Proposition d'un formalisme pour la construction automatique d'interactions dans les systèmes multi-agents réactifs

Proposition of a formalism for automatic construction of interactions in reactive multi-agent system

• Auteur / Autrice : Vincent René Léon Thomas
• Direction : Vincent Chevrier, Christine Bourjot
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2005
• Etablissement(s) : Nancy 1
• Partenaire(s) de recherche : Autre partenaire : Université Henri Poincaré Nancy 1. Faculté des sciences et techniques

Mots clés

Mots clés contrôlés

Markov, Processus de

Apprentissage automatique

Intelligence artificielle répartie

Résumé

Cette thèse s'est intéressée à deux domaines : les systèmes multi-agent qui se concentrent sur des systèmes composés de plusieurs entités autonomes en interaction et les processus de décision markoviens (MDP) qui formalisent des problèmes de prise de décision. Ce manuscrit traite de la conception automatique de système multi-agent et propose un nouveau formalisme pour appréhender cette problématique. Ce formalisme original, l'interac-DEC-POMDP s'inspire des des MDP décentralisés et d'Hamelin, une simulation inspirée de l'éthologie. Sa spécificité réside dans la capacité offerte aux agents d'interagir localement directement entre eux. Nos travaux montrent en outre qu'un algorithme basé sur l'apprentissage par renforcement permet de construire à partir d'une restriction de ce formalisme des comportements collectifs, fondés sur les interactions directes, de manière entièrement décentralisée et sans qu'aucun agent ne dispose d'une vue globale du système.

This PhD thesis focuses on two research fields : multi-agent systems which deal with systems constituted by autonomous interacting entities and Markov Decision Process (MDP) which formalizes decision problems. This Phd thesis deals with the automatic designing of multi-agent systems and proposes a new formalism for this purpose. This orginal formalism, interac-DEC-POMDP, is inspired by Hamelin an orginal simulation of biological collective behaviour and Decentralized Markov Decision Process. Its specificity lies in the capacity of the agents to interact locally among them. Our works shows that an algorithm based on reinforcement learning can build collective behaviour on the basis of these direct local interactions among agents. This computation is entierely decentralized and agents have never any global vision of the system.