Résumé : La modélisation d' un système multi-agent suppose le choix d' un mode d' interaction. Dans un domaine d'application ouvert et dynamique, ce choix est important car il peut modifier l' efficacité du système. Nous nous sommes intéressés au problème posé par 1' identification d' un interlocuteur lors de l' émission d' un message par un agent. Dans cet article, nous montrons que les solutions précédemment apportées à ce problème ne sontpas satisfaisantes si le critère de recherche nécessite une mise à jour dynamique. Par conséquent. nous proposons l' utilisation de l' environnement comme le support actif de l' interaction. Ce modèle autorise la mise en oeuvre d' interactions originales comme l' interception de messages et l' identification logique et relative des intervenants. Après avoir présenté une structure d'agent et de message adapté à notre modèle d'environnement, nous illustrons notre proposition par un exemple en grandeur réelle issu du domaine du transport.

Résumé : Dans cet article, nous présentons un Système Automatique de Traitement des Incidents en Réseau (SATIR). Notre proposition est un système d'aide à la décision multi- agent adapté au domaine de la gestion des réseaux d'autobus. Nous abordons le domaine de la régulation des réseaux de bus dans toute leur complexité. Le système gère les incohérences des données, les perturbations du trafic et propose des solutions aux opérateurs. Notre proposition a été testée sur le réseau de la Société de Transport intercommunal de Bruxelles et nous présentons nos premiers résultats.

Résumé : Dans cet article, nous proposons un modèle d’interaction fondé sur l’écoute flottante,permettant l’apparition de comportements opportunistes et la flexibilisation des protocolesexistants. Classiquement, l’étude des interactions dans les systèmes multi-agents ne prend encompte que la communication elle-même et l’action résultant de cet échange d’information. Or,cette gestion des communications limite les effets de l’interaction aux seuls protagonistes, etnous montrons que cette vision ne permet pas de simulation complexe du comportement et res-treint l’autonomie des agents. Afin de pallier à cela, l’écoute flottante peut être utilisée afin depermettre la perception des interactions par tous les agents du Systèmes, et ainsi d’affecter leurcomportement même lorsqu’ils ne sont pas protagonistes. Nous proposons alors un nouveauconnecteur AUML de prise en compte de l’écoute flottante.

Résumé : Ce papier présente un modèle de conception de simulation multi-agent où chaque agent choisit dynamiquement le contexte dans lequel il souhaite être activé. Notre proposition, appelée EASS (Environnement comme Support Actif— pour la Simulation), s'appuie sur le modèle EASI (Environnement comme Support Actif de l'Interaction). En utilisant l'environnement comme support pour le partage des interactions, EASI facilite les interactions contextuelles. Notre objectif est d'étendre ce principe au processus de simulation, et plus particulièrementà la gestion de l'activation des agents. Le premier avantage est d'améliorer l'efficacité de lasimulation en ternie de temps d'exécution. Le second avantage est de donner un nouveau levierpour paramétrer une simulation. Le troisième avantage est de proposer une approche unifiéede l'interaction et de l'activation. Le modèle EASS est implémenté àpartir de la plate-forme multi-agent MADKIT.

Résumé : La prise en compte des communications multiparties dans une organisation nécessite la miseen oeuvre d’un support et d’une modélisationintégrant ces deux dimensions. Ce papier étendle modèle d’organisation normative MOISEafin de pouvoir spécifier les modes d’interactionentre agents autonomes participant à une organisation. Cette spécification a deux objectifs :(i) permettre à l’organisation multi-agent de vérifier que les agents utilisent correctement lesmodes d’interaction, (ii) permettre aux agentsde raisonner sur ces modes comme ils peuventle faire sur les normes. Seul le premier aspectest décrit dans le papier. Nous montrons la miseen oeuvre de cette extension dans une spécialisation du modèle d’interaction EASI, au seind’une application de gestion de crise.

Résumé : ans le cadre de la gestion du trafic routier urbain, la résolution du problème de recherche deplaces de stationnement constitue un enjeu majeur en raison de ses lourdes retombées économiques et écologiques. Dans cet article, nousproposons un systèmes multi-agents qui vise à diminuer, pour les conducteurs de véhicules particuliers, les temps de recherche de places. Dansle Systèmes que nous proposons, une communauté de conducteurs partage des informationssur la disponibilité des places. La diminutiondes temps de recherche est obtenue grâce à lacommunication et la coopération des agents duSystèmes. La communication entre agents s’effectue via un réseau intervéhiculaire n’imposant pas une infrastructure matérielle coûteuse.Le modèle de coopération ne nécessite aucuneinformation préalable et assure le passage àl’échelle du Systèmes proposé. Implémentée avecla plateforme Madkit, notre solution a été testéeselon différentes configurations. Les premiersrésultats montrent une diminution du temps derecherche moyen de places de stationnement.

Résumé : ’environnement, en tant qu’espace partagéentre agents, est un élément essentiel des Systèmes multiagents. Selon les Systèmes, cet espace intègre des dimensions di↵érentes commeune dimension physique support à l’ancragespatial et à l’activité des agents sur cette dimension, ou une dimension sociale support auxcommunications entre agents. Ces dimensionssont souvent traitées de manière indépendanteet ne sont reliées qu’au sein de l’agent quiconstitue alors le lieu de jonction et de combinaison des informations véhiculées dans ces différentes dimensions. Il s’avère cependant que lacombinaison entre ces dimensions est à considérer également en dehors des agents, pour pouvoir par exemple, situer des communications.Dans cet article, nous proposons un modèle unifié assurant la combinaison des dimensions physiques et sociales pour la mise en œuvre d’interactions contextualisées entre agents. Ce modèle est développé avec le langage multiagentSARL. Nous illustrons cette proposition par uneapplication de simulation de trafic routier dansla ville de Belfort.

Résumé : tion d’une Simulation multi-agent(MABS) nécessite un ordonnanceur afin desynchroniser l’exécution des agents et simuler la simultanéité de leurs comportements.Dans la majorité des frameworks MABS,l’ordonnanceur active les agents tour à tourafin qu’ils exécutent une action décidée selonleur contexte. L’agent activé utilise toutes lesinformations sur lui-même, les autres agentsou objets de son environnement qui lui sontaccessibles. Face à ce volume de données, unedifficulté est de déterminer efficacement lescombinaisons qui font sens pour l’agent parcequ’elles caractérisent un contexte pertinentpour lui. Dans la majorité des MABS, la détermination de ces contextes est enfouie dans lecode des agents et par conséquent il n’existepas d’algorithme permettant de diminuer leurtemps de calcul. Nous proposons de modéliserces sous-ensembles d’informations identifiantun contexte par ce que nous appelons un filtreainsi qu’un algorithme pour que chaque agentpuisse efficacement déterminer les filtres quile concernent. Nous comparons notre algorithme à une sélection séquentielle des filtres etdiscutons les premiers résultats.

Résumé : Ce travail étudie le problème d’allocation décentralisée de courses à une flotte de taxis autonomes. Classiquement, pour résoudre ce problème les demandes sont centralisées dans unportail où un dispatcheur alloue les courses auxtaxis (idéalement de manière optimale). Ceci nécessite que les taxis aient accès en continu auportail (via un réseau cellulaire). Cependant,avoir accès à une telle infrastructure de communication globale coûte cher à la société degestion de taxis. L’idée est ici d’utiliser une infrastructure véhicule-à-véhicule, peu coûteuse,pour coordonner les taxis sans infrastructure decommunication globale. Notre approche est présentée et évaluée de manière empirique par simulation. Nous avons développé différentes stratégies multiagents, requérant différentes infrastructures de communication et mécanismes decoordination, et les analysons en terme de qualité de service, de satisfaction client, et de gain.

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 : es problèmes d’allocation sont d’importancemajeure dans la gestion des Systèmes de transport à la demande (ODT). Ils ont été étudiés pendant des décennies, et diverses solutions ont étéproposées. Les approches de résolution peuventêtre classées en deux catégories : centraliséeset décentralisées. Dans la pratique, chacune ases avantages et désavantages. Dans ce travail, nous visons à fournir un modèle générique pour le problème du transport à la demande en ligne avec des véhicules autonomeset un modèle multi-agent dédié à l’allocationdes ressources et à la planification d’une flottede véhicules. Ce dernier considère des véhiculesautonomes qui communiquent dans un réseauinter-véhiculaire pour satisfaire les demandesde course dans un Systèmes ODT. Nous évaluonsla généricité de ce modèle en appliquant plusieurs approches d’allocation (programmationmathématique, heuristique gloutonne, optimisation par contraintes distribuées et enchères) etcomparons leurs performances sur des scénarios synthétiques générés à partir de donnéesréelles.