Résumé :

Résumé : Différentes architectures d'agents ont été proposées. Elles traitent différentes caractéristiques clefs que l'agent devrait avoir ainsi que les interactions entre les différents agents. Par exemple, dans la plate-forme DIMA, chaque agent peut avoir un ou plusieurs modules décrivant ses comportements (interaction, délibération, ...). Ces différents modules sont gérés par un module de supervision qui représente le méta-comportement de l'agent. Un SMA est défini par un ensemble d'agents reliés par un réseau d'accointances et éventuellement un environnement. Cette architecture offre les principales caractéristiques d'un système émergeant définies par le groupe colline : chaque agent a son propre mécanisme de contrôle (son méta-comportement), il agit et modifie son environnement mais il ne perçoit pas tout l'environnement, et il est dans un univers qui contient plusieurs autres agents. DIMA peut donc être utilisée pour implémenter des SMAs émergeants. Un des problèmes que pose ce type de SMAs est la stabilisation de la dynamique. Ce papier propose un modèle d'organisations auto-adaptatives qui permet de résoudre ce problème.

Résumé : Les systèmes adaptatifs se caractérisent par l' existence de tendances fondamentales conduisant leur réorganisation : ce sont des systèmes complexes qui modifient sans cesse les couplages entre leurs composants et qui modifient ces composants, mais qui restent soumis à des tendances les poussant à s'adapter. Nous présentons l'architecture d'un tel système en la fondant sur le couplage entre une organisation d'agents, qui exprime les propriétés fonctionnelles et cognitives, et une structure neuro-mimétique, qui réifie les tendances fondamentales du système. Nous montrons que les agents doivent avoir une structure particulière, appelée adaptative, qu' ils doivent être eux-mêmes adaptatifs dans leur environnement pour constituer le système globalement adaptatif. Nous montrons donc que l'adaptativité est un caractère organisationnel distribué dans tous les composants le système..

Résumé : Cet article présente un systèmes multi-agents qui modélise un ensemble de firmes en compétition. Ces firmes sont représentées par des agents réactifs ou des agents adaptatifs. Les agents adaptatifs utilisent un raisonnement à base de cas. L’article montre les limites des modèles économiques représentant uniquement les firmes et n’intégrant pas les formes organisationnelles. Il présente ensuite un modèle intégrant les firmes et les formes organisationnelles.

Résumé : ce papier propose une démarche originale de développement de Systèmes multi-agent (SMA) basée sur le paradigme MDA. Notre modélisation s’appuie sur la décomposition en agents, interactions et organisation. Cette approche a été mise en oeuvre au travers de la plate-forme DIMA, et est illustrée par un exemple simple

Résumé : Afin de rendre les systèmes multi-agents à grande échelle fiables, nous proposons uneapplication adaptative de stratégies de réplication. Les agents identifiés comme les plus cri-tiques seront ainsi répliqués pour les protéger contre des possibilités de pannes. Comme lacriticité des agents (définie brièvement comme l’impact d’une panne locale à un agent surun dysfonctionnement de toute l’organisation) peut évoluer pendant le calcul et la résolutionde problèmes, il nous faut adapter dynamiquement et automatiquement le nombre de répli-cas (copies) des agents, afin de maximiser leur robustesse et leur disponibilité en fonction desressources disponibles. Nous étudions une approche et des mécanismes pour évaluer la criti-cité d’un agent donné, basée sur une information sémantique au niveau de l’application (parexemple les dépendances entre agents) et également sur une information statistique au niveauSystèmes (par exemple, la charge de communication). Un module de décision choisit à partirde ces informations quelle stratégie appliquer (par exemple, réplication passive ou active) etcomment la paramétrer (par exemple, le nombre de réplicats).

Résumé : L’approche multi-agent se montre particuliè-rement intéressante pour modéliser, simuler etcomprendre les Systèmes particulaires. Elle per-met, via la modélisation d’entités individuelles,d’étudier leurs interactions ainsi que les phénomènes macroscopiques émergents qui en résultent. Cela pose alors deux difficultés en termed’analyse. La première est de caractériser lecomportement d’un agent au sein d’une simula-tion, quelle que soit sa formalisation, pour pou-voir mener des études comparatives ; et la se-conde est d’étudier la façon dont ce comportement peut influencer, voire générer, un phé-nomène macroscopique. Pour cela, nous propo-sons d’étudier le phénomène d’hystérésis appa-raissant dans le comportement des agents, les-quels sont considérés comme des boîtes noires.L’observation de l’hystérésis permet de caractériser la réaction d’un Systèmes à des stimu-lis perturbateurs. Nous étudions comment cetteperturbation se propage dans une populationet aboutit à l’apparition de propriétés macro-scopiques remarquables. L’étude est menée en comparant différents modèles d’agents conduc-teurs utilisés à des fins de simulation du traficroutier.

Résumé : Afin d’améliorer la validité des simulations detrafic en milieu urbain et péri-urbain, notre mo-dèle multi-agent permet de mieux prendre encompte le contexte de conduite et les comporte-ments des conducteurs en termes d’occupation de l’espace. Plus précisément, il s’agit de pro-duire en simulation des comportements obser-vés en situation réelle tels que les phénomènesde faufilement (2 roues, véhicules d’urgence).L’approche proposée consiste à considérer quechaque conducteur se représente la situation de manière égo-centrée et se réapproprie l’espaceroutier en construisant des voies virtuelles enfonction de ses buts et de ses caractéristiquesindividuelles. Nous montrons que les voies vir-tuelles conduisent à rendre le trafic plus fluide

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 : Dans ce papier, nous proposons une approchemulti-agent et incrémentale pour la détection des communautés dans les réseaux sociaux dynamiques. Dans cette approche, le réseau est représenté par un graphe de dépendances qui s’adapte à l’évolution du réseau.Nous associons à chaque membre du réseauun agent-nœud qui observe l’évolution de cemembre et ses interactions et met à jour legraphe localement. La définition de la dépendance entre deux membres du réseau est basée sur le concept d’homophilie et sur leurscommunications. Nous associons également àchaque communauté un agent-communauté. Ladétection de la dynamique des communautés résultent des décisions et des interactions des différents agents.Afin d’étudier les performances de cette approche, nous l’avons appliquée à un ensemblevarié de graphes réels et artificiels et nousavons réalisé différentes expérimentations.

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.