Algorithmes bio-inspiréspour la recherche et la prise de décision collective

Bio-inspired algorithms for research and collective decision-making.

• Auteur / Autrice : Niccolò D'archivio
• Direction : Emanuele Natale, Frédéric Giroire
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/04/2024
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Combinatoire, Optimisation et Algorithmes pour les Télécommunications

Mots clés

Mots clés libres

Systèmes multi-agents

Consensus

Recherche collective

Multi-agents systems

Consensus

Collective search

Résumé

Nous proposons d'étudier la classe d'algorithme de consensus connue sous le nom de dynamique computationnelle, qui a récemment fait l'objet de nombreuses recherches en raison de ses applications pour expliquer plusieurs phénomènes biologiques et sociaux, ainsi que de ses applications potentielles pour induire certains comportements émergents dans les systèmes multi-agents. Le problème fondamental qui nous intéresse est celui du consensus, dans lequel on souhaite que les agents du système se mettent d'accord sur une décision commune. Pour ce faire, nous avons étudié certaines dynamiques computationnelles inspirées du processus de prise de décision observé chez les abeilles. Plusieurs autres variantes de dynamiques computationnelles ont été étudiées, mais les résultats de portée générale ont été rares dans la littérature. Nous visons à faire avancer l'état de l'art sur le problème en étudiant une dynamique qui englobe plusieurs dynamiques précédentes en tant que cas particuliers : la dynamique de la k-majorité, dans laquelle chaque agent adopte la majorité de k voisins observés aléatoirement dans le système. Bien que très simple, des questions fondamentales restent sans réponse, notamment la dépendance entre le paramètre k et la robustesse et l'efficacité avec lesquelles le processus permet au système de converger vers un consensus majoritaire. Plusieurs travaux théoriques ont montré qu'une valeur aussi petite que 3 pour le paramètre k offre déjà des propriétés remarquables (dont la robustesse face à plusieurs agents byzantins dans le système) ; il est également connu que, lorsque les agents doivent choisir entre un très grand nombre d'options possibles, des valeurs plus élevées de k sont cruciales pour l'efficacité et la justesse. L'objectif de BioSwarm est d'étudier le problème en profondeur, à la fois d'un point de vue théorique, dans le but de fournir des formules mathématiques qui relient la valeur de k aux garanties requises, et d'un point de vue pratique, par le biais de simulations approfondies qui ouvrent la voie à l'utilisation pratique dans un scénario réel. Une deuxième partie du projet se concentrera sur l'étude des marches de Lévy, un processus stochastique qui a trouvé d'importantes applications dans l'étude du comportement collectif des systèmes d'agents au cours des dernières années.

We propose to study the class of consensus algorithm known as computational dynamics, which has recently been the subject of extensive research due to its applications in explaining various biological and social phenomena, as well as its potential applications for inducing certain emergent behaviors in multi-agent systems. The fundamental problem that interests us is that of consensus, in which we aim for the agents in the system to agree on a common decision. To achieve this, we have studied certain computational dynamics inspired by the decision-making process observed in bees. While several other variants of computational dynamics have been studied, general scope results have been scarce in the literature. We aim to advance the state of the art on the problem by studying a dynamics that encompasses several previous dynamics as special cases: the k-majority dynamics, in which each agent adopts the majority of k randomly observed neighbors in the system. Although very simple, fundamental questions remain unanswered, including the dependence between the parameter k and the robustness and efficiency with which the process allows the system to converge to a majority consensus. Several theoretical works have shown that even a small value such as 3 for the parameter k already offers remarkable properties (including robustness against multiple Byzantine agents in the system); it is also known that when agents must choose from a very large number of possible options, higher values of k are crucial for efficiency and accuracy. The goal of BioSwarm is to study the problem in depth, both from a theoretical perspective, aiming to provide mathematical formulas that connect the value of k to the required guarantees, and from a practical perspective, through extensive simulations that pave the way for practical use in a real-world scenario. A second part of the project will focus on studying Levy flights, a stochastic process that has found significant applications in studying the collective behavior of agent systems in recent years.