Résumé : L'interaction est la base des systèmes mufti-agents naturels ou artificiels. Nous nous intéressons dans ce travail à l'exploitation du paradigme de résolution de problèmes par interaction dans les systèmes multi-agents en l'appliquant auproblème d'équilibrage dynamique multi-critères. Dans cet article, nous proposons un système à base d'agents réactifs (type fourmi) qui utilise des interactions locales pour faire aboutir lesystème à une configuration d'équilibre où plusieurs critères sont satisfaits. Nous appliquons cette technique à un problème d'équilibrage dynamique de charge sur un réseau de processeurs en prenant en compte des critères multiples en nombres non limitatifs.

Résumé : Cet article analyse et compare deux mécanismes génériques permettant de définir des architectures dynamiques de systèmes multi-agents conversationnels, ou orientés composants à forte dynamicité : le paradigme de l’annuaire de composants ou agent facilitateur, couramment utilisé à cette fin, et un paradigme que nous proposons basé sur la délégation de rôles conversationnels. Nous montrons que le premier comporte certains inconvénients, notamment de synchronisation et de cohérence du Systèmes après reconfiguration. L’approche délégationnelle que nous proposons permet, quant à elle, d’encapsuler de façon transparente et récursive le comportement compositionnel du Systèmes dans des agents spécialisés, tout en respectant l’état des conversations en cours. Nous concluons sur les implications de modélisation en terme de composabilité de protocoles d’interaction, et l’impact de ce type d’architecture sur une méthodologie de conception incrémentale dynamique de SMA.

Résumé : Nous proposons un nouveau protocole de partage de ressources critiques par coordi- nation auto-organisée d'agents réactifs. Pour ce problème, on génère le planning des ressources critiques dans un contexte de système ouvert. Il est nécessaire d'adapter la solution courante face à l'évolution des données traitées. Différentes contraintes d'affectation rendent cette adap- tation difficile. C'est le cas pour le problème d'ordonnancement de la chaîne de productionpar anticipation. Dans cet article, nous montrons que pour des problèmes très contraints l'adap- tation d'un planning n'est possible que si l'activité des agents est coordonnée. A partir de ca- pacités individuelles d'évolution d'affectation, nous proposons un processus décentralisé basé sur la stigmergie qui renforce des motifs de coordination compatibles. Ceux-ci constituent une réorganisation complexe et cohérente sur l'ensemble de la solution à faire évoluer.

Résumé : La question abordée dans cet article concernel’auto-organisation, dans un systèmes multi-agents, des dynamiques informationnelle etcomportementale, et de leur coordination dé-centralisée et dynamique, en vue d’obtenir uncomportement collectif cohérent. Nous étudionscette problématique à travers l’exemple d’unsystèmes multi-agents (SMA) qui collecte desinformations provenant de sources distribuéesdans lequel certains agents peuvent être dé-fectueux (volontairement ou non). Nous propo-sons une approche auto-organisationnelle, fon-dée sur une vision systémique qui consiste àconsidérer le SMA à travers son couplage struc-turel à son environnement physique et informa-tionnel. On définit ainsi 3 dynamiques : infor-mationnelle, comportementale et la dynamiquede leur couplage à travers une coordination dé-centralisée. Ces dynamiques sont induites parles comportements des agents et leurs interac-tions, combinant des mécanismes de confianceet l’application de règles de comportements lo-cales.: systèmes multi-agents, Auto-

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 : Pour garantir l’équilibre entre la productionet la consommation électrique sur l’ensembledu réseau, les efforts se portent surtout sur lagestion de la production. L’effacement diffuspropose de maîtriser la consommation et satisfait les contraintes apportées par les énergies renouvelables et la décentralisation de laproduction. La problématique soulevée dans cecontexte consiste à faire en sorte qu’un ensemble d’agents, représentant les nœuds du réseau électrique, puissent d’une part anticiperleurs demandes et d’autre part ajuster leurcontribution à l’effort collectif d’effacement dela consommation électrique. En choisissant uneapproche ascendante au problème de l’effacement diffus nous proposons un algorithme décentralisé fondé sur les algorithmes de diffusionépidémique. Ces algorithmes offrent à la fois lespropriétés de robustesse et d’évolutivité, tout engarantissant la fiabilité nécessaire au fonctionnement d’un réseau électrique à grande échelle.Dans cet article, nous présentons notre modèle et discutons les premiers résultats encourageants que nous avons obtenus sur des donnéessimulées, puis nous proposons des pistes d’amélioration possibles.

Résumé : Lorsqu’un Systèmes autonome évolue dans unenvironnement complexe, en partie inconnu oudynamique, il n’est pas possible de fournir unereprésentation exhaustive a priori facilitant sonprocessus de prise de décision. Pour illustrer ceproblème, nous choisissons le cas du contrôledécentralisé du trafic coopératif, où une unitéd’infrastructure est en charge de réguler localement le flux, en envoyant des consignes aux véhicules connectés. Ce contrôle est le fruit d’unestratégie construite par l’apprentissage d’unereprésentation précise (états perception-action)des différents états de trafic. Nous proposons unmodèle capable, sans connaissances expertes,d’utiliser un ensemble de méthodes de classification représentées sous la forme d’une population d’agents et de les combiner dynamiquementpour construire une représentation précise del’environnement. Notre approche s’inscrit dansune démarche d’apprentissage constructivisteoù la population d’agents construit collectivement une représentation qui exploite, suivantl’usage, les discrétisations possibles de l’espacede perception proposées par les individus.

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 : L’utilisation croissante d’algorithmes d’Intelligence Artificielle (IA) dans des applications impactant des humains requiert de doter ces Systèmes d’un comportement pouvant être jugé éthique selon des valeurs humaines. Bien que plusieurs approches existent, la question de l’adaptation au contexte, aux préférences et principes éthiques des utilisateurs, reste posée. Nous proposons de traiter cette question par l’Apprentissage par Renforcement Multi-Agent de tels comportements dans des situations différentes. Nous utilisons des tables de Q-Valeurs et des Cartes AutoOrganisatrices Dynamiques pour permettre l’apprentissage adaptatif de la représentation de l’état de l’environnement, ainsi que des fonctions de récompense pour guider l’éthique du comportement. Cette proposition est évaluée sur un simulateur de répartition d’énergie dans des Smart Grids que nous avons développé. Plusieurs fonctions de récompense visant à déclencher des comportements éthiques sont évaluées. Les résultats montrent la capacité de s’adapter à différentes conditions. En sus des contributions sur le plan de l’adaptation éthique, nous comparons notre modèle à d’autres approches d’apprentissage et montrons de meilleures performances par rapport à une approche d’Apprentissage Profond basée sur le modèle Actor-Critic.

Résumé : e besoin d’incorporer des considérationséthiques au sein d’algorithmes d’Intelligence Artificielle est de plus en plus présent. Combinantraisonnement et apprentissage, cet article propose une méthode hybride, où des agents jugesévaluent l’éthique du comportement d’agents apprenants. Le but est d’améliorer l’éthique deleur comportement dans des environnements dynamiques multi-agent. Plusieurs avantages découlent de cette séparation : possibilité de coconstruction entre agents et humains ; agentsjuges plus accessibles pour des humains nonexperts ; adoption de plusieurs points de vuepour juger un même agent, produisant une récompense plus riche. Les expérimentations surla distribution de l’énergie dans un simulateurde Smart Grid montrent la capacité des agentsapprenants à se conformer aux règles des agentsjuges, y compris lorsque les règles évoluent.