Sommaire: Conception par emergence inversée d’agents autonomes dans le cadre de systèmes complexes adaptatifs

Introduction generale
Chapitre 1: Système Dynamique Complexe Adaptatif
Introduction
1.1 Système
1.1.1 Définition
1.1.2 Bordures
1.1.3 Classification des comportements
1.2 Systèmes complexes
1.2.1 Définition
1.2.2. Classification des relations entre les éléments dans un système complexe
1.3 Système dynamique
1.3.1 Evolution temporelle
1.3.2 Le caractère formel de l’approche dynamique
1.3.3 Niveau d’analyse
1.3.4 Problème de causalité
1.3.5 Systèmes clos et systèmes ouverts
1.3.6 Non linéarité
1.3.7 Paramètre d’ordre
1.3.8 Attracteurs
1.3.9 Bifurcations et transitions de phase
1.3.10 Stabilité et instabilité
1.3.11 Bruit
1.3.12 Paramètres de contrôle
1.3.13 Aspect conservatif et non conservatif
1.4 Système complexe adaptatif (CAS)
1.4.1 Etats des systèmes
1.4.2 Domaine de l’état complexe
1.4.3 Domaine de l’état chaotique
1.4.3.1 Caractéristiques des systèmes chaotiques
1.4.3.2 Théorie du chaos
1.4.4 Les macro-phénomènes complexes
1.4.4.1 L’émergence, phénomène fondamentale des CASs
1.4.4.2 Auto-organisation et auto-adaptation
1.4.5 Propriétés des CASs
1.4.5.1 Génération de nouveauté
1.4.5.2 Sensibilité aux conditions initiales et perturbations
1.4.5.3 Evolution
1.4.5.4 Fitness
1.4.5.5 Résilience
1.4.5.6 Robustesse
1.4.5.7 Criticalité auto-organisée
Conclusion
Références bibliographiques
Chapitre 2: Problème Inverse et Emergence Inversée
Introduction
2.1 Typologie de problèmes
2.1.1 Problème direct
2.1.2 Problème inverse
2.1.3 Taxonomie des problèmes inverses
2.2 Problèmes bien et mal posés
2.3 Identification et ajustement des paramètres
2.4 Différentes formes du problème inverse
2.4.1 Réseau de neurones artificiels
2.4.2 Problèmes combinatoires inverses
2.4.2.1 Problème du Stable de poids maximum
2.4.2.2 Problème du voyageur de commerce
2.4.3 Ingénierie inverse de logiciels
2.4.3.1 Définition
2.4.3.2 Possibilités et limites de la décompilation
2.4.3.3 Exemples de problèmes inverses
2. 4.4 Approche évolutionniste
2.4.4.1 Problème du voyageur de commerce
2.4.4.2 Problème de convergence dans les algorithmes génétiques
2. 4.5 Problème de reconstruction de faits dans un système complexe
2.4.5.1 Principe de reconstruction
2.4.5.2 Analyse expérimentale
2.4.5.3 Problème de cohérence
2.4.5.4 Robustesse des hypothèses
2.4.6 Système multi-agents
2.4.7 Intelligence en essaim
2.4.7.1 Optimisation par colonie de fourmis
2.4.7.2 Routage par colonie de fourmis
2.4.8 Apprentissage
2.5 Emergence inversés
2.5.1 Introduction
2.5.2 Formulation du contrôle
2.5.2.1 Contrôleur conjonctif
2.5.2.2 Contrôle disjonctif
2.5.3 Emergence inversée et problèmes mal posés
2.5.4 Problème de paramétrisation
2.5.5 Approches de résolution
2.5.5.1 Inversion itérative
2.6 Problème de validation
2.5.5.2 Inversion directe
2.6.1 Différence entre évaluation et validation
2.6.2 Distinction entre vérification et validation
2.6.3 Cas de l’émergence et de l’émergence inversée pour un système complexe
2.6.3.1 Evaluation
2.6.3.2 Vérification
Conclusion
Références Bibliographiques
2.6.3.3 Validation
Chapitre 3: Apprentissage Automatique
Introduction
3.1 Définition générale de l’apprentissage
3.2 Définitions de l’apprentissage automatique
3.3 Typologie d’apprentissage en informatique
3.3.1 Première vision
3.3.1.1 L’apprentissage automatique
3.3.1.1.1 L’apprentissage symbolique
3.3.1.1.2 L’apprentissage adaptatif
3.3.1.2 Les théories formelles de l’apprentissage
3.3.2 Deuxième vision
3.3.2.1 Apprentissage supervisé
3.3.2.2 Apprentissage non-supervisé
3.3.2.3 Apprentissage par renforcement
3.4 Apprentissage collectif
3.4.1 Apprentissage chez les humains
3.4.2 L’esprit de groupe
3.4.3 Apprentissage distribué
3.4.3.1 Apprentissage en groupe
3.4.3.2 Diversité, spécialisation et hétérogénéité du groupe
3.4.3.3 Apprentissage automatique multi-agents
3.4.3.4 Apprentissage mutuel et concurrent
3.4.4 Exemple de poursuite et capture selon le modèle prédateurs-proies
Conclusion
Références Bibliographiques
Chapitre 4: Robotique de Groupes
Introduction
4.1 Intelligence Artificielle et Vie Artificielle
4.1.1 Intelligence artificielle
4.1.2 Vie artificielle
4.2 Intelligence Artificielle Distribuée et Système Multi-Agents
4.2.1 Autonomie
4.2.2 Intelligence
4.2.3 Organisation
4.2.4 Distribution
4.2.5 Interaction
4.2.5.1 Relations entre actions des agents
4.2.5.2 Types d’interactions
4.2.6 Communication
4.2.7 Mobilité
4.2.8 Adaptation
4.2.9 Délégation
4.2.10 SMA et Robotique de Groupes
4.3 Robotique autonome mobile
4.3.1 Définition
4.3.2 Architecture
4.3.2.1 Structure fonctionnelle
4.3.2.2 Structure matérielle
4.3.2.3 Structure logicielle
4.3.3 Autonomie d’un robot mobile
4.3.4 Planification de suivi de chemin
4.3.4.1 Localisation
4.3.4.2 Navigation
4.3.4.3 Exemple du livreur d’objets
4.4 Robotique collective
4.4.1 Concept de collectivité
4.4.2 Concept de coopération
4.4.2.1 Transport et manipulation coopérative d’objets
4.4.2.2 Mouvement en formation
4.4.2.3 Fourragement
4.4.2.4 Groupement et tri
4.4.2.5 Exploration d’environnements inconnus
4.4.3 Communication
4.4.3.1 Communications de haut niveau
4.4.3.2 Communications de bas niveau
4.4.3.3 Communications indirectes (stigmergie)
4.4.4 Patrouille
4.5 Robotique en essaim
4.5.1 L’intelligence en essaim
4.5.2 Définition et caractéristiques de la robotique en essaim
4.5.3 Comportements collectives en essaim
4.5.3.1 Comportements de base
4.5.3.2 Comportements combinés
4.5.4 Problème d’exploration
4.5.4.1 Dispersion
4.5.4.2 Couverture spatiale
4.5.4.3 Localisation de cibles
4.6. Robotique évolutionniste
4.6.1 Intelligence Artificiel incarnée
4.6.1.1 L’idée de l’incarnation corporelle
4.6.1.2 Réalisation de l’incarnation corporelle
4.6.1.3 Objectifs de l’incarnation corporelle
4.6.2 Classes de robotique évolutionniste
4.6.3 Exemple de Projets robotiques traitant de l’évolution
4.7 Autres types de robotiques
4.7.1 Robotique sociale
4.7.1.1 Robotique pour l’assistance
4.7.1.2 Émotions en robotique
4.7.1.3 Émotions pour l’apprentissage
4.7.1.4 L’apprentissage social en robotique
4.7.2 Robotique modulaire
4.7.2.1. Propriétés
4.7.2.2 Typologie
4.7.2.3 Fonctionnalités principales
4.7.3 Robotique ubiquitaire
4.7.3.1 Intelligence ambiante
4.7.3.2 Robotique ambiante pour l’assistance aux personnes
4.7.4 Nano-robotique et micro-robotique
4.7.4.1 Nano-robotique
4.7.4.2 Micro-robotique
4.8 Problème du passage au réel
Conclusion
Références bibliographiques
Chapitre 5: Optimisation du Groupement par Multi-marquage 
Exclusif dans un Environnement Multi-robots
Introduction
5.1 Système multi-agents
5.2 Algorithme génétique
5.3 Groupement ordinaire
5.4 Résultats de Simulation selon la première approche
5.4.1 Mise en œuvre
5.4.2 Mise à l’échelle
5.5 Groupement par multi-marquage exclusive
5.6 Résultat de la simulation selon la deuxième approche
5.6.1 Mise en œuvre
5.6.2 Mise à l’échelle
5.7 Règles décelées
5.7.1 Selon la première approche
5.7.2 Selon la deuxième approche
5.8 Comparaison des deux approches
5.9 Comparaison des règles trouvées avec celles décelées chez les Fourmis
5.9.1 Première approche
5.9.2 Deuxième approche
Conclusion
Références bibliographique
Chapitre 6: Groupement Adaptatif Orienté par des Robots
Autonomes et Mobiles
Introduction
6.1 Système multi-agents
6.2 Algorithme génétique
6.3 Formation de tas selon le principe de rendez-vous
6.4 Résultats de Simulation
6.4.1 Mise en œuvre de la phase une
6.4.2 Mise à l’échelle de la phase une
6.4.3 Mise en œuvre de la phase deux
6.4.4 Mise à l’échelle de la phase deux
6.5 Terrain à difficulté variable
6.5.1 Phase une
6.5.2 Phase deux
6.6 Règles décelées
6.6.1 Première phase
6.6.2 Deuxième phase
6.7 Règles trouvées er règles décelées chez les fourmis Conclusion
Références bibliographiques
Chapitre 7: Discussions
Introduction
7.1 Système
7.1.1 Propriétés SMAs
7.1.2 Bordures
7.2 Système complexe
7.2.1 Complexité
7.2.2 Rétroaction
7.2.3 Echelle
7.2.4 Modèle agent
7.2.5 Point critique auto-organisé
7.2.6 Cohérence
7.2.7 Altruisme vs égoïsme
7.2.8 Relations entre les éléments de notre système de robots
7.3 Système dynamique
7.3.1 Evolution causale
7.3.2 Evolution déterministe
7.3.3 Causalité
7.3.4 Système ouvert et ordre
7.3.5 Comportements non-linéaires
7.3.6 Mesure de l’ordre
7.3.7 Attracteur et repoussant
7.3.8 Bifurcation
7.3.9 Bruit
7.3.10 Système déterministe chaotique conservatif
7.4 Système complexe adaptatif
7.4.1 Caractéristiques essentielles des CASs
7.4.2 Inconvénients des CASs
7.4.3 Caractéristiques des phénomènes macroscopiques
7.4.4 Emergence
7.4.5 Auto-organisation et auto-adaptation
7.4.5.1 Rétroaction positive (amplification
7.4.5.2 Rétroaction négative (stabilisation)
7.4.5.3 Adaptation
7.4.6 Propriétés des CASs
7.5 Problèmes directe, problème inverse et émergence inversée
7.5.1 Problème directe
7.5.2 Problème inverse
7.5.3 Identification et ajustement des paramètres
7.5.4 Problème combinatoire inverse
7.5.5 Problème de reconstruction
7.5.6 Contrôle conjonctif et disjonctif
7.5.7 Méthode de résolution itérative
7.6 Problème de validation
7.6.1 Évaluation
7.6.2 Vérification
7.6.3 Validation théorique
7.6.4 Validation empirique
7.7 Apprentissage
7.7.1 Apprenabilité
7.7.2 Apprentissage automatique
7.7.2.1 Apprentissage symbolique
7.7.2.2 Apprentissage adaptatif génétique
7.7.3 Apprentissage collectif
Conclusion
Conclusion Générale

Extrait du mémoire conception par emergence inversée d’agents autonomes dans le cadre de systèmes complexes adaptatifs

Chapitre 1 : Système Dynamique Complexe Adaptatif
Introduction
Le monde dans lequel nous vivons est perçu comme un système universel complexe, infesté  d’une multitudes de systèmes, eux même complexes. Ces systèmes sont de tous genres et de toutes tailles, s’influençant les uns les autres. Qu’ils soient écologiques, sociales, financiers ou autres, ces systèmes sont en perpétuelle interaction dans des environnements très changeant, tentant de s’accomplir du mieux qu’ils peuvent. Beaucoup d’entre eux sont essentiels à notre existence. Donc, les comprendre devient de première nécessité. Malheureusement, les interactions, intensives et non-linéaires, inter-composants dans le même système et intersystèmes dans le même univers ne permettent pas d’élucider leur vérité épistémologique via leur historique, ni leur vérité ontologique [Lem 99] via leur simplification à la somme de leurs composants selon une approche réductionniste [Ber 73][All 07], et l’établissement de relations cause-à-effet entre les éléments distingués dans une vision d’ordre déterministe [Ber 73][All 07].
Ces systèmes peuvent, toutefois, être examinés dans leur milieu d’origine ou à travers leur reproduction concrète ou via la simulation [Bra 06][Car 06][Dav 07] pour tenter de déceler des modèles de comportements, de structures et de propriétés [God 99] [Sho 98] dans une dynamique souvent intense, où les états d’équilibre sont rares et plutôt éphémères.
Les systèmes artificiels comme Internet, les marchés de bourse, les armadas milliaires,  l’industrie spatiale ou une métropole sont, quant à eux, de plus en plus complexes, difficiles à prévoir et à contrôler. Leur conception, construction et gestion fait intervenir une myriade de combinaisons d’individus, d’organisations, de données, de matériel (comme les ordinateurs et les environnements de connexion réseau), ainsi que des logiciels et d’autres technologies, exigeant un savoir faire et une gestion de plus en plus complexes et de plus en plus pointus.
D’après John Holland [Hol 96] ces systèmes (dits complexes), qu’ils soient naturels ou artificiels, sont distinguables, en premier, par leurs aspects adaptatifs. Lorsqu’ils intègrent des entités intelligentes comme des humains et/ou des machines intelligentes, ils sont qualifiés, alors, d’adaptatifs intelligents [Ben 04] [Sha 08]. Un porte-avions est l’exemple type de ce genre de système. La théorie de la complexité et des systèmes dynamiques [Cil 02][Hir 04] aident déjà de manière significative dans leur étude et même si ces théories n’ont pas encore atteints leur degré de maturité ultime, vue leur jeune âge, un bon nombre de spécialistes dans diverses disciplines adoptent d’ores et déjà leurs concepts et approches dans leurs travaux.
Ce chapitre introduit les notions de base, issues de ces deux théories, essentielles à la compréhension du principe de l’adaptation dans les systèmes complexes. Pour se faire, il est scindé en quatre sections : dans la première section on définit le système et son environnement, dans la deuxième section on introduit les systèmes complexes, dans la troisième section on aborde les systèmes dynamiques et dans la dernière section on présente les systèmes complexes adaptatifs. On achève ce chapitre par une conclusion où on fait une synthèse de tout ce qui a été avancé, dans ce chapitre, sur les systèmes ; que ce soit d’un point de vue complexité, dynamicité ou adaptabilité, et où on ouvre une parenthèse quant à l’avenir de ce  domaine de recherche qui commence à s’affirmer comme une discipline à part entière, indispensable pour concevoir et réaliser les systèmes du futur ou pour comprendre des phénomènes issus de systèmes naturels, restant énigmatiques à ce jour.
…………..

Si le lien ne fonctionne pas correctement, veuillez nous contacter (mentionner le lien dans votre message)
Conception par emergence inversée d’agents autonomes dans le cadre de systèmes complexes adaptatifs (5.2 Mo)  (Rapport PDF)