Travailler en équipe: le choix social appliqué au problème de la patrouille multi-agents
La patrouille multi-agents est un problème complexe dont le potentiel applicatif est vaste : dans les simulations à base d'agents, le management de crises, etc. Dans cet article, nous proposons deux stratégies coopératives à base d'enchères sur les noeuds à visiter. Ces stratégies s'inspirent de la théorie du choix social computationnel, et permettent aux agents de raisonner sur les performances du groupe plutôt que sur leurs performances individuelles. Nous montrons que ces stratégies présentent des performances similaires à celles des meilleures stratégies centralisées actuelles, et sont même meilleures pour certaines mesures.
The multi-agent patrolling task constitutes a challenging issue for Artificial Intelligence and has the potential to cover a variety of domains ranging from agent-based simulations to crises management. In this article, we propose two decentralized,
cooperative, auction-based strategies in which agents trade the nodes they have to visit. These strategies are inspired from the computational social choice theory and allow the agents to reason on the performances of the group rather than on their own. We show that these strategies perform at least as well as the state-of-the-art centralized performances, and better on specific criteria.