1 Zahia Guessoum Modèles Multi-Agents (SMA) * Zahia Guessoum OASIS (Objets et Agents pour Systèmes...
-
Upload
catharine-floch -
Category
Documents
-
view
107 -
download
2
Transcript of 1 Zahia Guessoum Modèles Multi-Agents (SMA) * Zahia Guessoum OASIS (Objets et Agents pour Systèmes...
1Zahia Guessoum
Modèles Multi-Agents (SMA) *
Zahia GuessoumOASIS (Objets et Agents pour Systèmes d ’Information et
de Simulation) LIP6 (Laboratoire d'Informatique de Paris 6)
http://www-poleia.lip6/~guessoum * Ce cours réutilise quelques transparents du cours
d’Alexis Drogoul
2Zahia Guessoum
Bibliographie • Livre de Jean-Pierre Briot et Yves Demazeau
– "Les systèmes multi-agents", Jean-Pierre Briot et Yves Demazeau (eds.), Collection IC2. Hermès Science Publications, Paris, France, à paraître en septembre 2001.
• Livre de Jacques Ferber [1995]– Les systèmes multi-agents, vers une intelligence collective.
InterEditions, Paris, 1995.
• Journées Francophones IADSMA de 1993 à 2002– Lip6, à la bibliothèque
• ICMAS de 1995- à 2002– Lip6, à la bibliothèque
• Livre de Les Gasser et al.– Distributed Artificial Intelligence. N. M. Avouris and L.
Gasser (eds.), Kluwer Academic Publisher, Boston, 1992. – In Distributed Artificial Intelligence. L. Gasser and Michael
N. Huhns (eds.), Pitman Publisher, London, 1989.
3Zahia Guessoum
Systèmes multi-agents
• Objectif 1 : Analyse théorique et expérimentale des mécanismes d ’auto-organisation– modéliser, expliquer et simuler des phénomènes
naturels, et susciter des modèles d ’auto-organisation
• Objectif 1 : Réalisation d ’artefacts distribués capables d ’accomplir des tâches complexes par interaction – réaliser des systèmes informatiques complexes à
partir de concepts d ’agent, de communication, de coopération et de coordination d ’actions.
4Zahia Guessoum
Agents vs. Multi-agents
• Il n’y a pas d’agent sans systèmes multi-agents• Un agent est plus utile dans le contexte des autres :
– Peut se concentrer sur des tâches en fonction de son expertise
– peut déléguer des tâches à d’autres experts– Peut profiter de ses compétences pour communiquer
intelligemment, coordonner ses actions, négocier,…
• Un système multi-agents est un ensemble d'agents interagissant.
• Mais, un SMA n’est pas seulement une collection d’agents– Il nécessite des moyens significatifs pour les interactions,– Il nécessite une conception et une évaluation de
performances.
5Zahia Guessoum
Systèmes Multi-agents
• Un tel système repose sur des modèles diversifiés :– modèles d'agents,– modèles d'interactions (basés sur des langages de communication
tels que KQML et ACL, ..)– modèles organisationnels (représentant les propriétés globales de la
société d'agents).
6Zahia Guessoum
Modèles d’agents
• On définit classiquement deux catégories d’agents : les agents réactifs et les agents cognitifs. – Les agents réactifs sont définis uniquement à partir de lois de type
stimulus/réponse. Ils permettent de modéliser des comportements très fins, mais ne possèdent pas d’états internes (et ainsi n’ont pas la capacité de construire et mettre à jour une représentation leur environnement).
– En revanche, les agents cognitifs sont dotés d’états internes, qui peuvent servir à représenter l’état de leur environnement (en l’absence de signaux explicites).
• Il est souvent nécessaire de combiner ces deux types d’agents pour modéliser des systèmes complexes.
7Zahia Guessoum
Modèles d’interaction
• Un système multi-agents se distingue d’un ensemble d’agents indépendants par le fait que les agents interagissent en vue de réaliser conjointement une tâche globale, ou d’atteindre conjointement un but particulier (voir Briot & Demazeau (2001)).
• Les concepts d’interaction et de coordination peuvent ainsi devenir plus importants dans la dynamique des systèmes multi-agents que les modèles d’agents eux-mêmes.
• Les agents interagissent en communiquant directement entre eux par échange de messages ou indirectement en agissant sur leur environnement.
8Zahia Guessoum
Modèles organisationnels
• Une organisation décrit comment les membres du groupe interagissent et coopèrent afin d'atteindre un but commun.
• E. Morin (1991) : propriété d'un système capable à la fois de maintenir et de se maintenir, et de relier et de se relier, et de produire et de se produire. Cette définition montre que la structure organisationnelle n’est pas invariante et indépendante de la dynamique du système.
9Zahia Guessoum
Systèmes Multi-agents
• Niveau micro : agents• Niveau macro : structures organisationnelles
Agents
Organisation
Systèmes d’Interaction
Emergence defonctionnalités
Contraintes etObjectifs sociaux
10Zahia Guessoum
Interactions micro-macro
• Le comportement du système émerge d'un ensemble d'interactions locales entre agents et/ou entre les agents et un ensemble de structures organisationnelles. L'émergence repose sur une évolution des états du système. Cette évolution peut concerner :– le niveau micro : la structure interne ou les connaissances internes
de l'agent pendant son exécution,– le niveau macro : les structures organisationnelles ou sociales, telles
que le réseau d’interdépendances et d’interférences, et le réseau d’ « accointances » (réseau relationnel) définis par Castelfranchi (1998).
11Zahia Guessoum
Modèles organisationnelles
12Zahia Guessoum
Modèles organisationnels
• Début de l’IAD … la métaphore humaine. – Les organisations étaient vues comme des organisations humaines.
Le principal problème était la coordination des différents agents qui sont souvent conçus comme des systèmes intelligents.
• Par la suite …– définir des structures organisationnelles issues de plusieurs
domaines : la biologie, la physique, la chimie, les mathématiques, l’informatique, etc.
– Les structures organisationnelles modélisées peuvent être statiques, donc conçues a priori par le programmeur, où dynamiques comme on peut le trouver dans les systèmes multi-agents adaptatifs. Elles dépendent de l'environnement dans lequel elles évoluent, des ressources disponibles, et donc du problème à résoudre ou du système à simuler.
13Zahia Guessoum
Modèles organisationnels
• Trois catégories :– 1ère : assimile l’organisation aux mécanismes de coordination. Ces
modèles sont souvent inspirés de la biologie, de la physique, ... – 2ème définit l’organisation comme une structure abstraite dont la
représentation est distribuée parmi les membres de l’organisation. Les agents utilisent cette représentation pour coordonner leurs actions. Cette approche est souvent utilisée pour décrire des modèles d’organisations existantes.
– 3ème définit l’organisation comme une structure externe aux agents. La construction du système multi-agents nécessite donc la conception de la structure organisationnelle sous-jacente. Cette structure peut-être statique ou dynamique.
14Zahia Guessoum
Mécanismes de coordination
• Différentes formes de coordination multi-agents peuvent être identifiées.
• Différentes approches (biologiques, physiques, sociologiques, économiques, etc.) ont été proposées afin d’étudier les interactions et la coordination et de faciliter la conception des SMA.
15Zahia Guessoum
Modèles biologiques
16Zahia Guessoum
Modèles biologiques
• Insectes sociaux, mammifères sociaux– fourmis, termites, abeilles, guêpes– loups, rats, primates– oiseaux, poissons
• Approche émergentiste
17Zahia Guessoum
Exemple 1 : Colonies de fourmis
• Chez les fourmis Lasius Niger, [Franks 89] a observé:
– la régulation de la température (amplitude maximale : 1°C)– la formation de ponts par les ouvrières– le choix de certaines aires de chasse– la construction et la protection des nids– le tri du couvain et des items de nourriture– la coopération dans le transport d'objets trop lourds– l'émigration complète d'une colonie vers un nouveau nid– le choix des chemins les plus courts entre nid et sources de
nourriture– le choix des sources de nourriture les plus riches au détriment
des autres
18Zahia Guessoum
Exemple 1 : Colonies de fourmis
• Système de résolutions de problèmes combinatoires basés sur une forte analogie avec les mécanismes mis en œuvre dans les colonnes de fourmis [Colorni - Dorigo 91]
• Les fourmis se déplacent en déposant des phéromones (qui s'évaporent au cours du temps) et sont attirées par elles.
• Décision collective du plus court chemin, équivalente à un algorithme distribué d'optimisation.
19Zahia Guessoum
Exemple 2 : Fourragement Collectif
• Application très populaire en IAD et Vie Artificielle
• Exploration et exploitation collective d'un environnement inconnu et dynamique, par des robots ou agents simulés
• Bonne illustration de l'auto-organisation
• Beaucoup de techniques envisageables (inspirées la plupart du temps des fourmis)
20Zahia Guessoum
Exemple 2 : Fourragement Collectif (2)
• Un ensemble simple de règles individuelles peut générer un comportement collectif remarquablement adaptatif
Règle Explorersi je suis videsi je ne perçois ni minerai ni
marqueje circule aléatoirementRègle Trouversi je suis dehors &
videsi je perçois du
mineraije le prends
Règle Rapportersi je suis dehors & pleinje pose deux marquesje reviens à la base
Règle Pistersi je suis dehors & videsi je perçois une marqueje me dirige vers elle je la prends
Règle Déposersi je suis à la base & pleinje dépose le minerai
Marques
Base
Minerai
21Zahia Guessoum
Eco-résolution
• L'éco-résolution (Eco Problem Solving - EPS) est un framework de SMA réactif dédié à la résolution de problèmes.– existe en : Lisp, Smalltalk, C++, Java– Repris dans DIMA : Gdima.kernel.EcoResolution
• Il s'appuie sur : – une décomposition structurelle du problème (i.e.
"objet")– un modèle d'agent séquenceant trois comportements
basiques (satisfaction, agression, fuite)– une description explicite de l'état initial et de l'état
final du problème.
22Zahia Guessoum
Eco-résolution
• Chaque agent a– un but (un autre agent)– des dépendances (d'autres agents)– des accointances ( " )– des gêneurs ( " )
• Le modèle de comportement est un automate à états finis (différences entre les versions):– satisfait: l'agent ne fait rien– rechercheSatisfaction: l'agent cherche à se satisfaire– rechercheFuite: l'agent a été agressé et tente de fuir– fuite: l'agent fuit
23Zahia Guessoum
Eco-résolution
• Informellement...– Si le but d'un agent n'est pas satisfait, l'agent demande à
son but de se satisfaire et se place dans ses dépendances.– Quand un agent se satisfait, il informe ses dépendances
qu'elles peuvent se satisfaire.– Quand un agent ne peut se satisfaire, il recherche les
gêneurs parmi ses accointances et les agresse (leur demande de fuir).
– Quand un agent cherche à fuir, il recherche les gêneurs parmi ses accointances et les agresse.
• La résolution du problème est:– incrémentale– réactive
24Zahia Guessoum
Intérêt de cette approche
• Passerelle vers les domaines de la Vie Artificielle et du néo-connexionisme.
• Offre la possibilité de confronter, au sein du même domaine (IAD), différentes théories de la cognition (sociale, individuelle).
• A régénéré le débat sur l’interprétation du fonctionnement d’un système, car un système multi-agent peut-être interprété comme coopératif sans que les agents aient été pourvus de la moindre capacité explicite de coopération.
25Zahia Guessoum
Modèles physiques
26Zahia Guessoum
Modèles physiques• Le modèle physique est utilisé comme métaphore. Les analogies suivantes
peuvent être établies entre le modèle multi-agents et le modèle physique :– un agent correspond à une particule dynamique,– un but correspond à une particule statique, – la compétence d’un agent est représentée par la masse de la particule (et son énergie
potentielle),– et l’atteinte d’un but correspond à une collision statique/dynamique.
• L’algorithme utilisé pour la satisfaction du but par l’agent correspond à l’itération de la dynamique du système physique (qui détermine les trajectoires de chaque agent).
• Dans ce modèle, chaque agent calcule son potentiel qui dépend des autres agents et des buts. Il interagit avec les autres entités voisines, mais il n’interagit pas avec la totalité des entités du système (les agents ont donc un champ de perception et d’action limité).
• Les deux propriétés émergentes sont la coopération et l’évitement de conflits.
27Zahia Guessoum
Modèles physiques
• Projet RIVAGE (LIP6-IRD)– Ce projet de recherche s'intéresse à l'application des systèmes
multi-agents à la simulation de phénomènes physiques. Un tel développement doit faire face à la gestion d'échelles et de points de vue multiples.
– RIVAGE met l'accent sur le ruissellement sur une surface topographique au cours d'une pluie. Des particules générées par la pluie - boules d'eau - représentent des volumes d'eau discrets. Localement les densités de boules d'eau induisent une hauteur d'eau sur la surface. A chaque pas de temps, suivant des règles simples, les agents boules d'eau se déplacent sur la surface en descendant les gradients de hauteur d'eau et de hauteur topographique, leur vitesse est mise à jour en conséquence. Ainsi, en fournissant en entrée un fichier de topo et un fichier de pluie, le programme simule l'évolution des champs de hauteurs d'eau et de vitesse - calcul+visualisation cf. figures ci-dessous.
28Zahia Guessoum
Modèles sociaux
29Zahia Guessoum
Métaphore sociale
• Les structures organisationnelles décrivent comment les membres du groupe interagissent et coopèrent afin d'atteindre un but commun.
• Conception de nouvelles techniques inspirées (plus ou moins fortement) de méthodes réelles transposées dans le domaine de l'informatique:– protocoles de négociation– appels d'offres, passation de marché– protocoles de conversation
• Exemples:– Contract net (réseau contractuel)– Speech acts (actes de langage)
30Zahia Guessoum
Réseau contractuel (Contract Net)
• Le réseau contractuel repose sur un mécanisme d'allocation de tâches régi par le protocole d'appel d'offres qui est utilisé dans les organisations humaines. Le modèle est basé sur une communication par envoi de messages entre agents. Dans les réseaux contractuels, un agent peut avoir deux rôles par rapport à une tâche : manager ou contractant. Le protocole est composé de trois phases : – annonce d'une tâche : le manager décompose la tâche qui lui est confiée en sous
tâches et fait une annonce de tâches aux agents du système,
– offre d'un service : les agents évaluent leur intérêt en fonction de leur ressources. Si la tâche est intéressante, ils soumettent une offre au manager,
• attribution d'une tâche : le manager choisit un ou plusieurs agents candidats pour exécuter la tâche et informe les autres agents de ce choix.
31Zahia Guessoum
Réseau contractuel (Contract Net)
Agent-Initiateur Agent-Participant
Call for proporsal
Refuse
Not understood
Accept proporsal
Reject proporsal
propose
Inform
cancel
32Zahia Guessoum
FIPA- Contract Net
33Zahia Guessoum
Protocole de négociationManager Participant
Inform(start auction)
Not understood
Accept proporsal (price)
Reject proporsal(price)
Propose (price)
Cfp(price+10)
Cfp(initial price)
(d :10)
m
n
Request(price)
Inform(end auction)
n
{n>= 2}
{price>= reserved price}
{d(current time , start)> delay}
34Zahia Guessoum
une taxonomie des types de ventes aux enchères
Mécanisme de commande
descendantascendant
Des règles de séquence ? La double
enchèreL’enchère privée
???L’enchère par appel
L’enchère continue
Enchère japonaise
L’enchère hollandaise
L’enchère anglaise
Nature des séquences
Oui NonUn seul Plusieurs
Le nombre de produits vendus par transaction
Le nombre des transactions
La forme des offres ou des propositions
Plusieurs offres et plusieurs propositions
Un seul Plusieurs
Le nombre d’offres et le nombre des propositions
Plusieurs offres et une seule propositionPlusieurs propositions et une seule offre
Privé Public
35Zahia Guessoum
Métaphore sociale … Conséquences
• Il faut doter les agents de capacités de représentation et de contrôle des interactions, afin qu’ils participent aux simulacres de processus sociaux dans lequel on les plonge.
• Prise en compte de la cognition sociale (dans la continuité de l’IA)
• Apparition de thèmes de recherche centrés sur l'agent, liés aux facultés :– de communication, – de représentation de soi, des autres, – de planification et révision du comportement,– de manipulation de croyances, d’intentions, et de buts.