Introduction aux systmes multiagents

1
Introduction aux systèmes multi-agents

• Roger Nkambou
• Daniel Doubois

2
Introduction à la notion dagent

• Comment formaliser le problème de construction
  dun agent ?
• Dichotomie entre la notion dagent et de son
  environnement
• Plus simple à traiter
• Un agent est une entité qui perçoit et agit
• Un agent est une fonction dune perception (ou
  séquence de percepts) à des actions

3
Agent

• Percept unité élémentaire de perception (via
  des capteurs)
• A un ensemble dactions (via des effecteurs)
• Lagent possède une fonction f Pgt A
• Agent architecture programme (implantation de
  f )

4
Exemples dagents

• Agent humain
• C yeux, oreilles, nez, etc.
• E Mains, jambe, bouche, autres parties du corps
• Agent robot
• C cameras and capteurs infrarouges
• E moteurs comme effecteurs
• Agent logiciel
• C Saisies de données, lecture d'un fichier,
  paquets réseau reçus comme des capteurs
• E Affichage à l'écran, écriture de fichiers,
  paquets envoyés sur le réseau

5
Environnement de lagent aspirateur

• 2 localisations A et B
• Perceptions localisation et contenu,
  exADirty
• Actions Left, Right, Suck, NoOp
• Une fonction possible
• Si la localisation courante est sale, alors
  aspirer, sinon aller à lautre localisation

6
Concept de rationalité

• Un agent est rationnel sil effectue toujours
  laction appropriée étant donnée sa perception
  et ses actions possibles.
• Quest-ce quune action appropriée?
• Définie par une mesure de performance.
• La rationalité de lagent dépend de 4 facteurs
• La mesure de performance
• Un agent est rationnel si pour toute séquence de
  percepts, il sélectionne laction qui maximise la
  mesure de performance rationnel réussi
• La clairvoyance
• Entretien une séquence percepts rationnel
  clairvoyant
• Lomniscience
• Sait tout sur son environnement rationnel
  omniscient ?
• Les actions possibles
• Ce que lagent sait faire rationnel capacité
  daction pertinente
• Cela peut impliquer que dispose des capacités d
  
• exploration, apprentissage, autonomie

7
Aspirateur exemple dagent rationnel

• Lagent aspirateur est rationnel si
• La mesure de performance accorde un point par
  case nettoyée
• Lenvironnement de lagent est connu mais pas
  lemplacement initial de lagent ni la
  distribution de la poussière
• Lagent perçoit correctement la case où il se
  trouve et sa propreté (ou pas)
• Actions Droite, Gauche, Aspirer, NRF

8
Aspirateur  ex dagent non rationnel

• Lagent aspirateur nest pas rationnel si
• Sil continue des déplacements dans un
  environnement propre (actions non optimale)
• Sil a une pénalité pour chaque déplacement un
  agent rationnel devrait minimiser les
  déplacements dans ce cas!
• Si lenvironnement peut changer un agent
  rationnel devrait le vérifier périodiquement
  (révision des croyances)
• Si lenvironnement est inconnu un agent
  rationnel devrait lexplorer.

9
Exemple de situation rationnelle

• Situation se munir dun parapluie
• Est-ce rationnel ?
• Cela dépend de la météo, et de ma connaissance de
  la météo.
• Si jai entendu le bulletin météo, que je le
  crois et que je pense quil va pleuvoir, alors il
  est rationnel de se munir dun parapluie.
• Une action est considérée comme rationnelle si
  elle conduit à bien faire ce que lagent essaie
  de faire!
• Cela nindique pas par exemple que ce que lagent
  essaie de faire est intelligent ou stupide.

10
Agent rationnel et environnement

• Pour modéliser un agent rationnel, on doit
  spécifier lenvironnement où doit se dérouler la
  tâche de lagent
• Lenvironnement représente le problème à résoudre
• Lagent représente la solution
• On doit définir les propriétés de cet
  environnement

11
Environnement dune tâche

• PEAS (Performance, Environment, Actuators,
  Sensors)
• Définir la mesure de performance
• Notion de compromis en cas de conflits dans les
  objectifs à atteindre
• Définir lenvironnement
• Définir les capteurs
• Définir les effecteurs

12
Ex Un agent taxi automatique

• Mesure de performance?
• Sécurité, arrivée à destination, minimisation du
  temps, maximisation du profit, minimisation de
  la consommation de carburant, légalité,
  maximisation du confort des passagers.
• Environnement?
• rues/autoroutes, trafic, piétons, météo
• Effecteurs?
• Contrôle de la direction, accélérateur, freins,
  klaxon, boite de vitesse,..
• Capteurs?
• Cameras Vidéo, accéléromètres, jauges, capteurs
  du moteur, clavier, GPS,

13
Ex Agent de shopping sur internet

• Mesure de performance?
• prix, qualité, pertinence, efficacité
• Environnement?
• Sites web, vendeurs, expéditeurs
• Actuateurs?
• Afficher à l'utilisateur, ouvrir lURL, remplir
  le formulaire
• Capteurs?
• pages HTML (textes, graphiques, scripts)

14
Propriétés de lenvironnement

• Entièrement observable(vs. Partiellement
  observable)
• Déterministe (vs. Non-Déterministe ou
  stochastique)
• Episodique (vs séquentiel)
• Statique (vs. Dynamique)
• Discret (vs. Continu)
• Mono-agent vs multi-agent

15
Entièrement observable(vs. Partiellement
observable)

• Peut-on voir l état du monde directement?
• Entièrement observable (vs. partiellement
  observable) lagent a accès en tout temps à
  toute linformation pertinente sur
  lenvironnement (on parle aussi détat)
• Taxi automatique Partiellement accessible
• Echecs accessible

16
Déterministe (vs. Non-Déterministe ou
stochastique)

• Est-ce quune action conduit dun état à un seul
  autre état ?
• Ex un agent qui conduit sur une route évolue
  dans un environnement stochastique (aléatoire)
• Environnement déterministe échecs

17
Episodique (vs. Non-épisodique ou séquentiel)

• Dans les environnements épisodiques,
  lexpérience de lagent est divisée en épisodes
  atomiques
• Chaque épisode consiste en une perception de
  lagent et une action en réponse à cette
  perception
• Le choix de laction dans chaque épisode dépend
  seulement de lépisode lui-même.
• Exemple Tâche de classification
• Dans les environnements séquentiels, la décision
  courante peut affecter les décisions futures
• Exemples Echecs et taxi automatique

18
Statique (vs. Dynamique)

• Est-ce que le monde peut changer pendant la
  délibération de lagent ?
• Environnement statique mots-croisés
• Environnement dynamique taxi automatique
• Lorsque lenvironnement ne change pas mais que la
  performance de lagent change au fur et à mesure
  que le temps sécoule, on parle denvironnement
  semi-dynamique
• Ex échecs chronométrés

19
Discret (vs. Continu)

• Est-ce que les perceptions et les actions sont
  discrètes (comme des entiers) ou continues (comme
  les nombres réels)?
• un nombre fini de perceptions et dactions
  différentes?
• Exemple Les échecs ont un nombre fini détats
  discrets et disposent dun ensemble discret de
  perceptions et dactions
• Le taxi automatique possède des états et des
  actions continus.

20
Mono-agent vs Multi-agent

• Environnement mono-agent
• Environnement multi-agent concurrentiel les
  échecs
• Environnement multi-agent partiellement
  coopératif évitement de collisions par
  différents taxis automatiques
• Environnement multi-agent partiellement
  concurrentiel trouver un stationnement
• Communication entre les agents
• Comportement stochastique souvent nécessaire!

21
Types denvironnement
Le type denvironnement détermine largement la
modélisation de lagent Le monde réel est
partiellement observable, non déterministe,
séquentiel, dynamique, continu, multi-agent
22
Structures dagents

• 4 types de base
• Les agents réflexes simples
• Les agents réflexes fondés sur des modèles
• Les agents fondés sur les buts
• Les agents fondés sur lutilité
• Agents évolués les agents capables
  dapprentissage

23
Les agents réflexes simples
Sélectionner des actions en fonction de la
perception courante et sans tenir compte de
lhistorique des perceptions
Règles condition-action
24
Implantation dun agent reflexe aspirateur
25
Inconvénients des agents reflexes

• Les agents reflexes sont simples, mais leur
  intelligence est très limitée!
• Lagent ne peut fonctionner que si une décision
  correcte peut être prise en fonction de la
  perception courante.
• Lenvironnement doit être complètement observable
• Pb des boucles infinies souvent rencontrées, on
  peut tenter dy remédier par un mécanisme de
  randomisation

26
Les agents réflexes fondés sur des modèles

• Lagent doit connaître son environnement (ex
  mémorisation de la topologie de lenvironnement)
• Lagent doit maintenir un état interne qui dépend
  de lhistorique des perceptions
• La mise à jour de cet état interne nécessite deux
  types de connaissances à encoder dans lagent
• Une information sur la manière dont le monde
  évolue indépendamment de lagent
• Une information sur la manière dont les actions
  de lagent affectent lenvironnement

27
Agent possédant un modèle
28
Les agents fondés sur les buts

• Connaitre létat courant de lenvironnement nest
  pas toujours suffisant pour décider de laction à
  accomplir (ex. décision à une jonction de route)
• Lagent a besoin dune information sur le but qui
  décrit les situations désirables
• Lagent peut alors combiner cette information
  avec linformation sur les résultats des actions
  possibles afin de choisir laction qui satisfait
  le but
• Un tel agent nécessite des capacités de recherche
  et de planification

29
Les agents fondés sur les buts
30
Comparaison

• Les agents basés sur les buts sont flexibles car
  la connaissance qui supporte leurs décisions est
  représentée explicitement et peut être modifiée
• Pour lagent reflexe, les règles condition-action
  doivent être modifiées et réécrites dans toute
  nouvelle situation
• Il est facile de modifier le comportement dun
  agent basé sur les buts

31
Les agents fondés sur lutilité

• Les buts seuls ne sont pas suffisants pour
  générer un comportement intéressant dans beaucoup
  denvironnements. Ils permettent seulement de
  faire une distinction binaire entre les états
   satisfait  et  non satisfait 
• Une mesure de performance plus générale doit
  permettre une comparaison entre les différents
  états du monde en fonction de la satisfaction
  exacte de lagent sils sont atteints.
• Une fonction dutilité associe un nombre réel à
  un état. Ce nombre décrit le degré de
  satisfaction associé à létat.

32
Les agents fondés sur lutilité
33
Les agents capables dapprentissage

• Turing Plutôt que de programmer des machines
  intelligentes à la main, ce qui nest pas
  vraiment réalisable, il faut construire des
  agents apprenants et les instruire de la tache à
  accomplir
• Lapprentissage permet à lagent dopérer dans
  des environnements inconnus et de devenir plus
  compétents quinitialement.

34
En résumé

• Les agents interagissent avec leur environnement
  à travers des effecteurs et des capteurs
• La fonction de lagent décrit ce que lagent fait
  dans toute circonstance
• La mesure de performance évalue le comportement
  de lagent dans son environnement
• Un agent parfaitement rationnel maximise la
  performance attendue

35
Exemple darchitecture dagent agent BDI
(Définition)

• Basée sur le modèle BDI (Croyance-Désir
  Intention)
• BDI Belief, Desire and Intention
• Croyances
• informations que l'agent possède sur
  l'environnement et sur d'autres agents qui
  existent dans le même environnement.
• Les croyances peuvent être incorrectes,
  incomplètes ou incertaines et sont donc
  différentes des connaissances de l'agent, qui
  sont des informations toujours vraies.
• Les croyances peuvent changer au fur et à mesure
  que l'agent, par sa capacité de perception ou par
  l'interaction avec d'autres agents, recueille
  plus d'information.

36
Agent BDI (Définition)

• BDI (suite)
• Les désirs
• représentent les états de l'environnement, et
  parfois de lui-même, que l'agent aimerait voir
  réalisés.
• Un agent peut avoir des désirs contradictoires 
  dans ce cas, il doit choisir parmi ses désirs un
  sous-ensemble qui soit consistant.
• Les intentions
• sont les désirs que l'agent a décidé d'accomplir
  ou les actions qu'il a décidé de faire pour
  accomplir ses désirs.
• Même si tous les désirs d'un agent sont
  consistants, l'agent peut ne pas être capable de
  les accomplir tous.

37
Architecture BDI (Fondement)

• La théorie de laction rationnelle (proposée par
  Michael Bratman) est à la base du modèle BDI.
• Cette théorie sinspire sur la façon dont les
  gens raisonnent dans la vie de tous les jours, en
  décidant, à chaque moment, ce qu'ils ont à faire.
  
• Cette théorie montre que les intentions jouent un
  rôle fondamental dans le raisonnement pratique,
  car elles limitent les choix possibles qu'un
  humain (ou un agent artificiel) peut faire à un
  certain moment.
• Illustration
• L'agent Pierre a la croyance que, si quelqu'un
  passe son temps à étudier, cette personne peut
  faire une thèse de doctorat. En plus, Pierre a le
  désir de voyager beaucoup, de faire une thèse de
  doctorat et d'obtenir un poste d'assistant à
  l'université. Le désir de voyager beaucoup n'est
  pas consistant avec les deux autres et Pierre,
  après réflexion, décide de choisir, parmi ces
  désirs inconsistants, les deux derniers. Comme il
  se rend compte qu'il ne peut pas réaliser ses
  deux désirs à la fois, il décide de faire d'abord
  une thèse de doctorat. En ce moment Pierre a
  l'intention de faire une thèse et, normalement,
  il va utiliser tous ses moyens pour y parvenir.
  Il serait irrationnel de la part de Pierre, une
  fois sa décision prise, d'utiliser son temps et
  son énergie, notamment ses moyens, pour voyager
  autour du monde. En fixant ces intentions, Pierre
  a moins de choix à considérer car il a renoncé à
  faire le tour des agences de voyage pour trouver
  l'offre de voyage qui le satisferait au mieux.

38
Architecture BDI (Composantes)
revc B x P -gtB est la fonction de révision des
croyances de l'agent lorsqu'il reçoit de
nouvelles perceptions sur l'environnement, où P
représente l'ensemble des perceptions de
l'agent  elle est réalisée par la composante
Révision des croyances  options D x I-gtI est
la fonction qui représente le processus de
décision de l'agent prenant en compte ses désirs
et ses intentions courantes  cette fonction est
réalisée par la composante Processus de
décision  des B x D x I-gtD est la fonction
qui peut changer les désirs d'un agent si ses
croyances ou intentions changent, pour maintenir
la consistance des désirs de l'agent (on suppose
dans notre modèle que l'agent a toujours des
désirs consistants)  cette fonction est
également réalisée par la composante Processus de
décision  filtre B x D x I-gtI est la
fonction la plus importante car elle décide des
intentions à poursuivre  elle est réalisée par
la composante Filtre plan B x I-gt PE est la
fonction qui transforme les plans partiels en
plans exécutables, PE étant l'ensemble de ces
plans  elle peut utiliser, par exemple, une
bibliothèque de plans (LibP).
39
Architecture BDI (Algorithme de contrôle)

• Reprenons l'exemple de Pierre introduit plus
  haut. Si Pierre a décidé que son intention est de
  faire une thèse de doctorat, il s'est alors
  obligé à cette intention. Pierre commence à
  travailler et faire sa recherche. Entre temps, il
  découvre qu'il n'aime pas trop travailler et
  qu'il préfère passer son temps avec ses amis dans
  les bistros. Pierre se rend compte que son
  intention est impossible à accomplir, ce qui le
  conduit à abandonner son intention de faire une
  thèse. Dans un autre cas, comme Pierre veut aussi
  gagner un peu d'argent, il prend un job dans une
  compagnie. Comme il est très éloquent et
  persuasif, on lui offre un poste dans la
  compagnie qui lui demande de voyager beaucoup
  pour représenter les intérêts de la compagnie.
  Pierre constate alors qu'une autre de ses
  intentions devient opportune, il abandonne son
  engagement de faire une thèse et accepte le poste
  qu'on lui a offert.

• Soient B0, D0 et I0 les croyances, désirs et
  intentions initiales de l'agent.
• Algorithme de contrôle d'agent BDI (par
  Woodridge)
• 1      B B02      D D03      I I04     
  répéter            4.1    obtenir nouvelles
  perceptions p            4.2    B revc(B,
  p)            4.3    I options(D,
  I)            4.4    D des(B, D
  ,I)            4.5    I filtre(B, D,
  I)            4.6    PE plan(B, I)           
  4.7    exécuter(PE)        jusqu'à ce que
  l'agent soit arrêtéfin

La question est Combien de temps lagent
reste-t-il obligé par une intention ?
40
Architecture BDI (Algorithme de contrôle et
stratégies dobligation)

• 3 principales stratégies d'obligation 
• Obligation aveugle (ou obligation fanatique). Un
  agent suivant cette stratégie va maintenir ses
  intentions jusqu'à ce qu'elles soient réalisées,
  plus précisément jusqu'à ce qu'il croie qu'elle
  sont réalisées.
• Pas bone pas efficace l'environnement change
  entre le moment où l'agent a choisi (filtré) ses
  intentions, et le moment où ces intentions
  doivent être accomplies.
• Obligation limitée. L'agent va maintenir ses
  intentions, ou bien jusqu'à ce qu'elles soient
  réalisées, ou bien jusqu'à ce qu'il croie
  qu'elles ne sont plus réalisables.
• Obligation ouverte. Lagent maintient ses
  intentions tant que ces intentions sont aussi ses
  désirs. Cela implique aussi que, une fois que
  l'agent a conclu que ses intentions ne sont plus
  réalisables, il ne les considère plus parmi ses
  désirs.

41
Arch. BDI (Algo de contrôle et stratégies
dobligation)
Algorithme de contrôle d'agent BDI avec
obligation ouverte 1      B B02      D
D03      I I04      répéter           
4.1    obtenir nouvelles perceptions
p            4.2    B revc(B, p)           
4.3    I options(D, I)            4.4    D
des(B, D ,I)            4.5    I filtre(B, D,
I)            4.6    PE plan(B, I)           
4.7 tant que (PEltgt et nonaccompli(I, B)
et possible(I, B))
répéter                     - x première(PE) 
exécuter(x)  - PE reste(PE)            
         - obtenir nouvelles perceptions
p                     - B revc(B,
p)                     - D des(B, D
,I)                     - I filtre(B, D,
I)                     - PE plan(B,
I)            fin tant que        jusqu'à ce
que l'agent soit arrêtéfin

• Algorithme de contrôle d'agent BDI avec
  obligation limitée
• 1      B B02      D D03      I I04     
  répéter            4.1    obtenir nouvelles
  perceptions p            4.2    B revc(B,
  p)            4.3    I options(D,
  I)            4.4    D des(B, D
  ,I)            4.5    I filtre(B, D,
  I)            4.6    PE plan(B, I)           
  4.7 tant que (PEltgt et nonaccompli(I, B) et
  possible(I, B)) répéter                     - x
  première(PE)  exécuter(x)  PE
  reste(PE)                     - obtenir
  nouvelles perceptions p                     - B
  revc(B, p)            fin tant que       
  jusqu'à ce que l'agent soit arrêtéfin

possible(I, B) est la fonction qui vérifie si,
après avoir obtenu la perception p sur
l'environnement et révisé ses croyances, les
intentions choisies sont encore réalisables 
nonaccompli(I, B) est la fonction qui vérifie
si, par hasard, les intentions de l'agent sont
déjà accomplies avant même que l'exécution de son
plan soit terminée.
42
BDI et architecture dagents réatifs

• Une excellente architecture pour agent
  intelligent ou cognitif intégrant une grande
  capacité à raisonner.
• Toutefois, les agents réactifs peuvent aussi
  donnés des résultants intéressants même dans des
  tâches complexes (Ex Exploration de Mars)
  pouvant nécessité lintelligence.
• Lintelligence dans ces agents réactifs nen est
  pas une au sens IA du terme, mais une qui émerge
  de linteraction entre les composants simples ou
  entres les agents réactifs dans lenvironnement.
• Nécessité davoir des architectures hybride
  combinant les vertus de la réactivité et du
  raisonnement.
• Cest le cas de larchitecture InteRRaP
  (("Integration of Reactive Behavior and Rational
  Planning" Intégration du comportement réactif
  et planification rationnelle).

43
Quelques exemples doutil de construction de SMA

• JADE (Java Agent DEvelopment Framework) Pour
  limplémentation de SMA à travers un middle-ware
  compatible FIPA (http//jade.tilab.com/community-3
  rdpartysw.htm)
• JESS (Java Expert System Shell) c'est du CLIPS
  en Java. Il permet la construction d'agents selon
  les techniques des systèmes à base de règles
  (http//herzberg.ca.sandia.gov/docs/70/embedding.h
  tml)
• Agent Factory Pour le prototypage rapide dagents
  intelligents (http//www.agentfactory.com/index.ph
  p/Main_Page/).
• Cougaar Agent Architecture logiciel libre Java
  pour la construction de SMA
• Jadex BDI Agent System (JADE extension) Extension
  de JADE Pour les agents BDI (http//vsis-www.info
  rmatik.uni-hamburg.de/projects/jadex/)
• 3APL Langage de programmation des agents
  cognitifs (http//www.ercim.org/publication/Ercim_
  News/enw53/dastani.html)

44
Interaction et coopération entre agents

•         Interactions
•         Coordination
•         Négociation
•         Communication entre agents
• Méthode de conception de SMA

45
Topologie des interactions (Ferber)

•         Agents indépendants
•          Collaboration simple entre agents
•          Encombrement
•          Collaboration coordonnée
•          Compétition individuelle pure
•          Compétition collective pure
•          Conflit individuel pour des ressources
• Conflit collectif pour des ressources

46
Indépendance entre agents

• Il ny a réellement pas dinteraction dans ce cas
  puisque 
• les agents ont des buts compatibles (c-à-d qui ne
  sont pas en conflits)
• les agents ont des ressources suffisantes
• les agents ont les capacités quil faut.

47
Collaboration simple

• -   les agents ont des buts compatibles
• -   les agents ont des ressources suffisantes
• -   les agents ont des capacités insuffisantes
•        gt partage de tâches
•        gt partage des informations
• Exemple 
• Collaboration de spécialistes pour la
  résolution dun problème pour lequel aucun na la
  capacité de le résoudre tout seul.

48
Encombrement

• -   les agents ont des buts compatibles
• -   les agents ont des capacités suffisantes
• -   les agents ont des ressources insuffisantes
•        gt conflit daccès aux ressources
•        gt les agents peuvent se gêner
• Exemple
• o Trafic aérien
• o Gestion de stock etc.

49
Compétition individuelle pure

• -    Les agents ont des capacités suffisantes
• -    Les agents ont des ressources suffisantes
• -    Les agents ont des buts incompatibles
• gt ils doivent négocier ( lutter ) pour
  atteindre leurs buts
• - On dit quil y a compétition pure car laccès
  aux ressources nest pas un enjeu
• - Il ny a pas dinteraction en vue dune
  coordination des efforts
• Exemple  Compétition sportive

50
Compétition collective pure

• -  Les agents ont des ressources suffisantes
• -  Les agents ont des capacités insuffisantes
• -  Les agents ont des buts incompatibles
• ð   ils doivent donc sassocier et se regrouper
  sous forme de  coalition  pour atteindre leurs
  buts
• ð   On voit donc se former des grouper dagents
  unis par le lien de collaboration coordonnée
• ð   Les coalitions et groupes saffrontent
  entre eux.
• -  Exemple  Course de patin sur glace avec
  relais 400 m relais

51
Conflits individuels pour les ressources

• -   Les agents ont des buts incompatibles.
• -   Les agents ont des capacités suffisantes.
• -    Les agents ont des ressources insuffisantes
  (donc risques de conflits).
•  
• Exemples
• -  compétition pour un poste dans une entreprise.
• -  compétition entre entreprises pour avoir une
  position dominante sur le marché.

52
Conflits collectifs pour des ressources

• -  Les agents ont des buts incompatibles.
• -  Les agents ont des capacités insuffisantes.
• -  Les agents ont des ressources insuffisantes.
•    gt les agents doivent donc s'associer ou se
  regrouper pour acquérir des ressources
• Ex Affrontements en équipes (hockey,
  football, etc.)

53
Coopération entre agents

• Durfee propose 4 buts génériques pour établir la
  coopération 
• Augmenter le taux de finalisation des tâches
  grâce au parallélisme et aux interactions
  positives.
• Augmenter le nombre de tâches réalisables grâce
  au partage de ressources (information, expertise,
  etc.).
• Augmenter les chances de finaliser des tâches en
  les dupliquant et en utilisant éventuellement des
  modes de réalisation différents.
• Diminuer les interférences entre tâches en
  évitant les interactions négatives.

54
Étendues de la coopération

• La coopération s'étend de la coopération totale à
  l'antagonisme total.
• Les agents optant pour la coopération totale
  peuvent délaisser leurs buts pour répondre aux
  besoins des autres agents afin d'assurer une
  meilleure coordination.
• Cela risque de donner lieu a plus de
  communications
• Les agents antagonistes ne vont pas coopérer et
  dans le cas leurs buts respectifs vont se trouver
  bloqués.
• Dans de tels systèmes les communications sont
  minimaux.
• Les systèmes réels se situent entre les deux
  extrêmes coopération totale et antagonisme
  total.
• La coopération totale est généralement mise en
  oeuvre dans la résolution distribuée de problèmes

55
Coopération totale et résolution distribuée de
problèmes

• Décomposition du problème en sous-problèmes
• Attribution des sous-problèmes aux agents
• Résolution des sous-problèmes
• Intégration (Synthèse)
• Solution globale

56
Coopération totale et résolution distribuée de
problèmes (suite)

• Les agents coopèrent pour résoudre des problèmes
  qu'ils ne peuvent pas résoudre individuellement.
• Chaque agent utilise ses connaissances et ses
  ressources pour résoudre localement un ou
  plusieurs sous problèmes.
• Les solutions partielles à tous les
  sous-problèmes sont par la suite intégrées.
• Exemples traitement de la parole, évaluation
  d'une situation distribuée, etc.

57
Interactions entre agents coopérants

• On se doit de tenir compte des contraintes que
  les actions des autres agents placent sur le
  choix des actions de chaque agent.
• Approche classique à la coordination les agents
  doivent être en mesure de reconnaître les
  interactions entre les différents sous-buts pour
  pouvoir, soit les ignorer, soit les résoudre.
• Coordination dynamique dans le PGP (partial
  global planning), les agents interagissent en se
  communiquant leurs plans (partiels) et leurs buts
  selon un niveau d'abstraction approprié.
• Ces communications vont permettre à chacun
  d'anticiper quelles seront les actions futures
  des uns et des autres, augmentant ainsi la
  cohérence de l'ensemble.
• Comme les agents coopèrent, le receveur d'un
  message peut utiliser les informations reçues
  afin d'ajuster sa propre planification.

58
Interactions entre agents égo-centrés

• Dans ce cas, les interactions se basent
  principalement sur La négociation
• La négociation est utilisée comme méthode de
  coordination et de résolution de conflits.
• La négociation est également utilisée pour
  l'allocation de tâches et les changements de
  plans.