Agents Intelligents

Système Multi-Agents

Chapitre 1 : Concepts Agents

Objectifs
A la fin de ce chapitre, l’étudiant sera capable de:
1- Définir un agent et donner des exemples d’agent
2- Donner les propriétés d’un agent
3- Définir et donner les caractéristiques d’un
environnement agent
4- Définir l’Action et la Perception d’un agent
5- Définir attributs clés suivants : autonomie, flexibilité
6- D’établir clairement la différence entre un agent et
un objet.
7- Situer le domaine de recherche des agents et donner
quelques applications des Agents
8- Définir les attributs primaires et secondaires des agents
9- De classifier les agents sous la base de leurs attributs primaires
Plan
Définition et Exemple d’agent
Propriétés des agents
Environnement Agent
Action et Perception
Quelques propriétés clés d’un Agent
Agent et Objet
Application des agents
Attributs Agents et Typologie des agents
1. Définition d’un Agent -1-
Définition de Ferber:
Un agent est une entité autonome, réelle ou
abstraite, qui est capable d’agir sur elle même
et sur son environnement, qui, dans un univers
multi-agent, peut communiquer avec d’autres
agents, et dont le comportement est une
conséquence de ses observations, de ses
connaissances et de ses interactions avec les
autres agents.
1. Définition d’un Agent -2-
Hayes- Roth
Les agents intelligents remplissent continuellement
trois fonctions : la perception des conditions
dynamiques de l'environnement, l'action pour
affecter les conditions de l'environnement et le
raisonnement pour interpréter les perceptions,
résoudre les problèmes, tirer des conclusions et
déterminer les actions.
1. Définition d’un Agent -3-
Définition de Sycara et Wooldridge
Un agent est un système informatique, situé
dans un environnement, et qui agit d’une
façon autonome et flexible pour atteindre
certains des objectifs pour lesquels il a été
conçu.
1. Exemples d’agent
Les agents peuvent être des humains, des robots, des
logiciels, des thermostats . . .
2. Propriétés agent
Il ressort de ces définitions présentées
précédemment des propriétés clés suivantes :
 L’autonomie
 Le raisonnement et l’action
 La perception
 La communication avec l’extérieur.
En plus, d’autres propriétés sont souvent
associées au agents:
 Réactivité, rationalité, engagement, intention etc.
3. Environnement : définition -1-
Agent situé : un agent est dit situé s’il
est capable d’agir sur son environnement
à partir des entrées sensorielles qu’il reçoit
de ce même environnement.
Par exemple: systèmes de contrôle de
processus, agent de supervision dans un
laboratoire virtuel etc.
3-Environnement : définition -2-
Un agent est situé dans un environnement
E={e1 , .., eP, ..}

 Dans le cas de la résolution de problèmes,

l’environnement constitue la donnée du problème.

 L’environnement est le contexte dans lequel

s’actualisent des règles codées dans les agents, les
interactions et les organisations.

 L’environnement est alors découplé : il ne subit aucune

modification par les agents, bien qu’il puisse être
dynamique.
3-Environnement: Caractéristiques -3-
 Accessible/Inaccessible ou
Observable/Partiellement Observable
On dit qu’un environnement est observable lorsque grâce à
ces capteurs l’agent a accès à l’état complet de son
environnement.

NB : l’environnement étant accessible, il n’est pas important de

conserver les changements de l’environnement.
Exemple :
• Le Jeu des échecs est complètement observable : la position
de toutes les pièces du jeux est constamment connue de
l’agent.
• Le jeu de poker est partiellement observable ; on ne voit pas
les cartes dans la main de l’adversaire.
3-Environnement: Caractéristiques -4-
 Déterministe/Non déterministe (stochastique)
Un environnement est déterministe lorsque l’état suivant de
l’environnement est entièrement déterminé par l’état courant et
l’action effectuée par le ou les agents.
Exemple :
Le Jeu d’échec est déterministe car déplacer une pièce donne
toujours le même résultat.
Par contre
Je jeu de poker est stochastique: En effet la distribution des cartes
aux joueurs se fait de manière aléatoire. Donc, étant donné une
configuration du jeu, les cartes que vous avez entre vos mains dans deux
parties différents vous pouvez obtenir comme carte suivante deux cartes
différentes.
NB :
-Un phénomène qui ne peut pas être prédit est dit stochastique.
-On ne tient pas compte des actions des autres agents pour déterminer si
un environnement est déterministe ou pas.
3-Environnement: Caractéristiques -5-
 Episodique/Non épisodique (séquentiel)
Les opérations de l’agent sont divisées en épisode :
Chaque épisode consiste à observer l’environnement est effectuer
une seule action. Cette action n’a pas d’influence sur
l’environnement dans l’épisode suivant.

Exemple :
La reconnaissance des caractères est épisodique : la prédiction
du système n’influence pas le prochain caractère à reconnaitre.

Je jeu de poker est séquentiel : En effet, décider si je mise ou pas a

une influence sur l’état suivant de la partie.
3- Environnement: Caractéristiques -6-
 Statique/Dynamique
Un environnement statique est un environnement que ne change pas
lorsque le ou les agents n’agissent pas.

Exemple :
Le jeu d’échec est statique : l’état du jeu ne bouge pas si personne
ne joue.

Par contre

Le jeu Pong est dynamique :la balle bouge même si vous ne faite
rien.

NB : on ne tient pas compte des actions des autres agents pour

déterminer si l’environnement est statique ou pas,
3-Environnement: Caractéristiques -7-
 Discret/continu
Un environnement est discret lorsque le nombre de percepts distincts
et d’actions est limité.

Exemple :
Le jeu d’échec est un environnement discret : toutes les actions et
état du jeux peuvent être énumérées.

La conduite automatique d’une voiture est un environnement

continu : L’angle du volant est un nombre réel.

Le jeu Pong est dynamique : la position de la balle est une paire (x,y)
de nombre réels.
3-Environnement: Caractéristiques -8-
 Agent unique/multi-Agent
Un agent opérant seul dans un environnement.

Exemple :
Résoudre un sudoku : est un agent unique

Le jeu d’échecs est multi-agents : il y a toujours un adversaire.

Important :
On identifie très souvent les caractéristique d’un environnement en
réfléchissant comment on programmerait /ou simulerait cet environnement.
Le type environnement est largement déterminé par la conception de
l’agent.
3. Environnement : Devoir 1 -9-
Pour chacun des agents suivants donner les
caractéristiques de son environnement :
• Solitaire,
• Backgammon,
• Internet Shopping
• et Taxi autonome.
4- Action : définition -1-
Une action est mise en œuvre par un ensemble
d’effecteurs.
Dans le cas de la simulation, un effecteur reçoit une
commande de l’agent et en fonction de cette commande,
de la situation de l’agent, de l’état de l’environnement,
une action pourra être réalisée.
Une action peut être définie :
• Par les mécanismes qui entrainent une modification
de l’environnement physique,
• Ou comme la modification de l’environnement
physique résultant de son application(action) et la
réaction de l’environnement (co-action).
Les co-actions sont gérées par l’environnement.
4-Action : définition -2-
 Dans le cas de la résolution de problèmes, les agents
évoluent par rapport a l’environnement, sauf dans le
cas où le problème consiste a organiser les objets dans
l’environnement.

 Dans le cas d’intégration et de systèmes collaboratifs,

les agents n’ont pas d’action sur l’environnement, sauf
par des canaux externes au modèle SMA via leur
utilisateur.
4- Action : Modélisation -3-
 Transformation d’un état global (fortement utilisé en
IA en planification)
 Réponse des influences [Ferber 5]
 Processus informatique (ensemble d’évènements
produits et consommés par des processus
informatiques)
 Modification locale propagée le long d’un réseau
d’automates
 Déplacement physique
 Commande
4- Action : Modélisation -4-
 Ensemble des états possibles du problème ∑.
• Un état du monde est décrit par un ensemble de
formules atomiques
 Action op opérateur de Op dont l’exécution produit un
nouvel état
Op : ∑ --- ∑
• Un opérateur est décrit par : <nom, pré, suppr,
ajouts>

 Opérateur Exec, opérateur d’exécution des actions

Exce : Op x ∑ -- ∑
4-Action : transformation de l’état -5-

Exemple STRIPS

• £1= {Agent(A), Lieu (A,2), Lieu(Cube,3), Nord(1,2),

Sud (2,1), Est(1,4), …}
• Opérateur allerVersSud =<nom: allerVersSud(x)
Pré : Agent(x), Lieu(x, I1), Sud(I1, I2)
Suppr : Lieu (x, I1)
Ajouts : Lieu(x,I2)>
• £2= Exec(allerVersSud(A, £1)
• £2={Agent(A), Lieu (A,1), Lieu(Cube,3), Nord(1,2),
Sud (2,1), Est(1,4), …}
4- Action : transformation de l’état -6-
Limitation de cette approche (/mono-agent) :
• On ne peut appliquer qu’un seul opérateur un
instant donné
- Pas d’actions en parallèle
• Toutes les conséquences des modifications apportées
par les actions sont explicitement précisées dans les
parties ajout et suppression des opérateurs
• Un opérateur représente une opération instantanée :
l’action n’est pas représentée dans son déroulement
mais uniquement par le résultat des transformations
qu’elle apporte.
4- Action :réponse à une influence -7-
Lois de l’univers React précisant comment le monde
réagit aux influences.
5- Percepteur
 Mise en œuvre par un ensemble de capteurs
 Dans le cas de la simulation, un capteur est une
interface entre l’environnement et l’agent,
 Dans le cas de la résolution de problèmes, la perception
est un mécanisme de sélection d’un point de vue sur le
problème
 Dans le cas d’intégration et de systèmes collaboratifs,
la perception est une interprétation des informations
externes.
6- Propriétés clés d’agent: autonomie -1-
Un agent est dit autonome s’il est
capable d’agir sans l’intervention d’un
tiers (humain ou agent) et contrôle ses
propres actions ainsi que son état
interne.
L’autonomie d’un agent est bien entendu
limitée par son comportement dans une
société d’agents.
6- Propriétés clés Agent : flexibilité -2-
La flexibilité d’un agent est liée à :
Sa capacité de répondre à temps (percevoir
son environnement et réagir à temps)
Sa proactivité (sa capacité à prendre
l’initiative et à être opportuniste au bon
moment)
Sa capacité d’interagir avec les autres agents
quand la situation l’exige (pour compléter ses
tâches ou coopérer avec eux) => aspects
sociaux.
7- Agent & Objet : vue générale -1-
• Autonomie : Les agents ont le contrôle de leurs actions, ils
peuvent refuser de coopérer.
• Les agents sont réactifs, comme les objets, mais aussi
proactifs
• Les agents sont d’habitude persistants et ils ont leurs propres
« thread » de contrôle.
• Les agents sont capable de comportement social, ce qui n’est
pas le cas avec les objets, ils peuvent s’engager dans des
interactions complexes telles que la coopération, la
négociation, avec d’autres agents…
• Les agents dans un SMA ont chacun leur fil d’exécution ce qui
n’est pas le cas des objets sauf les objets concurrents
7- Agent & Objet: tableau explicite -2-
Objet Agent
Unité de base Objet Agent
Paramètres Pas de contraintes Croyances, décisions,
définissant l’état de obligations, habilités
l’unité de base
Procès de calcul Envoi des Envoi des massages et
massages et méthodes pour la
méthodes pour la réponse
réponse
Types de massages Pas de contraintes Informer, demander,
offrir, accepter rejeter
Contraintes sur les Pas de contraintes Consistance, vérité….
méthodes
8- Recherche sur les agents: domaine -1-
Agents et Systèmes Multi-agent est le point d’intersection
des domaines suivants :

 L’intelligence Artificielle : aspect prise de décision

 L’intelligence artificiel distribuée : Pour la résolution des problèmes

distribués

 Système distribué : pour les interactions

 Le génie logiciel pour l'approche agents et l'évolution vers des

composants logiciels de plus en plus autonomes

 Les objets communicants

8- Recherche sur la Agents : Motivations -2-
Il existe plusieurs motivation à la recherche en IA. En
ce qui concerne IA distribuée, les motivations clés sont
présentées par la tableau suivant :
Motivations Raisons/explications
Modularité Pour réduire la complexité

Vitesse pour
 modularitéDue réduire
au parallélisme la complexité
Fiabilité Due à la redondance

Flexibilité Nouvelles tâches peuvent être gérées plus facilement

grâce à la modularité
8- Recherche sur les agents : Motivations
Du point de vue IA

 apport au langage naturel

 applications proches de la réalité

 applications proches de la réalité

 richesse du point de vue recherche

9- Applications
gestion des réseaux bibliothèques digitales
contrôle de trafic Personnal digital
aérien assistants (PDA)
gestion des affaires gestion des rendez-vous
BD déductive
filtrage du e-mail
commande et
contrôle gestion de l’information
éducation data mining
trafic routier Commerce électronique
10- Attributs majeures d’un Agent

 Les attributs primaires sont : l’autonomie, la

coopération et l’apprentissage.
11-Classification/typologie des agents
La combinaison des attributs majeurs permet d’avoir
une classification de base des agents.
12- Attributs secondaires
Attributs Description
Polyvalence L’agent a-t-il plusieurs objectifs ou peut-il s’engager
dans une variété d’activités ?
Bienveillance L’agent est-il bienveillant ou non, antagoniste ou
altruiste ?
Véracité L’agent ment-il sciemment ou est-il toujours sincère ?
Persistance L’agent est-il temporellement continu ?
Attitude émotionnelle Par exemple, l’agent des attitudes mentales telles
que des croyance, des désirs et des intentions ?
Attitude mentale L’agent a-t-il des attitudes mentales telles que des
croyances, des désirs et des intentions ?
Rationalité il agira de sorte à atteindre ses objectifs, au moins
dans la limite de ses convictions
13- La Rationalité : Définition et propriétés -1-
Un agent rationnel choisit l’action qui maximise la valeur
attendue de la mesure de performance en fonction de la
séquence de percepts obtenue jusque là.

 Rationnel est différent de Omniscients : les percepts ne

permettent peut-être pas d’obtenir toutes les informations
utiles

 Rationnel est différent de Clairvoyant : les actions peuvent

ne pas avoir les effets escomptés

 Rationnel ne veut pas dire efficace

 Un agent rationnel explore, apprend et est autonome

13- La Rationalité : Définition et propriétés -2-
Un agent rationnel est un agent qui agit d'une
manière lui permettant d'obtenir le plus de succès
possible dans la réalisation des tâches qu'on lui a
assignées.

!Comment peut-on mesurer le succès d'un agent

"rationnel"?

!Une mesure de performance, si possible

objective, associée à une certaine tâche que l'agent
doit exécuter.
13- La Rationalité : Définition et propriétés -3-
PEAS : Performance Measure, Environment, Actuators, Sensors.
Afin de concevoir un agent rationnel, il faut spécifier son
environnement
Exemple 1 : Taxi automatisé
• Mesure de performance : sécurité, destination, profits, confort
• Environnement : rues, traffic, piétons, temps
• Actionneurs : volant, accélérateur, frein, klaxon
• Capteurs : vidéo, accéléromètre, GPS
Exemple 2 : Agent automatisé qui achète sur Internet
• Mesure de performance : prix, qualité, efficacité, sécurité
• Environnement : sites web, d’autres agents.
• Actionneurs : affichage à l’utilisateur, suivi de l’URL, remplir des
formulaires
• Capteur : page HTML (text, graphics, scriptes)
14- Agents collaboratifs :Rôles -1-
Mettent l’accent sur l’autonomie et la coopération
entre agents
Ils opèrent presque tout le temps dans des
environnements multi-agents ouverts et
contraints par le temps
Ils négocient avec les autres agents en vue
d’atteindre des ententes lors de la résolution
distribuée de problèmes.
14- Agents collaboratifs: raison d’être -2-
“créer un système qui interconnecte des agents
collaboratifs développés séparément, permettant ainsi à
l'ensemble de fonctionner au-delà des capacités de
chacun de ses membres" (Huhns & Singh 1994)

Résoudre des problèmes qui sont trop grands ou trop

complexes pour un seul agent.

Permettre l’interconnectivité et l’interopérabilité des

systèmes.

Résoudre des problèmes «naturellement» distribués.

Références
S. Russell, P. Norvig, “Artificial Intelligence - A Modern
Approach”, Prentice-Hall, 2nd ed, 2003

Jacques Ferber. « Les Systèmes Multi Agents: vers une intelligence

collective », IIA, IterEdition, 1995.

Roger NKAMBOU. « Agents et Système Multi-agents »,

Support de cours Master 1, UQAM.

Brahim Chaib-draa « Agents et Systèmes Multi-agents:

Thèmes, Approches et Défis ». Département d’informatique
université Laval Ste-Foy