Université Lyon 1
Université de Lyon
Arqus
Accueil  >>  Master  >>  Informatique  >>  M2 Intelligence artificielle  >>  Multi-Agents and Self-* Systems
  • Domaine : Masters du domaine SCIENCES, TECHNOLOGIES, SANTE
  • Diplôme : Master
  • Mention : Informatique
  • Parcours : M2 Intelligence artificielle
  • Unité d'enseignement : Multi-Agents and Self-* Systems
Nombre de crédits de l'UE : 3
Code APOGEE : INF2348M
UE Obligatoire pour ce parcours
UE valable pour le semestre 3 de ce parcours
    Responsabilité de l'UE :
HASSAS ADJALI SALIMA
 salima.hassasuniv-lyon1.fr
04.72.43.27.90
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
16 h
Travaux Dirigés (TD)
8 h
Travaux Pratiques (TP)
8 h
Total du volume horaire
32 h

* Ces horaires sont donnés à titre indicatif.

    Programme - Contenu de l'UE :
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 

    Compétences acquises :

Techniques :

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).


    Modalités de contrôle des connaissances et Compétences 2021-2022 :
TypeLibelléNatureCoef. 
CCContrôle ContinuCC : IA-MAS SelfContrôle Continu Intégral3
    Liste des autres Parcours / Spécialité / Filière / Option utilisant cette UE :
Date de la dernière mise-à-jour : 17/04/2018
SELECT * FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='16814' ORDER BY UE_ID_FK ASC, PAR_ID_FK ASC