Inta Chapitre4

Chapitre 4: Systèmes Multi-
agents
Dr. Benmerzoug D.
Département TLSI
Faculté des NTIC
Université Constantine 2
INTA - Master 2 - Recherche 124

Systèmes Multi-agents
 Plan:
 Intelligence Artificielle (IA)
 Intelligence Artificielle Distribuée (IAD)
 Technologie Agent
 Systèmes Multi-agents (SMA)
 SMA et intégration d’applications

L’intelligence artificielle (IA)
 L’IA Désigne la simulation des mécanismes de
la pensée par un ordinateur
 Reproduire un raisonnement par des moyens
informatiques
 Un ensemble de réalisations et de recherches
qui essaient de simuler artificiellement les
performances humaines
 L'émergence des systèmes ''adaptatifs''

 Les systèmes experts
 Un système expert est un logiciel capable
de répondre à des questions, en effectuant
un raisonnement à partir de faits et de
règles connus. Il peut servir
notamment comme outil d’aide à la
décision.

 Un système expert se compose de 3
parties :
 Une base de faits ;
 Une base de règles ;
 Un moteur d’inférence.

 Faits et règles
 Faits
 Ensemble de vérités connues
 Règles
 Partie condition : prémisses
 Partie action : conclusion, calcul, affichage ...
 Éventuellement : coefficient de confiance
SI condition ALORS action [coefficient]

 Généralement, ils utilisent la règle
d'inférence suivante :
 Si P est vrai (fait) et si on sait que P
implique Q (règle) alors, Q est vrai
(nouveau fait ou conclusion).

 Le moteur d’inférence
 Le moteur d’inférence est capable d’utiliser
faits et règles pour produire de nouveaux
faits, jusqu’à parvenir à la réponse à la
question posée.
 La plupart des systèmes experts existants
reposent sur des mécanismes de logique
formelle et utilisent le raisonnement
déductif.
 Pourquoi un Système Expert ?
 Problèmes mal formalisés ou dont la
formulation évolue
 Médecine : nouveaux examens, nouvelles
connaissances, nouvelles thérapies
 Pas d’algorithme connu (ou algorithme trop
complexe)
 Reconnaissance de l’écriture
 Jeu d’échecs
 Affectation des ressources, ordonnancement

 Mode de raisonnements
 Il existe de nombreux types de moteurs,
capables de traiter différentes formes de
règles logiques pour déduire de nouveaux
faits à partir de la base de connaissance.
 On distingue souvent trois catégories:
 Les moteurs - dit à « chaînage avant » -
qui partent des faits et règles de la base de
connaissance, et tentent de s’approcher
des faits recherchés par le problème.
 Les moteurs - dits à « chaînage arrière » -
qui partent des faits recherchés par le
problème, et tentent par l’intermédiaire des
règles, de « remonter » à des faits connus,
 Les moteurs - dits à « chaînage mixte » -
qui utilisent une combinaison de ces deux
approches chaînage avant et chaînage
arrière.

 L’apprentissage automatique
 L'apprentissage automatique fait référence au
développement, à l’analyse et à l’implémentation de
méthodes qui permettent à une machine d’évoluer grâce
à un processus d’apprentissage, et ainsi de remplir
des tâches qu’il est difficile ou impossible de remplir
par des moyens algorithmiques plus classiques.
 Objectif : extraire et exploiter automatiquement
l'information présente dans un jeu de données.

 Types d’apprentissage
 Les algorithmes d’apprentissage peuvent se
catégoriser selon le type d’apprentissage qu’ils
emploient :
 L'apprentissage supervisé
 L'apprentissage non-supervisé
 L'apprentissage par renforcement

 L’apprentissage supervisé
 Un expert est employé pour étiqueter
correctement des exemples.
 L’apprenant doit alors trouver ou approximer la
fonction qui permet d’affecter la bonne étiquette
à ces exemples.
 L’apprentissage non supervisé
 Aucun expert n’est disponible.
 L'algorithme doit découvrir par lui-même la
structure des données. 138
 Apprentissage par renforcement (AR)
 L’algorithme apprend un comportement
étant donné une observation.
 L'action de l'algorithme sur l'environnement
produit une valeur de retour qui guide
l'algorithme d'apprentissage.

 Pourquoi l’AR ?
 Il est très utile dans le cadre de problèmes où :
 des stratégies comportementales efficaces sont
inconnues a priori ou sont difficilement automatisables
 lorsqu’il y a de l’incertain dans la manière dont
l’environnement évolue
 L’AR se distingue des autres approches
d’apprentissage par plusieurs aspects :
 L’apprentissage se fait sans supervision
 Il repose sur le principe d’essai/erreur
140
 Apprentissage par renforcement (AR)
 Quelques algorithmes
 La méthode des k plus proches voisins
 Les réseaux de neurones
 Les arbres de décision
 Les algorithmes génétiques

 Méthode des k plus proches voisins
 Principe: On dispose d'une base de données
d'apprentissage constituée de m couples
«entrée-sortie ».
 Pour estimer la sortie associée à une nouvelle
entrée x, la méthode consiste à prendre en
compte les k échantillons d'apprentissage dont
l'entrée est la plus proche de la nouvelle entrée
x, selon une distance à définir

144
 Exemple


 Distance
 Euclidienne:
 Euclidienne pondérée:

 Plan:

L’intelligence artificielle
Distribuée (IAD)
 L’intelligence artificielle distribuée (IAD)
 La branche de l’IA qui s’intéresse à la
modélisation du comportement «intelligent» par
la coopération entre un ensemble d’agents
 L’intelligence artificielle classique, modélise le
comportement intelligent d’un seul agent.
 Passage du comportement individuel aux
comportements collectifs pour combler les
limites de l’IA classique à résoudre des
problèmes complexes.
Distribuée (IAD)
 I.A.D. – Pourquoi distribuer ?
 La plupart des applications ou problèmes réels
font intervenir des systèmes physiquement et
fonctionnellement distribués.
 Distribution fonctionnelle dans les activités
humaines (décomposition du problème en
fonction des spécialités)

Distribuée (IAD)
 I.A.D. – Pourquoi distribuer ?
 Évolution de l’informatique vers le Pervasive
Computing (informatique ubiquitaire ou diffusé)

La technologie Agent
 Définition d’un agent
 Un agent est une entité physique ou virtuelle
qui agit dans un environnement, communique
directement avec d’autres agents, possède des
ressources propres, est capable de percevoir
partiellement son environnement et possède
des compétences.
 En fonction des ressources, des compétences et
des communications, un agent tend à satisfaire
ses objectifs. INTA - Master 2 - Recherche 152
 Un agent effectue continuellement trois
fonctions :
 Perception de l’environnement ;
 Interprétation de ces perceptions ;
 Détermination des actions possibles.

 Propriétés de l’agent
 Réactivité : Percevoir l’environnement et
répondre, en temps réel
 Proactivité : Capacité de prendre l’initiative /
comportement orienté but
 Sociabilité : Capacité d’interagir avec d’autres
agents ou utilisateurs
 Autonomie: un agent est indépendant de
l’utilisateur et des autres agents.
 Types d’agents
 Agent réactif: les décisions prises par les
agents sont basées sur une correspondance
entre les situations et les actions
(Architecture simple).
 Agent cognitif: les décisions prises par les
agents sont basées sur des déductions
logiques (Architecture complexe)
 Agent hybride
 Agent cognitif vs réactif

 Plan:

Systèmes Multi-agents (SMA)
 Définition d’un SMA
 Un système multi-agents est un ensemble
organisé d’agents.
 Il est constitué d’une ou plusieurs organisations
qui structurent les règles de cohabitation et de
travail collectif entre agents.
 Dans un même système, un agent peut
appartenir à plusieurs organisations.

 Propriétés des SMA:
 Chaque agent a des informations et des
capacités limitées pour résoudre un
problème
 Pas de système central de contrôle
 Données décentralisées
 Calcul asynchrone

 Interaction
 Mise en relation dynamique de 2 ou plusieurs
agents par le biais d’un ensemble d’actions
réciproques
 Echange des séries de messages en respectant
des protocoles biens précis: protocoles de
coordination, de coopération et de négociation.

 Communication entre agents
 Un agent doit être capable de communiquer
avec les autres agents.
 Les agents doivent avoir des capacités à
manipuler un langage commun.
 2 types de communication :
 Communication indirecte : Partage d’informations
via l’environnement,
 Communication directe : envoi de messages,
 Pour échanger les informations et les connaissances,
les agents utilisent des ACL (Agent Communication Language).
 Tout langage multi agent est représenté par une
structure de donnée comprenant les champs :
 Emetteur
 Récepteur
 Langage utilisé : langage dans lequel le contenu de message est rédigé
 Contenu du message
 L’ontologie : le vocabulaire dans un domaine donné pour que les
agents puissent se comprendre

 De nombreux langages de communications
entre agents (ACL) se sont développés.
 KQML (93, 97)
 FIPA-ACL (97, 99, 2000)

 KQML (Knowledge Query and Manipulation
Language)
 KQML a été conçu comme étant à la fois un
format de message et un protocole de
transfert de messages venant aider les agents
intelligent au partage et échange de données
de haut niveau tout en étant indépendant des
machines.

 KQML : la syntaxe

 KQML : les performatives
 36 performatives répartis en 3 catégories :
 Les 18 performatives de discours : servent à
échanger des connaissances et des informations
(ask-if, ask-one, tell, describe, stream-all … )
 Les 11 performatives d’interconnexion : aide à la
mise en relation des agents entre eux (register,
unregister, broadcast …)
 Les 7 performatives d’exception : servent à changer
le déroulement normal des échanges (error, sorry,
standby …)
 Exemples KQML:
Soient E : l'agent émetteur, R : l'agent récepteur et C : le contenu du
message
 ask-one : E veut que seulement R réponde à sa question C
 ask-if : E veut savoir si la réponse à la question précisée en
C se trouve dans la base de connaissances (BC) de R
 tell : E affirme au R que C est dans la BC de E
 broadcast : E veut que R transmette à son tour la
performative à toutes ses connexions
 error : E considère le message précédent de R comme mal formé
 sorry : R ne peut pas fournir plus d’information 167
 Exemples KQML:
 l’ agent A veut connaître  l’ agent B répond que
toutes les personnes définies Socrate est un homme.
comme étant des hommes.
168
 L’agent A veut informer l’agent B que le prix L’agent A demande à l’agent B de
de bouquin "Web Service" est fixé à 1000 DA. transférer le message précédent à
l’agent C.
(forward
(tell :from A
:sender A :to C
:receiver B :sender A
:receiver B
:language java
:language KQML
:ontology e-commerce :ontology kqml-ontology
:content prix("Web Service", 1000) :content (tell
) :sender A
:receiver B
:language java
:ontology e-commerce
:content prix("Web Service", 1000)
)
)
169
 Plates-formes SMA & KQML
 AgentBuilder
 http://www.agentbuilder.com
 JAT : Java Agent Template
 http://www-cdr.stanford.edu/ABE/JavaAgent.html
 Java Intelligent Agent Library
 http://www.bitpix.com/business/main/bitpix.htm

 La norme FIPA
 La FIPA (Foundation for Intelligent Physical
Agents) est une organisation en 1996 dont
l'objectif est de produire des standards
pour l'interopérabilité d’agents logiciels
hétérogènes.
 FIPA ACL : Syntaxe similaire à celle de
KQML.

 La norme FIPA

 Plates-formes SMA & FIPA
 JADE : http://jade.tilab.com/
 Langage utilisé : Java.
 FIPA ACL pour la communication.

 Plan:

SMA et Intégration d’applications
 Les défis de l’EAI:

 Communication des agréments sémantiques
 Environnements ouverts, Interactions
complexes
 Flexibilité
 …………
175
 Standards des services Web
 WSDL, SOAP, BPEL
 Limitations
 Inexistence de sémantique des messages échangés (message
sequencing and correlation)
 Composition manuelle des services
 Inefficacité en cas d'interactions complexes
Systèmes multi-agents (SMA)

Entités autonomes, interagissent dans un
environnement pour la résolution collective de problèmes
176
 Problématique
 Comment modéliser le scénario d’intégration à l’aide
de mécanismes de coordination multi-agent ?
 Comment intégrer les processus métiers au moment
d’exécution ?
 Apports de la technologie Agent
 Une approche orientée agent pour la modélisation du
scénario d’intégration
 Une architecture basée agent pour l’intégration
d’applications
177
SMA et Intégration
d’applications
Web HTTP CORBA Legacy System

Application
ODBC
Java RMI
MAS Data Base
Application
.NET REMOTING JCA

.NET ERP, CRM
Application
SMA et Intégration
d’applications
 Apport des SMA dans le domaine de
l’intégration d’applications:
 La répartition géographique et/ou logique
d’entités, de données ou d’informations
hétérogènes
 La complexité du problème global à résoudre,
celui-ci n’étant manipulable que par des
stratégies heuristiques utilisant des données ou
des connaissances locales
SMA et Intégration
d’applications
 La flexibilité des interactions : il n’y a pas
d’affectation a priori des tâches et les mécanismes
de résolution de problèmes ne sont pas
préalablement assignés
 L’environnement dynamique nécessitant, pour la
résolution de problèmes, des entités réactives et
adaptative
 L’ouverture : il n’est pas possible de donner une
spécification complète du problème à résoudre ni
de définir une fonction d’utilité globale.
Références bibliographiques
 Djamel Benmerzoug: Modèles et outils formels pour l’intégration d’applications
d’entreprises. Thèse de doctorat (Université Paris 6, Université Mentouri de Constantine), 2009
 David S. Linthicum: Enterprise Application Integration, Ed: Addison Wesley, 2001
 R. Sharma, B. Stearns, T. Ng: J2EE Connector Architecture and Enterprise Application
Integration, Publisher: Addison Wesley,2001.
 Saïd Izza: Intégration des systèmes d’information industriels : une approche flexible
basée sur les services sémantiques. Thèse de doctorat de l’école supérieure nationale des
Mines de Saint-Étienne, novembre 2006.
 Jihed Touzi: Aide à la conception de système d’information collaboratif support de
l’interopérabilité des entreprises. thèse de doctorat de l’école des Mines d’Albi Carmaux,
Novembre 2007.
 David S. Linthicum: Next Generation Application Integration, Ed: Addison Wesley, 2004.
 EBM Websourcing : Nouvelles technologies pour l’intégration : les ESB. 2006.
 P. Sarang, R. Loganathan, F. Jennings, M. Juric: SOA Approach to Integration: XML, Web
services, ESB, and BPEL in real-world SOA projects. 2007.
 Jeremy Fierstone: Les services Web, 2002

Références bibliographiques
 Djamel Benmerzoug: A Specification and Validation Approach for
Business Process Integration based on Web Services and
Agents. 2007
 Djamel Benmerzoug: A Petri-Net Based Formalisation of
Interaction Protocols Applied to Business Process Integration.
2008
 Djamel Benmerzoug: Formalisation and verification of interaction
protocols for business process integration: a Petri net
approach. 2008
 Djamel Benmerzoug: Agent Approach in Support of Enterprise
Application Integration. 2013
 Djamel Benmerzoug: Modèles et outils formels pour l’intégration

d’applications d’entreprises. Thèse de doctorat (Université Paris 6,
Université Mentouri de Constantine), 2009

Inta Chapitre4

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Inta Chapitre4

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 4: Systèmes Multi-

INTA - Master 2 - Recherche 124

INTA - Master 2 - Recherche 125

INTA - Master 2 - Recherche 126

INTA - Master 2 - Recherche 127

INTA - Master 2 - Recherche 128

INTA - Master 2 - Recherche 129

INTA - Master 2 - Recherche 130

INTA - Master 2 - Recherche 133

INTA - Master 2 - Recherche 135

INTA - Master 2 - Recherche 136

INTA - Master 2 - Recherche 137

INTA - Master 2 - Recherche 139

INTA - Master 2 - Recherche 141

INTA - Master 2 - Recherche 143

INTA - Master 2 - Recherche 145

INTA - Master 2 - Recherche 146

INTA - Master 2 - Recherche 147

INTA - Master 2 - Recherche 148

INTA - Master 2 - Recherche 150

INTA - Master 2 - Recherche 151

INTA - Master 2 - Recherche 153

INTA - Master 2 - Recherche 156

INTA - Master 2 - Recherche 157

INTA - Master 2 - Recherche 158

INTA - Master 2 - Recherche 159

INTA - Master 2 - Recherche 160

INTA - Master 2 - Recherche 162

INTA - Master 2 - Recherche 163

INTA - Master 2 - Recherche 164

INTA - Master 2 - Recherche 165

INTA - Master 2 - Recherche 170

INTA - Master 2 - Recherche 171

INTA - Master 2 - Recherche 172

INTA - Master 2 - Recherche 173

INTA - Master 2 - Recherche 174

 Les défis de l’EAI:

Systèmes multi-agents (SMA)

Web HTTP CORBA Legacy System

.NET REMOTING JCA

INTA - Master 2 - Recherche 181

 Djamel Benmerzoug: Modèles et outils formels pour l’intégration

INTA - Master 2 - Recherche 182

Vous aimerez peut-être aussi