Implémentation efficace d’une analyse de stabilité dans des réseaux dynamique de croyance

Ce projet consiste en premier lieu à optimiser l’implémentation d’un algorithme d'étude de stabilité dans un réseau d'agent évoluant sur le modèle des "jeux de révision de croyance". Les jeux de révison de croyance sont un formalisme pour représenter des mécanismes d'influences entre agents. Chaque agent ayant ces propres croyances (représentée de faàon propositionnelle) et un ensemble de relations d'influence, le système évolue tour par tour, à la manière d'une jeu à zero joueur (façon jeu de la vie), chaque agent mettant à jour ses croyances à chaque tour de façon synchrone en prenant en compte les croyances de ses influenceurs (selon des mécanismes tirés des principes de révision de croyances). Cette évolution est forcément cyclique et l'objet d'une étude de stabilité est de déterminer, pour une structure donnée, la taille maximale d'un cycle de croyance (en envisageant toutes les croyances initiales possibles).

L'algorithme fonctionne en projetant ces croyances dans un langage canonique avant d'effectuer un certain nombre de réductions de l'espace des croyances possibles pouvant mener à des cycles différents pour effectuer une recherche exhaustive. Cet algorithme est implémenté en python, mais sa grande complexité nécessite de raffiner cette première implémentation :
* en utilisant des représentations plus efficaces.
* en développant des algorithmes approchés de réduction de l’espace de recherche;

L'implémentation de l'algorithme doit permettre d'extraction des configurations maximales pour donner des intuitions sur les critères de stabilité.

Références

* Nicolas Schwind, Katsumi Inoue, Gauvain Bourgne, Sébastien Konieczny, Pierre Marquis:
Belief Revision Games. AAAI 2015: 1590-1596
* Gauvain Bourgne, Yutaro Totsuka, Nicolas Schwind, Katsumi Inoue:
Identifying Belief Sequences in a Network of Communicating Agents. PRIMA 2019: 370-386