Invitation à la soutenance de thèse de Shirley Hoet

Bonjour,

J'ai le plaisir de vous inviter à ma soutenance de thèse intitulée :
"Apprentissage de la communication dans un système multi-agents ouvert,
asynchrone et faiblement couplé" ainsi qu'au pot qui suivra.

La soutenance aura lieu le lundi 17 décembre 2012 à 13h30
Couloir 25-26 salle 105
4 Place Jussieu, 75005 Paris.

--
Le jury sera composé de :

Rapporteurs :
M. Abdel-Illah Mouaddib, Professeur à l'Université de Caen
M. Alain Dutech , Chargé de recherche INRIA
Examinateur :
M. Vincent Chevrier, Maitre de conférence Université de Nancy
M. Patrick Reignier, Professeur à l'Université Grenoble
M. Olivier Sigaud, Professeur à l'Université Pierre et Marie Curie

Directeur de thèse :
M. Nicolas Sabouret, Professeur à l'Université Paris-sud
--
Résumé :

\section*{Résumé}
Dans un système multi-agents, la communication directe permet aux agents,
via l'envoi de messages structurés, d'échanger des informations, de
déléguer des tâches ou de négocier. Dans les travaux actuels, il est
généralement supposé que l'agent connaît la nature
(contenu et destinataire) des messages qu'il doit envoyer ainsi que le
moment où les
envoyer. Mais si l'on se place dans les systèmes multi-agents ouverts (où
les agents peuvent
entrer et sortir) et faiblement couplés (les agents sont conçus de manière
séparée et ne
peuvent donc pas connaître a priori les capacités de leurs pairs), cette
hypothèse n'est plus
valide : les agents ne se « connaissant » pas, ils ne peuvent déterminer à
l'avance quels
messages s'envoyer. L'objectif de cette thèse est par conséquent de
définir des mécanismes
pour permettre aux agents d'apprendre à communiquer avec les autres
agents, en fonction
de leurs objectifs et des changements perçus dans le système.

Dans un premier temps, nous présentons un algorithme d'exploration couplé
à un protocole multi-agent permettant à un agent de construire le contenu
de ses messages et d'associer ces derniers aux états dans lesquels il peut
les envoyer. Ce mécanisme repose sur le caractère introspectif de nos
agents qui ont la capacité de raisonner sur leurs états et leurs actions.


Dans un deuxième temps, nous présentons un mécanisme d'apprentissage par
renforcement permettant à un agent de déterminer quand il doit ou non
communiquer et dans ce cas quel message il doit envoyer. Notre algorithme
repose sur l'utilisation d'une mémoire permettant à l'agent de mémoriser
ses croyances et ses actes de communication envoyés dans le passé ainsi
que sur la définition d'une nouvelle action {\wait} qui permet à l'agent
d'attendre quand il ne doit pas communiquer.

Dans un troisième temps, nous présentons un nouveau modèle de mémoire pour
l'apprentissage de la communication. En effet, suite à l'évaluation de
notre algorithme d'apprentissage, nous avons mis en évidence des problèmes
que nous imputons à l'utilisation d'une mémoire qui n'est pas spécifique à
la communication et qui de ce fait nuit à notre mécanisme d'apprentissage
en créant un ensemble d'états, sur lequel l'algorithme agit, trop
important. Notre modèle de mémoire est basé sur une mémorisation des dates
et des réponses des messages qui ont été exécutés avec succès. Cela permet
de limiter la taille de l'espace d'état sur certains problèmes et de mieux
faire converger l'algorithme d'apprentissage.

Enfin, nous proposons un mécanisme permettant d'extraire le modèle des
actes de communication, c'est-à-dire les préconditions que doit vérifier
la situation de l'agent pour que celui-ci choisisse d'envoyer un message
et les effets attendus de ce message sur le système. Notre proposition
repose sur la politique apprise par l'agent en utilisant notre algorithme
d'apprentissage. À partir de cette politique, nous montrons comment il est
possible d'une part d'apprendre les effets des messages en utilisant les
capacités d'introspection de nos agents. Puis à partir de l'apprentissage
de ces effets, nous proposons d'utiliser un outil de classification pour
déterminer des préconditions généralisées.

En conclusion, ce travail de thèse a mis en avant la nécessité pour les
agents d'apprendre à communiquer et a proposé mécanisme basé sur
l'apprentissage par renforcement et l'utilisation d'une mémoire pour la
construction d'un modèle de messages.

Mots-clés: Système multi-agents, Communication, Apprentissage mono-agent,
Mémoire.



Cordialement,
Shirley Hoet.