Découverte collective des nouvelles conséquences d’une observation dans un système multi-agents

Dans un système d’agent intelligents coopératifs dotés chacun de connaissances propres, un agent a intérêt à tirer parti des connaissances des autres agents du système pour affiner ses raisonnements. En particulier, lorsqu’il désire inf ́erer les conséquences d’une nouvelle observation pour mettre à jour ses connaissances, un agent est amené à faire appel aux connaissances des autres agents pour tirer les conclusions qui l’intéresse. Des protocoles de communications gérant ces interrogations permettent alors d’assurer un raisonnement correct et complet (ie de s’assurer que l’on découvre toutes les conséquences intéressantes et seulement celles-ci). L’objet de ce stage est tout d’abord, à partir d’une implantation des algorithmes en java et de scripts python de finaliser une étude expérimentale et d’en analyser les résultats pour évaluer les points forts et faiblesses de diff érentes variantes selon les contextes. Il s’agira ensuite d’affiner ces protocoles en tâchant de maximiser le parallélisme des raisonnements et de proposer et d’implémenter des m écanismes pour tirer parti de connaissances communes explicites identifiées entre les agents. L'étude expérimentale permettra aussi de tirer des conclusions sur les meilleures fa çons de repartir la connaissance entre les agents et des algorithmes de partitionnement des connaissances entre les agents pourront être proposés pour accélérer les recherches de conséquences.