* Ces horaires sont donnés à titre indicatif.
Séance | Intervenant | Titre et description |
CM1 (2h) | S. Hassas | Introduction to Multi-agents Systems (MAS) |
CM2 (2h) | N. Kabachi | Cognitive MAS (BDI) : The cognitivist approach |
TP (4h) | N. Kabachi | Jade |
CM3 (2h) + TP (4h) | S. Hassas | Situated MAS (Reactive Agents) |
CM4 (1h) + TP (1h) | N. Kabachi | Interactions in MAS |
CM5 (1h) + TP (1h) | S. Hassas | Interactions in Multi-Agents Systems |
CM6 (2h) + TP (2h) | S. Hassas | MAS et Self* |
CM7 (2h) + TP (2h) | L. Matignon | Planification stochastique |
CM8 (1h) + TP (5h) | L. Matignon | Apprentissage par renforcement et généralisation |
Ce cours introduit le domaine des systèmes multi-agents et le positionne à travers ses deux courants cognitif/réactif dans le domaine de l’Intelligence artificielle et le domaine de la vie artificielle.
Il définit les dimensions du paradigme multi-agents (Agent, Environnement, Interaction, Organisation et Utilisateur), ainsi que les architectures, formalismes et techniques à base de SMA pour la modélisation et la résolution de problèmes complexes à l’aide de la mise en œuvre d’une intelligence collective, de contrôle décentralisé, de solutions auto-* (auto-contrôle, auto-organisation, auto-adaptation, etc.). Les travaux pratiques seront réalisés sur des plateformes multi-agents.
Ce cours présente aussi des modèles pour la prise de décision sous incertitudes, d'un point de vue théorique et pratique avec une présentation de différentes applications robotiques de ces modèles. Les travaux pratiques consistent à implémenter des algorithmes de décision (planification, apprentissage par renforcement) pour différents types d'agent (robot 1D, jeu pacman).
Type | Libellé | Nature | Coef. | ||
---|---|---|---|---|---|
CT | Contrôle Terminal | CT : IA-MAS Self | Ecrit session 1 / Ecrit session 2 | 1.5 | |
CC | Contrôle Continu | CC : IA-MAS Self | Contrôle Continu | 1.5 |