Allocation Décentralisée de Ressources Multi-Agent : Application aux Contextes de Recharge Énergétique des Véhicules Électriques

Multi-Agent Resource Allocation: Application to Electric Vehicle Charging Contexts

• Auteur / Autrice : Mathis Crinchon
• Direction : René Mandiau
• Type : Projet de thèse
• Discipline(s) : Informatique et applications
• Date : Inscription en doctorat le 30/09/2025
• Etablissement(s) : Valenciennes, Université Polytechnique Hauts-de-France
• Ecole(s) doctorale(s) : Ecole Doctorale Polytechnique Hauts-de-France
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Automatique, de Mécanique et d'informatique Industrielles et Humaines

Mots clés

Mots clés libres

Intelligence artificielle

Systèmes multi-agents

Vehicule électrique

Allocation décentralisée de ressources

Artificial Intelligence

Multi-agent system

Multi-Agent Resource Allocation

Electric vehicle

Résumé

Le projet de recherche se focalise sur l'intégration des Systèmes de Transport Intelligents (STI) et de l'Intelligence Artificielle (IA), en particulier les véhicules autonomes électriques connectés (CAEVs). L'objectif est d'exploiter les Systèmes Multi-Agents (SMA) et les technologies de l'information et de la communication pour améliorer la coordination des CAEVs, afin d'optimiser l'efficacité et la durabilité des réseaux de transport. Les méthodes étudiées incluent l'apprentissage par renforcement multi-agent (MARL) et les mécanismes basés sur des modèles d'allocation distribuée/décentralisée de ressources (par exemple type enchères) pour la gestion des flux d'information entre les véhicules. Ce projet vise à transformer les réseaux de transport actuels en systèmes plus durables, intelligents et autonomes, en réduisant l'empreinte écologique des systèmes de transport. Les résultats escomptés incluent une augmentation de l'efficacité énergétique et une réduction des congestions urbaines, contribuant ainsi au problématique de développement durable.

The research project focuses on the integration of Intelligent Transport Systems (ITS) and Artificial Intelligence (AI), in particular connected autonomous electric vehicles (CAEVs). The aim is to exploit Multi-Agent Systems (MAS) and information and communication technologies to improve the coordination of CAEVs, in order to optimise the efficiency and sustainability of transport networks. The methods studied include multi-agent reinforcement learning (MARL) and mechanisms based on distributed/decentralised resource allocation models (e.g. auctions) for managing information flows between vehicles. This project aims to transform current transport networks into more sustainable, intelligent and autonomous systems, by reducing the ecological impact of transport systems. The expected results include an increase in energy efficiency and a reduction in urban congestion, thereby contributing to the issue of sustainable development.