La négociation automatique est un sujet qui suscite un intérêt croissant dans la recherche en IA. Les méthodes de Monte-Carlo ont quant à elles vécu un grand essor, notamment suite à leur utilisation sur les jeux à haut facteur de branchement tel que le go. Dans cet article, nous décrivons un agent de négociation automatique, Monte-CarloNegotiating Agent (MoCaNA) dont la stratégie d'offre s'appuie sur la recherche arborescente de Monte Carlo. Nous munissons cet agent de méthodes de modélisation de la stratégie et de l'utilité adverse. MoCaNA est capable de négocier sur des domaines de négociation continus et dans un contexte où aucune borne n'est spécifiée. Nous confrontons MoCaNA aux agents de l'ANAC 2014 et à un RandomWalker sur des domaines de négociation différents. Il se montre capable de surpasser le RandomWalker dans un domaine sans borne et la majorité des finalistes de l'ANAC dans un domaine avec borne.
Dans ce papier, nous proposons une approche multi-agents et incrémentale pour la détection des communautés dans les réseaux sociaux dynamiques. Dans cette approche, le réseau est représenté par un graphe de dépendances qui s'adapte à l'évolution du réseau. Nous associons à chaque membre du réseau un agent-noeud qui observe l'évolution de ce membre et ses interactions et met à jour le graphe localement. La définition de la dépendance entre deux membres du réseau est basée sur le concept d'homophilie et sur leurs communications. Nous associons également à chaque communauté un agent-communauté. La détection de la dynamique des communautés résultent des décisions et des interactions des différents agents. Afin d'étudier les performances de cette approche, nous l'avons appliquée à un ensemble varié de graphes réels et artificiels et nous avons réalisé différentes expérimentations.
L'approche multi-agents se montre particulièrement intéressante pour modéliser, simuler et comprendre les systèmes particulaires. Elle permet, via la modélisation d'entités individuelles, d'étudier leurs interactions ainsi que les phénomènes macroscopiques émergents qui en résultent. Cela pose alors deux difficultés en terme d'analyse. La première est de caractériser le comportement d'un agent au sein d'une simulation, quelle que soit sa formalisation, pour pouvoir mener des études comparatives ; et la seconde est d'étudier la façon dont ce comportement peut influencer, voire générer, un phénomène macroscopique. Pour cela, nous proposons d'étudier le phénomène d'hystérésis apparaissant dans le comportement des agents, lesquels sont considérés comme des boîtes noires. L'observation de l'hystérésis permet de caractériser la réaction d'un système à des stimulis perturbateurs. Nous étudions comment cette perturbation se propage dans une population et aboutit à l'apparition de propriétés macroscopiques remarquables. L'étude est menée en comparant différents modèles d'agents conducteurs utilisés à des fins de simulation du trafic routier. Multi-agent systems are useful to model particular systems. Modeling individual entities allows to study their interactions and the resulting emergent phenomenon at macroscopic level. Two questions are raised : How do we characterize individual behavior of agents to compare them together, and how can individual behavior influence the emergence of macroscopic phenomenon. We propose to study the hysteresis phenomenon in the behavior of individual agents when a perturbation is applied. We study how this perturbation propagates along a population of agents and how it can lead to the emergence of significant macroscopic properties. This study is conducted on various driver models used to simulate traffic flow.
Afin d'améliorer la validité des simulations de trafic en milieu urbain et péri-urbain, notre modèle multi-agent permet de mieux prendre en compte le contexte de conduite et les comportements des conducteurs en termes d'occupation de l'espace. Plus précisément, il s'agit de produire en simulation des comportements observés en situation réelle tels que les phénomènes de faufilement (2 roues, véhicules d'urgence). L'approche proposée consiste à considérer que chaque conducteur se représente la situation de manière égo-centrée et se réapproprie l'espace routier en construisant des voies virtuelles en fonction de ses buts et de ses caractéristiques individuelles. Nous montrons que les voies virtuelles conduisent à rendre le trafic plus fluide. To improve the validity of traffic simulations in urban and suburban areas, our model allows better consideration of the driving context and the driver behavior in terms of space occupation. The simulation intends to reproduce the observed behaviors in real situations such as filtering between vehicles phenomena (twowheels, emergency vehicles). In the proposed approach, each driver is visualizing the situation in an ego-centered way and is reappropriating the road space by building virtual lanes. We show that virtual lanes make traffic more fluid.
Bien que plusieurs méthodes et outils aient été proposés pour l'ingénierie des SMA durant les deux dernières décennies, passer des modèles SMA au code reste une tâche difficile. La majorité de ces méthodes ne parvient pas à proposer une solution pour la réutilisation des implémentations existantes telles que les processus incrémentaux. Notre proposition répond à deux problèmes : combler le fossé entre la modélisation des SMA et l'implémentation d'une part, et fournir une approche incrémentale de développement de SMA en s'appuyant sur les lignes de produits logiciels d'autre part. Cette approche se base sur une description de la variabilité grâce à des modèles de caractéristiques et utilise un framework de ligne de produits logiciels pour la génération des différentes variantes de l'application. Although several methods and tools to support engineering MAS were proposed in the last decades, it is still a difficult task to go from MAS models to MAS code. Moreover, just a few MAS methods provide guidelines for that and such methods fail in proposing a solution to reuse MAS implementation, as in an incremental process. Our proposal intends to address both issues: filling in the gap between MAS modeling and implementation and providing guidance for incremental development of MAS using a Software Product Line (SPL) approach that goes beyond the variability description through feature models and proposes to generate different variants using existing SPL frameworks.
L'approche multi-agent est par nature adaptée à une conception incrémentale des modèles. La modularité de l'approche permet la conception progressive des éléments du système cible, par l'ajout de nouvelles entités, de nouveaux modes d'interaction et d'organisation, ou l'inclusion de nouveaux comportements. Cependant, les méthodes de conception de logiciels usuelles ne sont en général pas applicables dans leur ensemble au développement des systèmes de simulation à base d'agents, la principale difficulté étant l'émergence de comportements collectifs. Dans cet article, nous proposons une méthode de conception dirigée par les tests adaptée aux systèmes multi-agents, inspirée à la fois des modèles en spirale et de la conception dirigée par les tests. L'ajout d'une fonction est spécifiée au niveau du système, tandis que l'analyse et la conception se fonde sur la vérification des propriétés individuelles. Nous illustrons cette méthode avec un cycle de conception d'un modèle de poids-lourd dans une simulation de trafic. Multi-agent systems are well suited to incrementally develop models. Their modularity allow to develop the system by gradually adding new interaction or organization models, new entities, or new behaviors. However, usual software engineering methods cannot be fully used to develop multi-agent systems due to their lack in considering un-anticipated emergent phenomena. In this article, we propose a test-driven inspired incremental development method tailored for agent based simulation models. We illustrate the use of this method to improve a heavy vehicle model to be used in traffic simulations.