplage d’unmodèle de décision de recherche de places destationnement et d’une simulation de trafic.

Résumé : Cet article propose un cadre d’analyse multiagents pour l’évaluation de stratégies de maîtrise des maladies animales infectieuses àl’échelle d’un territoire. La formalisation descomportements des éleveurs a permis decomparer des scénarii de maîtrise de la maladie à l’échelle du territoire tenant comptede l’hétérogénéité des agents et de leurs interactions. Les simulations, réalisées sousNetLogo, ont montré l’émergence de patternsspatio-temporels contrastés d’évolution de lasévérité de la maladie à l’échelle du territoire, et de les comparer à un cadre analytique. Les travaux réalisés ont égalementpermis d’évaluer l’efficacité d’interventionspubliques.

Résumé : La Simulation multi-agent a démontré son intérêtpour la simulation de Systèmes complexes. Cetarticle aborde la question de savoir commentpeut-on représenter un phénomène puis le simuler lorsque plusieurs simulateurs multi-agentsont nécessaires. Cela soulève un problème majeur : Les simulateurs multi-agent ne sont pasconçus (en général) pour être utilisés conjointement à d’autres simulateurs.Cet article présente une première réflexion surl’intégration rigoureuse de simulateurs multiagents dans une plateforme de co-simulation.Nous appuyons notre réflexion sur l’exemple dusimulateur NetLogo et de la plateforme de cosimulation mecsyco.

Résumé : Dans un futur proche, la disponibilité croissantedes données imposera aux décideurs politiquesde modifier régulièrement les politiques urbaines afin d’intégrer l’évolution des comportements et les retours utilisateurs. Dans ce papier,nous proposons une architecture multi-agent générique permettant de concevoir et de modéliserdes politiques urbaines afin d’en éprouver la pertinence en la déployant sur un environnementspécifique. Ces environnements sont conçus enexploitant des données provenant de n’importequelle ville disposant de données ouvertes etcommunautaires (Open Street Map). Deux modèles multi-agent sont couplés dans une boucledynamique micro-macro et peuvent être modifiés à la fois par des techniques d’apprentissage par renforcement ainsi que par l’intégration du retour des décideurs politiques. Nousproposons une formalisation permettant de représenter les politiques urbaines pour initier uneco-construction entre le décideur politique etnotre Systèmes.Une expérimentation sur la régulation de la tarification d’emplacements de stationnement enzone urbaine permet de justifier l’usage de notrearchitecture pour concevoir des politiques urbaines pertinentes.

Résumé : Cette démonstration vise à illustrer l’utilisation du framework pyDCOP, qui implémente plusieurs méthodes de résolution de problèmes d’optimisation sous contraintes distribuées (DCOP) et fournit des utilitaires pourles déployer sur une infrastructure distribuéeet également doter le Systèmes de capacités derésilience, nécessaire dans des environnementscomme l’Internet-of-Things, dans des scénariosd’Intelligence ambiante ou de Smart Home. Lesscénarios sont modélisés dans un format dédié, traduits dans un problème d’optimisation oude satisfaction de contraintes distribuées, puispoussés vers les dispositifs qui se coordonnenten utilisant des protocoles choisis pour s’autoconfigurer de manière décentralisée. PyDCOPfournit également un cadre de résilience, quiéquipe le Systèmes avec des capacités d’adaptation contre les disparitions imprévues d’équipements. Ce mécanisme est basé sur la réplicationde décisions et un mécanisme de réparation léger basé sur un DCOP.

Résumé : L’usage de systèmes multi-agents dans un grandnombre de domaines applicatifs soulève la nécessité de proposer un modèle de jugement permettant aux agents de prendre en compte unensembles de connaissances sur la morale etl’éthique. Cette expérimentation illustre la miseen œuvre et le paramétrage d’un modèle de jugement dans le carde de la gestion d’actifs financiers. L’observation de l’évolution de ce Systèmes permet d’évaluer l’influence de la moraleet de l’éthique confiés à l’agent sur son comportement et sur ses relations avec les autres agentsdu Systèmes. Ces agents et l’environnement sontimplémentés à l’aide du framework JaCaMo.

Résumé : être, à chaque pas de temps, dans plusieurs étatssimultanément, 2) un état peut être cloné (répliqué) et réinjecté dans une nouvelle simulation,3) une simulation peut-être échantillonnée dansle temps et ainsi découpée en plusieurs morceaux, 4) parmi les différents états, il est possible de sélectionner à intervalle régulier les plusintéressants pour répondre à la question poséepar le modélisateur.

Résumé : Dans cet article, nous proposons une nouvelleapproche de gestion du confort pour les bâtiments intelligents basée sur une couche logicielle intelligente interfaçant un ensemble d’objets connectés. Cette couche logicielle est composée d’une base de connaissance (KB) et d’unsystèmes multi-agents. Ces éléments permettentà l’utilisateur se trouvant dans une pièce d’exprimer simplement et naturellement une requêtede changement d’un ou plusieurs éléments deconfort. La connaissance partagée alimentéepar le réseau d’objets connectés est utilisée parla couche intelligente (KB et SMA) pour en extraire un contexte sur lequel elle va raisonnerafin de proposer une action sur un ou plusieursobjets.

Résumé : tons et évaluons notre solution à base de systèmes multi-agents adaptatifs sur une simulationde contrôle de trajectoire de drone.Le démonstrateur présenté introduit un casd’étude concret d’apprentissage par Systèmesmulti-agent dans un environnent simulé. Le cœurde ce travail est l’enrichissement d’un apprentissage par démonstration à l’aide d’un mécanismed’apprentissage autodidacte. Ce mécanisme permet à l’agent apprenant de dépasser les limitesintroduites par le processus de démonstrationen lui permettant d’adapter son comportementpour faire face à des situations imprévues. Cetapprentissage concerne une tâche robotique :l’apprentissage d’un suivi de trajectoire pourdrone aérien. Le mécanisme d’apprentissage autodidacte apporte de la robustesse à l’apprentissage.

Résumé : SkuadCityModel est une simulation qui vise àreproduire les déplacements d’une flotte de véhicules sur un territoire donné. Celle-ci peut êtreutilisée en tant qu’outil d’aide à la décision pourla prévention et la proposition de solutions auxproblématiques urbaines liées à la circulation.Ce genre de simulation met en jeu une certainelourdeur d’exécution de part le fonctionnementsimultané de nombreux agents, mais égalementpar la taille des données manipulées pour rendreleurs comportements réalistes.Dans ce papier de démonstration, nous présentons une implémentation de ce modèle,construite grâce à la plateforme SKUAD et nousexpliquons les avantages amenés par celle-ci etpar l’utilisation du modèle à temporalité. Nousmontrons que les performances obtenues permettent le passage à l’échelle d’un petit groupede voitures à une flotte de véhicules sur un territoire correspondant à la ville de Saint-Denis,tout en gardant un haut niveau de généricité deconception.