Résumé : Dans ce article, nous présentons l'architecture de MADKIT (pour "Multi-Agent De- velopment Kit"), une plate-forme générique de conception et d'exécution de systèmes multi- agents. Cette plate-forme a l'originalité d'être basé sur un modèle organisationnel plutôt qu'une architecture d'agent ou un modèle d'interaction spécifique. L'utilisation de groupes et de rôles associés à des agents est mis en oeuvre en tant qu'outil de modélisation et de conception pour les développeurs de systèmes multi-agents, mais également comme principe d'architecture de la plate-forme elle-même. Cette architecture est basée sur un noyau agent minimal découplé de tout modèle individuel d'agent. Dans cette plate-forme, les services classiques de passage de message distribués, de migration ou de surveillance sont fournis au meta-niveau par des agents spécialisés afin d'ob- tenir un maximum de flexibilité. Une interface graphique componentielle et découplée du noyau et des agentspermet de supporter différentes modes d'utilisation et d'exploitation de la plate-forme.Nous illustrons notre propos en présentant certaines conséquences, déclinaisons et applications de cette plateforme.

Résumé : Dans le cadre de la simulation multi-agents, la dynamique globale d'un système. au niveau macroscopique, est considérée comme étant le fruit de la d',ynamiete issue des interactions qui se déroulent entre les entités du niveau microscopique. La manière dont un modèle de simulation multi-agents articule la dynamique de ces deux niveaux est donc fondamentale. Dans cet article, nous revenons en détail sur l'intérêt du modèle Influence/Réaction de Ferber et Müller pour traiter cette problématique. Nous montrons en quoi ce modèle constitue une solution intéressante et nous en proposons une variante mieux adaptée à la simulation : le modèle IRM4S. Ce modèle explicite clairement le principe Influence/Réaction et met en exergue sa capacité à articuler la modélisation du niveau micro avec celle du niveau macro.

Résumé : Cet article présente une approche pour la programmation visuelle de comportement agent.L’objectif de cette approche appelée programmation situationnelle (PS) est de permettre à desutilisateurs non informaticiens d’élaborer facilement le comportement d’entités artificiellesdans le contexte d’un domaine d’applicationparticulier. Ainsi, la PS définit un ensemblede principes de conception permettant de développer des outils de programmation visuellesusceptibles d’être utilisés par des personnesn’ayant aucune connaissance de la programmation, ni du paradigme multi-agent. Dans cet article, nous présentons la PS et la manière dontelle a été utilisée pour développer un jeu vidéoen ligne basé sur la programmation visuelle decomportements agents, et qui peut être joué parun utilisateur lambda.

Résumé : ans le domaine des systèmes multi-agents(SMA), la puissance des CPU représente parfoisun frein qui limite fortement le cadre dans lequel un modèle peut être conçu et expérimenté.Le Calcul Haute Performance (HPC) et notamment le GPGPU (General-Purpose computingon Graphics Processing Units) est une solutionavantageuse en termes de performance et decoût. Cette technologie vise à utiliser les GPUpour réaliser du calcul généraliste mais souffrecependant d’une très grande complexité d’implémentation et d’accessibilité qui ne favorisepas son adoption. Cet article propose un état del’art des contributions traitant de l’utilisationdu GPGPU dans le contexte des SMA et identifie les directions les plus prometteuses en vued’une généralisation de cette technologie dansla communauté multi-agent.

Résumé : L’utilisation du GPGPU (General-Purposecomputing on Graphics Processing Units) dansle cadre de la Simulation multi-agent permet delever, en partie, les contraintes liées au passageà l’échelle. Cependant, à cause de l’architecturemassivement parallèle des GPU (Graphics Processing Units) sur laquelle repose le GPGPU,les modèles voulant bénéficier des avantages decette technologie doivent être adaptés au préalable. Prenant le parti de ne pas suivre le courant actuel qui vise à rendre transparent l’utilisation du GPGPU dans le but de simplifierson usage, le principe de délégation GPU propose plutôt de transformer un modèle afin qu’ilbénéficie des avantages du GPGPU mais sanscacher la technologie utilisée. Dans cet article,nous présentons une méthodologie basée sur ladélégation GPU pour le développement de simulations multi-agent. L’idée est de proposerune généralisation du processus d’applicationdu principe de délégation GPU que nous expérimenterons ensuite sur deux cas d’études afin dedéfinir quels sont les avantages et limites d’unetelle approche.

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 : Résumécroître progressivement, du bac à sable auxsituations réelles.2. Les motivations peuvent être de plus enplus complexes, de saisir un objet à laconstruction d’une maison.3. Les compétences et leur structuration encomportements doivent se développer pourfaire face à l’augmentation de la complexitéde l’environnement et des motivations.