Systèmes Multi-Agents (SMA) - people.irisa.frpeople.irisa.fr/Thomas.Guyet/documents/PresentationSMA_Preta.pdf · 1 1 Réunion PRETA du 08 janvier 2007 Systèmes Multi-Agents (SMA)

1

1 Réunion PRETA du 08 janvier 2007

Systèmes Multi-Agents (SMA)Introduction et Applications

biomédicales

T. Guyet- TIMC/PRETA- LIG/MAGMA

²

2

Guyet T. Réunion PRETA du 08 Janvier 2007

Les SMA en court

� Agent : entité réelle ou virtuelle autonome située dans un environnement dans lequel elle est capable de perception et d’action

� Système Multi-Agents : Ensemble de plusieurs (minimum 2) agents, interagissant et organisés, dans un environnement partagés

²

3


Aux origines des SMA

� Intelligence artificielle classique : modélisation du comportement d’une seule entité « intelligente »

� Intelligence artificielle distribuée (IAD)– 1973 : Tableaux Noirs (Erman, système HEARSAY II)

� Construction d’une solution commune à un problème� Centralisation des informations� Entités opportunistes de traitement� Evolué avec l’introduction de contrôles

– 1977 : Acteurs de Hewitt� Fondé sur des entités communicantes (réception et envoi de

messages)

– 1978 : Première définition d’agents autonomes (Minsky)

� Systèmes multi-agents

²

4


Positionnement des SMA

SMA

Intelligence ArtificielleDistribuée

Vie Artificielle

Génie Logiciel Système réparties

Intelligence Artificielle

Génie Informatique

MétaphoreSociologique

MétaphoreBiologique

Paradigme objetParallélisme

Technologies réseaux

²

5


Plan de présentation

I. IntroductionII. Exemples de SMAIII. Introduction aux SMA

1. Agent2. Environnement3. Interactions4. Organisation5. Caractérisation des SMA

IV. Retour sur les exemples 1. Simulations2. Alter Ego informatique3. Résolution distribuée de problèmes

V. Conception et développement d’un SMA1. Quelques méthodes de description des SMA2. Quelques méthodes de conception des SMA3. Quelques plateformes de développement de SMA

VI. Conclusion


Exemple de réalisation de SMA sur des problématiques biomédicales

2

²

7


AgentCell : Simulation d’une population de cellules

� Les cellules sont modéliser comme des agents

– Rouges : Attirées par l’aspartate– Vertes : Non attirées par

l’aspartate� Une multitude d’agents sont

disposer dans un environnementbiologique simulés

– L’environnement est muni d’un gradient d’aspartate

� Les interactions physiques entre les cellules (chocs) sont pris en compte

AgentCell : A Digital Single-Cell Assay for Bacterial Chemotaxis, T. Emonet, C. Macal, JM. North, C. Wickersham and P Cluzel, Bioinformatics, 21(11):714-721, 2005

http://flash.uchicago.edu/~emonet/biology/agentcell/

²

8


Support Ambulance Coordination

� Objectif : Faciliter la coordination de réseaux d’ambulances en situation d’urgence

� Agents– Traffic agents : Récupère les

informations du national traffic central, et redistribut les informations (broadcast) aux ambulances

– Tracing agent : enregistre les actions passées d’une ambulance

– Ambulance team : Représente une ambulance, se charge de

� Négocier ses interventions� Servir de moniteur à l’ambulance

– Ambulance coordinator : Gère l’attribution des interventions aux ambulances

B. Lopez, B. Innocenti, S. Aciar, and I. Cuevas, A Multi-AgentSystem to Support Ambulance Coordination in Time-Critical Patient Treatment, ASAI, 2005

²

9


Diagnostique émergent

M. Ulieru and R. Unland, A Stigmergic Approach to MedicalDiagnosis, The 2nd Int. Workshop on Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics, 2006

� Objectif : Réaliser un diagnostique à partir d’information sur un patient

� Contexte : – Informations complexe et

dynamiques– Décomposition de la résolution

� Agents– DSA : Disease Specialist Agent– DRA : Disease Representative Agent

� Les informations sont disponibles sur un blackboard

� Les agents travaillent en même temps

– Chaque agent cherche à trouver un diagnostique

� Le diagnostique est le résultat (émergent) de l’ensemble des actions des agents

²

10



1 2

3 4

²

11


Segmentation d’IRM Cérébrales

� Objectif : Réaliser une segmentation d’une image en 3D provenant d’une IRMf

� Contexte :– Résolution distribuée par concurrence– Données complexes importantes

� Deux types d’agents– Agents Tissus : Située dans une partition

du volume pour segmenter ce volume à partir de l’image

– Agents Structure : 9 agents qui représentent les structures à segmenter du cerveau (Localisation floue)

� Les deux types agents coopèrent pour réaliser la segmentation

B. Scherrer, M. Dojat, F. Forbes and C.Garbay, Segmentation Markovienne Distribuée et Coopérative des Tissus et Structures Présents dans des IRM Cérébrales, RFIA 2006

²

12


(Re-)Annotation de séquences ADN

� Objectif: Fournir un outil d’annotation de séquence ADN à partir de données et algorithmes répartis

– Outils de traitement de séquences ADN– Sources de données ADN, Gènes et protéines

� Contexte – Naturellement distribué– Dynamique (ré-annotation si modification)

� Agents– BLAST Agents :

� Cherche de nouveau gènes� Compare ses annotations avec celle de la base GenBank

– Intergenic agent� Extraction de région intergéniques d’une séquence

ADN(?)– Genemark et Glimmer agents :

� ajout d’annotations– Presentation agent : Gère l’interface avec un utilisateur

� Echange des données en FIPA ACL

L.V.D. Nascimento and A. L. C. Bazzan, An Agent-Based System for Re-annotation of Genomes, Proc. ofthe Third Braz. Workshop on Bioinformatics, 2004

ATUCG architecture

Modèle d’un agent

Organisation des agents

3


Introduction aux SMA ²

14


Agent

� J. Ferber 91 :– entité réelle ou virtuelle plongée dans un

environnement sur lequel elle est capable d'agir,– qui dispose d'une capacité de perception et de

représentation partielle de cet environnement– qui peut communiquer avec d'autres agents– qui est mue par un ensemble de tendances

(objectifs individuels, fonctions de satisfaction, de survie)

– qui possède un comportement autonome tendant à satisfaire ses objectifs, conséquence de ses observations, de sa connaissance, et des interactions qu'elle entretient avec les autres agents

– qui est capable éventuellement de se reproduire

²

15


Agents Logiciels/Agents matériels

� Agents logiciels– Bout de code qui est exécuté sur

une machine– Plongé dans un environnement

modélisé� Agents physiques

– Fait de processeurs, senseurs et effecteurs mécaniques

– Plongée dans le monde réel– Domaine de la robotique

� On s’intéresse ici plus particulièrement aux agents logiciels

Ghengis, R. Brooks, MIT(http://www.ai.mit.edu/projects/genghis/genghis.html)

Aibo CSL Sony (http://www.csl.sony.fr/~py/)

http://robofoot.polymtl.ca/

²

16


Principaux types d’agents(1/5) Les agents réactifs

� Agent réactif:– comportement de type stimulus/réponse– pas de mémoire de son histoire, ni de but explicite– pas de représentation explicite de l'environnement

� Généralement utilisés en grand nombre d'agents (>100), homogènes à grain fin

� On compte sur l’émergence de comportement

²

17


Principaux types d’agents(1/5) Les agents réactifs

� Exemples : Fourragement de Fourmis

� Un agent = Une fourmi– Suit les phéromones– Dépose des phéromones

sur leur retour si elles sont chargées de nourriture

– Les phéromones s’évaporent avec le temps

Projet ANTS (IRIT/LECA), X. Topin et al.,http://www.irit.fr/ACTIVITES/EQ_SMI/SMAC/PROJETS/Projet_ANTS.html

²

18


Principaux types d’agents(2/5) Les agents proactifs

� Agents – Chargés d’un but– Généralement associés à

une compétence– Capables de planifier leurs

actions à partir d’une situation présente

� Nécessite – Une représentation de

l’environnement, (y compris les autres agents)

– Une communication avec les autres agents

� Exemple : Système Proie/Prédateur http://www.loria.fr/equipes/maia/demos/demos_pred/

4

²

19


Principaux types d’agents(3/5) Les agents cognitifs

� Agent cognitif: – représentation explicite de l'environnement et des

autres agents– peut tenir compte de son passé et dispose d'un but

explicite– mode "social" d'organisation (planification,

engagement)

� Généralement en petit nombre d'agents (10/20), hétérogènes à gros grain

� Les Interactions entre agents s'établissent en fonction des collaborations nécessaires à la résolution du problème

²

20


Principaux types d’agents(3/5) Les agents cognitifs, type BDI

� Agents BDI : Believe, Desir, Intention (M. Bratman)

– Les agents ont leur propres croyances, désirs et buts

� Croyances : sur le monde, sur les autres agents (leurs compétences, leurs croyances propres), et sur soit même

� Désir : Chaque agent cherche à satisfaire son désir

� Intention : (Volonté consciente d’effectuer un acte)

– Niveau inférieur au désir– Planification de buts dans l’objectif

d’atteindre la satisfaction du désir

Raisonnement d’un agent BDI

‘’BDI Agents: From Theory to Practice”, Raoet Georgeff

Illustration : http://turing.cs.pub.ro/auf2/html/chapters/chapter2/chapter_2_2_2.html

²

21


Principaux types d’agents(4/5) Les agents de type ACA

� Agents Conversationnels Animés– Conversationnels = Capables d’interactions

multimodales avec un usagé� En particulier, les interactions langagière� Vers la prise en compte des émotions

(modélisation des états émotionnels et de leur transmission)

– Animés = « Embodied », dotés d’une apparence effective face à l’usagé

� Nécessite– Capacités de raisonnement– Interaction multi-modale anthropocentrées

� Vers les agents émotionnels :– Modélisation interne de l’état émotionnel d’un

agent– Les agents animés traduisent et montrent leur

état émotionnel

G. Chicoisne and S. Pesty. Un modèles de conversation mixte pour l'interaction humain /agent. Journées Francophones sur les systèmes Multi-Agents, J.P. Briot (Eds), 2003.

Breazeal(Ferrell), C. (1998), "Early Experiments usingMotivations to Regulate Human-Robot Interaction". In Proceedings of 1998 AAAI Fall Symposium: Emotional andIntelligent, The Tangled Knot of Cognition

²

22


Principaux types d’agents(5/5) Les utilisateurs (humains)

� Un utilisateur peut partager l’environnement des autres agents

– Le partager physiquement– Le partager par l’intermédiaire des interfaces de l’ordinateur

(IHM)� Percoit et modifie l’environnement� Communique avec les autres agents

� L’utilisateur est autonome� Donc, suivant notre définition,, c’est un agent

« comme » un autre� Une des caractéristiques des SMA est de permettre

l’intégration facile des utilisateurs

²

23


Bilan sur les agents

� Il existe plusieurs sortes d’agents logiciels– Du moins au plus cognitifs :

� Réactifs, � Pro-actifs, � Cognitifs, � Conversationnels animés

– Peuvent être bio-inspirés, anthropo-inspiré, ou tout autre !

� SMA = plusieurs agents– Un environnement pour les contenir– Des interactions pour qu’ils échangent– Des organisations pour les structurer

� Un SMA peut-être :– Ouvert : les agents y entrent et en sortent librement (ex: un café, une application de

commerce électronique, etc.)– Fermé : l'ensemble d'agents reste le même (ex: un match de football, un système multi-

experts)– Homogène : tous les agents sont construits sur le même modèle (ex: une réunion de

travail, une colonie de fourmis)– Hétérogène : des agents de modèles différents, de granularité différentes (ex: un éco-

système)– Mixte (ou non) : les agents « humains » sont partie intégrante du système (ex: un groupe

de travail médié par des agents assistants) (implique ouvert et hétérogène)

²

24


L’environnement

� Un agent est situé dans un environnement (spatio-temporel)– Naturellement dynamique– Évolutif de par les actions des agents– Un agent à conscience (par sa perception) de sa présence dans

celui-ci� Espace partagé par tous les agents � A la fois :Introduit des stimulations et/ou contraintes aux agents

– Stimulation pour les agents� Découverte de l’environnement : Boîtes de Ghengis� Perception de modifications

– Médium de l’interactions� Phéromones des fourmis

– Contraintes� Contraintes géographiques

– Accessibilité à certaines informations – Connaissance partielle du monde à un instant– Possibilité d’interactions

� Contraintes temporelles

5

²

25


L’environnement

� Environnements continus– Disposent d’une métrique– Location de l’agent de l’environnement

� Environnements discontinus (réseaux)– Le réseaux peut être modifié– Ancrage (présence) de l’agent dans son environnement– Accès partiel d’un agent au contenue de l’environnement

� Environnements non structuré– Environnement comme contenant des agents et des objets et informations

disponibles du système– Abstrait– Pas d’ancrage de l’agent– Ensemble d’objets qu’un agent peu percevoir et agir sur l’ensemble de

l’environnement– Pas de modification possible de l’environnement

� Absence d’environnement– Pour certains SMA avec des agents uniquement communicants

²

26


Les interactions

� Système Multi-Agents : à partir de 3 agents (2 agents + un environnement)

� La communication est nécessaire entre les agents

– Echange de connaissances– Transmission de ses croyances– Coordination entre agents

� La communication de message se caractérise par– Le contenue du message– L’intention de l’expéditeur– Les conséquences du message dans

l’environnement et les agents receveurs– Les agents impliqués dans la communication– Son mode (direct ou indirect)

� Présentation de trois grands types de communications (du moins au plus cognitif)

– Communication par l’environnement (Stigmergie)– Protocoles de communication– Actes de langages

²

27


Les interactions(1/3) Communication par l’environnement

� Communication indirecte : – Des traces sont laissées dans l’environnement par l’émeteur du

message– Ces traces sont perçues par d’autres agents comme une modification

de l’environnement– Généralement associée à des agents réactifs

� Exemple 1 : Les blackboards– Les connaissances produites sont remises à disposition dans

l’espace partagé pour être utilisée, remaniée, …� Exemple 2 : Fourmis

– Les phéromones sont des traces dans l’environnement qui servent de message

– Stigmergie (Grassé, 1959) : au sein d'un collectif, les actions futures des agents sont influencées par les effets persistants dans l'environnement des actions passées.

– Voir HDR S. Hassas pour les extensions à d’autres application de la stigmergie

²

28


Les interactions(2/3) Protocoles de communication

� Protocoles (Goldberg, 1997 ; Arkin et Hobbs,1993)

� Envoi de messages pair à pair� Deux agents en communication

suivent un protocoles prédéfinis

– Un protocole peut être modélisé par un réseau de Petri

� Exemple de protocoles existants

– Résolution de conflits– Marchandage (Contract Net : par

appel d’offre)– Coordination– Allocation de tâches

FIPA Contract Net Protocol

²

29


Les interactions(2/3) Protocoles de communication

� Exemple du Contract Net (Smith 80)– Contrat entre un producteur et un consommateur de biens ou

services� Le demandeur (client) :

– annonce qu'une tâche doit être faite ;– reçoit et évalue les offres des fournisseurs potentiels ;– attribue un contrat au meilleur fournisseur ;– reçoit les résultats de l'exécution de la tâche.

� Chaque fournisseur (contractant potentiel) :– reçoit les différentes annonces des tâches à faire ;– évalue sa capacité à répondre aux différentes propositions ;– répond (offre) éventuellement sur une ou plusieurs annonces ;– en cas de choix par le client, ce fournisseur devient contractant ; il

envoie un message au client soit pour lui confirmer qu'il s'engage à réaliser les tâches correspondantes à l'offre acceptée, soit qu'il y renonce, relançant ainsi l'appel d'offre ;

– envoie au client les résultats correspondants à la réalisation de ces tâches.

²

30


Les interactions(3/3) Actes de langages

� Actes de langages (Austin 62 et Searle 69), voir Chaib Draa, 1992– Pour agents cognitifs– Utilisation d’une logique de représentation

� La communication : une action intentionnelle caractérisée par un type et plusieurs composantes

– Type:� Assertifs: affirmer quelque chose sur le monde (Jean a 2 ans)� Directifs: donner des directives au destinataire� Interrogatifs: poser une question (quelle heure est-il?)� Exercitifs: demander d'accomplir une action (pousse-toi!)� Promissifs: s'engager à accomplir certains actes dans l'avenir (je passerai demain)� Expressifs: donner des indications concernant son propre état mental (je suis

heureux)– Composantes:

� Composante locutoire (l'énoncé), illocutoire (force associée au message par l'émetteur) et perlocutoire (effet sur le destinataire eg persuader)

� Permet d’aller vers des agents qui échangent vers des agents quidialoguent

– A. Berger, 2006 : Objectif de faire des agents qui discutent de la pluie et du beau temps!

6

²

31


Les interactions(3/3) Actes de langages

� Définition d’une sémantique des actes de langages– FIPA ACL (Foundation for Intelligent Physical Agents, Agent

Communication Language)� http://www.fipa.org/specs/fipa00061/SC00061G.html

– KQML (Knowledge Query and Manipulation Language)� Exemplestell

:content <expression> :language <word> :ontology <word> :in-reply-to <expression> :force <word> :sender <word> :receiver <word>

� http://www.csee.umbc.edu/kqml/

– KIF (Knowledge Interexchange Format)� Langage de modélisation des connaissances d’un agent� http://www.cs.umbc.edu/kse/kif/

sorry:in-reply-to <expression> :sender <word> :receiver <word>

:comment <string>

recommend-one:content <expression> :ontology <word> :language KQML :reply-with <expression> :sender <word> :receiver <word>

(interested joe (̀salary ,?x ,?y ,?z))

(=> (and (real-number ?x) (even-number?n)) (> (expt ?x ?n) 0))

²

32


Les organisations

� Organisation de base consiste à prendre en compte des réseaux d’agents (leurs accointances) pour la réalisation d’une tâche commune

– Délégation (Relations hiérarchiques)– Complémentarité (des compétences, des biens ou des

connaissances)– Simultanéité (plusieurs agents réalisant la même tâche pour être plus

efficaces)– Partage de ressources (producteur/consommateur)

� Les organisations permettent de maîtriser et structurer, à la conception :

– les coordinations entre agents du système– les interactions entre les agents

pour faciliter l’obtention du résultat désiré– Nécessaire pour les agents qui n’ont qu’une vision partielle de

l’ensemble– Éviter les incohérences (possiblement conflictuelles) et les

redondances au niveau système

²

33


Types de coopération (Hoc 96)

� Confrontative cooperation : La tâche est réalisé par des agents différents (par leur performances ou par leur point de vue); les résultats sont ensuite fusionnés.

� Augmentative cooperation : La tâche est réalisé par des agents ayant les même compétences, mais travaillant sur des données complémentaires. Le résultat est obtenue comme un ensemble de résultats partiels.

� Integrative cooperation : La tâche est décomposée en sous tâche dont la réalisation (coordonnée) est effectuée par des agents aux compétences spécifiques. Le résultat est obtenu à la finalisation de l’exécution.

Agent 1Agent 1

Agent 2Agent 2Agent 3Agent 3

Agent 5Agent 5

Agent 6Agent 6



Agent 2Agent 2


Agent 4Agent 4

²

34


Visions d’une organisation

� Organisation physique (spatiale)– Distribution géographique des agents au sein d'un environnement (avec

métrique)– Réseaux d’accointances influant sur les actions même des agents– Exemples : Fourmi

� Organisation logique– Hiérarchique– Regroupement cohérent

� Exemple d’une entreprise : structuration en services– Coopérative/Compétitive

� Organisation sociale– Respecte un certain nombre de lois

� Exemple : équipe de foot, le gardien à le droit aux mains, mais pas les autres, …– Notion de rôle

� Définition formelle des rôles possibles d’un agent (Approche Agents, Groupes, rôles de Ferber)

– Responsabilité– Permissions– Protocoles– Activités

� Introduction possible de hiérarchie

²

35


Caractéristiques des SMA

� 13 Caractéristiques des SMA sont identifiées dans « Système Multi-Agents », OFTA 2004.

� On met en évidence les points suivants :– Autonomie / Contrôle Décentralisé– Distribué– Hétérogénéité– Place des utilisateurs– La connaissance dans les SMA – Délégation du contrôle au système et émergence

Systèmes Multi-Agents, OFTA, ARAGO 29, Y. Demazeau (Edt),Tec&Doc, 2004

²

36


Caractéristiques des SMA(1/6) Autonomie / Contrôle Décentralisé

� Autonomie des agents– Entre eux, incluant les utilisateurs– Exemple des rovers Marsiens (Nécessité d’autonomie entre

les réceptions/envois de messages) – Questions d’éthique de la responsabilité des agents ?

� Décentralisation du contrôle– Métaphore des feux de circulations

� Contrôle centrale : 1 feu sur la bastille réglant la circulation de Grenoble

� Contrôle décentralisé : 1 feu par carrefour– Asynchronisme

� Interactions et organisations

7

²

37


Caractéristiques des SMA(2/6) Distribué

� A la naissance des SMA (IAD) !� Différents types de distributions qui peuvent être prises

en compte :– Distribution physique (des traitements, des données) :

� Prendre en compte la nature distribuée des problèmes rencontrés� Bénéficier de l’efficacité de traitements distribués

– Distribution de la compétence des agents : � Faire mieux à plusieurs que seul� Robustesse (si on perd un agent sur 100, peut importe)

– Distribution des rôles et des buts des agents : � Faire mieux grâce à l’hétérogénéité des agents

²

38


Caractéristiques des SMA(3/6) Hétérogénéité/Homogénéité

� Hétérogénéité : SMA constitué d’agents différents– Plutôt pour des agents cognitifs et en petite quantité– Avantages pour faciliter l’intégration d’agents non initialement

prévu (Ouverture)

� Homogénéité : SMA constitué d’agents identiques– Plutôt pour les agents réactifs et en grande quantité

� Hétérogénéité étendue– Agents physiques (Robots)– Intégration facilité des agents humains comme d’autres agents

au sein du SMA

²

39


Caractéristiques des SMA(4/6) Utilisateurs

� Les utilisateurs peuvent être intégrés au SMA– Considérés comme un nouvel agent– Permet d’inclure plusieurs utilisateur– Les interfaces servent à intégrer l’utilisateur dans l’environnement

défini dans le SMA (Si l’environnement n’est pas physique)� Agents Alter-ego

– Un agent représente un utilisateur dans un environnement (généralement) virtuel

– Personnalisation de l’agent qui trace le profil de l’utilisateur pour s’adapter au besoin de celui-ci

� Intelligibilité– SMA pour les simulations : les entités du système modélisés

correspondent aux agents– SMA anthropomorphiques : Le fonctionnement des systèmes multi-

agents sont facilement compris par les utilisateurs– Mais, ce n’ai pas nécessairement vers cela qu’il faut tendre!

²

40


Caractéristiques des SMA(5/6) Connaissances dans les SMA

� Les connaissances et leur traitement ne sont pas un objet d’étude central des SMA

²

41


Caractéristiques des SMA(6/6) Délégation du contrôle

� Délégation du contrôle au système– Les agents sont autonomes– L’utilisateur humain n’intervient que comme une partie du SMA– Il n’y a pas de contrôle global des traitements par l’utilisateur

� Comment garantir, à la conception d’un SMA, un résultat ?– Pas de mécanismes de contrôle mis en place!Mais : – Utilisation de mécanisme de résolution de conflit– Etudes formelles des systèmes « coopératifs »

� Vers la perte délibérée du contrôle : – Observation de phénomènes émergents– Conception d’agents adaptatifs, auto-réplicants

� Délégation de la conception du contrôle� Objectif mettre en place des systèmes adaptatifs

– Prise en compte du dynamisme du contexte– Robustesse et tolérance à la panne

� Questions d’éthique– Responsabilité des agents ?– Conception de systèmes volontairement hors de contrôle ?

²

42


Caractéristiques des SMA

� Comparaison avec d’autres méthodologies de conception de systèmes informatique

– Objets :� Partage

– Définition de rôles, interactions et organisation (hierarchies)– Distributivité des traitements

� Ne partage pas– Autonomie

– Thread :� Partage

– Distribution des traitements– Dynamisme– Autonomie

� Ne partage pas– Hauts niveaux : Interaction, organisation et environnement– Intelligibilité

– Composants� Partage

– Distribution des traitements– Dynamiques des ressources– Autonomies des entités et décentralisation– Organisation (coopérations)

� Ne partage pas– Situation dans un environnement

8


Retour sur les exemples d’applications biomédicales

²

44


Des simulations informatiques

� Simulations d’un système comportant plusieurs entités– Objectif: Comprendre le fonctionnement d’un système

� Approche SMA : – Le SMA cherche à modéliser le système

� Les entités sont agentifiées : Création d’agents pour les différentes entités

– Différent des modélisations « classiques » (e.g. Equations différentielles)

� Les système simulés peuvent être très variés– Dépliement de protéine– Système immunitaire ()– Déplacement de cellules (AgentCell, T. Emonet)– Migration de cellules tumorale (Dib, Guessoum,Bonnet, Laskri)

²

45


AgentCell : Simulation d’une population de cellules

� Les cellules sont modéliser comme des agents

– Rouges : Attirées par l’aspartate– Vertes : Non attirées par

l’aspartate� Une multitude d’agents sont

disposer dans un environnementbiologique simulés

– L’environnement est muni d’un gradient d’aspartate

� Les interactions physiques entre les cellules (chocs) sont pris en compte

AgentCell : A Digital Single-Cell Assay for Bacterial Chemotaxis, T. Emonet, C. Macal, JM. North, C. Wickersham and P Cluzel, Bioinformatics, 21(11):714-721, 2005

http://flash.uchicago.edu/~emonet/biology/agentcell/

²

46


Alter Ego informatique

� Simplifier certaines tâches d’un utilisateur à l’aide d’un avatar numérique

� Contexte d’environnement– Dynamique, changeant– Non entièrement accessible

� Tâches– Planification (de rendez vous, de parcours de soins, …)– Filtrage/fusion d’informations

� Applications possibles– Aide à l’organisation d’un parcours de soin (Beer et al.)– Coordination d’ambulances (Lopez et al.) – Distribution d’organes (Vazques-Salceda et al.)

²

47


Support Ambulance Coordination

� Objectif : Faciliter la coordination de réseaux d’ambulances en situation d’urgence

� Agents– Traffic agents : Récupère les

informations du national traffic central, et redistribut les informations (broadcast) aux ambulances

– Tracing agent : enregistre les actions passées d’une ambulance

– Ambulance team : Représente une ambulance, se charge de

� Négocier ses interventions� Servir de moniteur à l’ambulance

– Ambulance coordinator : Gère l’attribution des interventions aux ambulances

B. Lopez, B. Innocenti, S. Aciar, and I. Cuevas, A Multi-AgentSystem to Support Ambulance Coordination in Time-Critical Patient Treatment, ASAI, 2005

²

48


Résolution distribuée de problèmes

� Utilisation d’un système informatique distribué pour la résolution d’un problème : Appliqué au traitement de l’information

� Contexte :– Naturellement distribué

� Information et ressources distribuée– Masse d’information à prendre en compte très importante

� Informations dynamiques� Origines et formes diverses� Un système informatique permet de trier et hiérarchiser l’information

– Résolution distribuée � Approches concurrentes� Décomposition du problème

� Applications possibles :– Interprétation de données complexes

� Exploration d’images : IRM (Scherrer, Garbay, Dojat et Forbes) , Radio : IVUS (Bovenkamp, Dijkstra, Bosch, Reiber)

� Interprétation de signaux biomédicaux : ICU, Néonat (Darren Foster et al.)

– Récupération/fusion d’informations� Annotation ADN à partir de sources différentes (Decker et al.; Bazzan et al.; Bryson et al.)� Récupération d’informations dans des publications (Addis et al.)

9

²

49



M. Ulieru and R. Unland, A Stigmergic Approach to MedicalDiagnosis, The 2nd Int. Workshop on Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics, 2006

� Objectif : Réaliser un diagnostique à partir d’information sur un patient

� Contexte : – Informations complexe et

dynamiques– Décomposition de la résolution

� Agents– DSA : Disease Specialist Agent– DRA : Disease Representative Agent

� Les informations sont disponibles sur un blackboard

� Les agents travaillent en même temps

– Chaque agent cherche à trouver un diagnostique

� Le diagnostique est le résultat (émergent) de l’ensemble des actions des agents

²

50


Segmentation d’IRM Cérébrales

� Objectif : Réaliser une segmentation d’une image en 3D provenant d’une IRMf

� Contexte :– Résolution distribuée par concurrence– Données complexes importantes

� Deux types d’agents– Agents Tissus : Située dans une partition

du volume pour segmenter ce volume à partir de l’image

– Agents Structure : 9 agents qui représentent les structures à segmenter du cerveau (Localisation floue)

� Les deux types agents coopèrent pour réaliser la segmentation

B. Scherrer, M. Dojat, F. Forbes and C.Garbay, Segmentation Markovienne Distribuée et Coopérative des Tissus et Structures Présents dans des IRM Cérébrales, RFIA 2006

²

51


(Re-)Annotation de séquences ADN

� Objectif: Fournir un outil d’annotation de séquence ADN à partir de données et algorithmes répartis

– Outils de traitement de séquences ADN– Sources de données ADN, Gènes et protéines

� Contexte – Naturellement distribué– Dynamique (ré-annotation si modification)

� Agents– BLAST Agents :

� Cherche de nouveau gènes� Compare ses annotations avec celle de la base GenBank

– Intergenic agent� Extraction de région intergéniques d’une séquence

ADN(?)– Genemark et Glimmer agents :

� ajout d’annotations– Presentation agent : Gère l’interface avec un utilisateur

� Echange des données en FIPA ACL

L.V.D. Nascimento and A. L. C. Bazzan, An Agent-Based System for Re-annotation of Genomes, Proc. ofthe Third Braz. Workshop on Bioinformatics, 2004

Modèle d’un agent

Organisation des agents


Conception et développement d’un SMA

²

53


Pourquoi les SMA ?

� Distribution des problèmes– Distribution fonctionnelle naturelle

� Systèmes biologiques (écosystème)� Systèmes sociaux (Répartition des tâches d’une entreprises)

– Distribution physique� Des sources de données� Des processus et processeurs de traitement� Aujourd’hui : Vers l’intelligence ambiante

– Modélisation de l’ « Intelligence collective » (Society of Mind, Minsky) : Faire mieux à plusieurs que seuls

� Nécessité de proposer des approches qui permettent de développer des systèmes prenant en compte cette distribution

– Trop complexe avec une approche centralisée, fixée� SMA =

– Distribution naturelle des traitements– Modélisation intelligible du système– Réalisation d’entités autonomes = les agents

²

54


Conception des SMA

� SMA : Difficile à concevoir– Approches multiples possibles mais interdépendantes: par où commencer

(Agent? Interaction ?)– Non nécessairement téléologique

� Définition des critères d’arrêt� Comment répondre aux exigences pratique de résultat

– Problème d’anticipation des conflits/blocages à l’exécution� Objectifs des méthodologies de conception

– Aider les concepteurs d’un SMA dans leur démarche de conception d’un SMA� Processus de conception facilité� Etendre la complexité des applications possibles

– Essayer de tendre vers des normalisations � Facilité la caractéristique d’ouverture de ces systèmes,� Permettre un développement incrémental (distribué) effectif� Utilisation d’outils d’aide au développement

� Besoin:1) Méthodes de description des SMA2) Méthodes de conception de SMA

10

²

55


Méthodes de description des SMA

� AUML : (Agent Unified Moddeling Language)– Extension de l’UML : Modélisation pour la POO– Utilisation de rôles– Modélisation des protocoles d’interactions

� AGR (Ferber) : – Agents, – Groupes, – Rôles

� VOWELS (Demazeau) : – Agent, – Environnement, – Interaction, – Organisation – … Utilisateur

²

56


Ingénierie logiciel orientée agent

� Caractéristiques de Booch (1994) appliqué aux agents : doit être présent dans toutes les méthodologies IL

� L’abstraction : – Mise en évidence de tâche élémentaire à réaliser pour solutionner le

problème� Identification des difficultés, contraintes et des points saillants

– Mise en évidence de rôles qui doivent être remplis� La décomposition :

– Identification d’une décomposition du problème– Permet de définir les agents (assignations de rôle(s) ) et leur liens

respectifs (interactions à prévoir)– L’autonomie des agents permet de concentrer leur conception

uniquement sur leur contrôle proche (Réduction de la complexité)� L’organisation :

– Utilisation d’élément d’organisation qui permettent de structurer les agents autonomes

– Directement exploité par les SMABooch C., Object Oriented Analysis andDesign with Application, Addison-Wesley, 1994

²

57


Approches de la conception

� Deux aspects à traiter:– Aspects microscopiques (orientés agent)

� Comment construire un agent capable d'agir de manière autonome,

� Quelles sont ses représentations et ses comportements

– Aspects macroscopiques (orientés système)� Comment permettre un comportement global soihaité� Comment construire une organisation capable d'agir de

manière coopérative� Quels sont ses moyens de communication et de

coordination

²

58


Méthodologie de conception

� Conception de SMA réactifs:– ADELFE : (Equipe SMAC, IRIT) Méthodologie de conception

de SMA coopérative avec agents réactifs

� Conception orientée agent– AAII (Australian Artificial Intelligence Institute)

� Centré sur des agents BDI

– Gaia (Wooldridge, 2001)

� Conception orienté IC– MAS-CommonKADS (Iglesia, 1997)

� Extension de CommonKADS� Modèles : Agent, tâche, expertise, coordination, organisation,

communication, conception

²

59


Etapes de conception d’un SMA

Cours d’introduction aux SMA, A. Drogoul

²

60


Etapes de conception d’un SMA

Cours d’introduction aux SMA, A. Drogoul

11

²

61


Développement des SMA

� Développement de SMA : peu d’outils généraux– D’aide au développement– De support d’exécution

� Souvent les bases d’un SMA sont reconstruites spécifiquement� Quelques plateformes

– MACE (Gasser, 1997)– ZEUS (Nwama, 1999) : http://www.labs.bt.com/projects/agents/zeus

� Java et basé sur les spécifications FIPA– MADKIT (LIRMM, 2003) : http://www.madkit.org

� Modèle agent Alaadin� Java� Interfaces de conception et d’exécution intéressant

– SWARM (Minar, 1996) : http://www.swarm.org/index.html� Modèle d’agents inspirés des travaux en vie artificielle� Java

– JADE (Java Agent Developement Framework, Bellifemine et al., 1999)� http://jade.tilab.com/� Plateforme FIPA� Java� La plus utilisée en pratique

– Core (PlateForme MAGMA)

http://www.agentlink.org/resources/agent-software.php

²

62


Survole de JADE

� Environnement– Compatible FIPA97 : Utilisation

automatique de super-agents de � gestion du système,� annuaire,

– Enregistrement automatiques des agents

� communications– Gestion des messages– Implémentation d’ACL– Connections de plusieurs

plateforme (IIOP)

� Plate-forme d’exécution� Modèle d’agent

http://turing.cs.pub.ro/auf2/html/chapters/chapters.html

²

63


Survole de JADE

� Environnement� Plate-forme d’exécution

– Architecture distribuée (VM java) = Réceptacle d’agents

– Interface graphique pour la gestion à distance� Supervision des agents� Agentifiée : RMA

� Modèle d’agent

http://turing.cs.pub.ro/auf2/html/chapters/chapters.html

²

64


Survole de JADE

� Environnement� Plate-forme d’exécution� Modèle d’agent

– classes de base à étendre : � Agent

– Réalise un comportement permis ceux qui lui sont possible

� Behaviour– Il existe des comportements pré-

implémenter (– JessBehaviour (Inclus le moteur

d’inférence Jess pour les agents Cognitifs)

– Un thread léger par agent– Scheduler implémenté

http://jade.tilab.com/


Conclusion ²

66


Systèmes Multi-Agents

� Qu’est qu’un SMA ?– Deux niveaux

� Niveau local : Niveau de la conception du système� Niveau global : Niveau de la solution recherchée

– Eléments constitutifs� Agent : Entités autonomes capables de perception et action dans un environnement� Environnement : Situe les agents� Interaction : Permet les échanges d’informations entre agents� Organisation : Structuration des traitements au niveau global

� Applications possibles– En général

� Simulation� Alter ego� Résolution distribuée

– Applications biomédicales� Utilisation assez étendu des SMA� Trop souvent anthropomorphisée� Aucune applications concrètes trouvées en Physiologie

� Conception– Il existe des méthodes et environnement de développement pour aider à la conception de

SMA– Les paradigmes peuvent être réimplémenter au besoin (Résolution de problème

d’efficacité calculatoire)

12


Merci … ²

68


Bibliographie (En vrac)

� K.A. Karasavvas, R. Baldock and A. Burgera, Bioinformatics integration and agent technology, Journal of Biomedical Informatics 37, 205–219, 2004 (Methodological review)

� Wooldridge, M., G. Weiss, P. Ciancarini (eds). Agent-Oriented Software Engineering II -Actes de "2nd International Workshop", AOSE-2001, LNCS Volume 2222, Springer, Berlin, 2001.

� Bellifemine, F., A. Poggi, G. Rimassa. JADE - A FIPA-compliant agent framework. CSELT internal technical report, et dans Actes de PAAM'99, London, Avril 1999, p..97-108.

� Minar, N. e.a. The swarm simulation system: a toolkit for building multi-agent simulations, 1996, http://www.santafe.edu/project/swarm

� Nwama, H., e.a. Zeus: A toolkit for building distributed multi-agent systems. Applied ArtificialIntelligence Journal, vol.13, no.1, 1999, p.129-186.

� Iglesias, C., M. Garijo, J.C. Gonzalez. A survey of agent-oriented methodologies. In Proc. of ATAL, the 5th International Workshop on Agent theories, Architectures and languages, Paris, 4-7 July, 1998, p.185-198.

� Booch, C. Object-Oriented Analysis and Design with Applications, Addison-Wesley, Reading, MA, 1994.

� �� !��"!��#��$��%��!�

� "�� &��'��(��)��'��!��!��!��*��+�� ,-+�

� "!��.��/��0�1�$!�/��.�1��/��1�2��1�3��!��1�!��(��4��+�!��!��'��'��(��!�� !�� !�� 5�&6��76�

²

69


Bibliographie (En vrac)

� Antonio Moreno, Medical Applications ofMulti-Agent Systems, AIME, 2003

²

70


Webographie

� Site de MAGMA (Equipe SMA du LIG)– http://www-leibniz.imag.fr/MAGMA/

� Quelques cours:– http://www-poleia.lip6.fr/~drogoul/ (A. Drogoul)– http://www.damas.ift.ulaval.ca/~coursGLOA/ (B.

Chaib-draa)– http://turing.cs.pub.ro/auf2/html/chapters/chapters.ht

ml

� Demos sources– http://www.cs.wisc.edu/~dyer/cs540/demos.html

Documents

Systèmes Multi-Agents (SMA) - people.irisa.frpeople.irisa.fr/Thomas.Guyet/documents/PresentationSMA_Preta.pdf · 1 1 Réunion PRETA du 08 janvier 2007 Systèmes Multi-Agents (SMA)