Le cours intitulé “Systèmes Collectifs Adaptatifs et Systèmes Multi-Agents (SMA)” propose une exploration approfondie des systèmes collectifs adaptatifs, s’appuyant sur l’approche multi-agents. Ces systèmes sont composés d’entités autonomes interagissant entre elles, selon des modèles de raisonnement, d'action et de communication issus de l’intelligence artificielle. Ce cadre est soutenu par des méthodes avancées de programmation asynchrone, favorisant une meilleure coordination des interactions.

L’objectif principal de ce cours est de comprendre comment ces systèmes modélise les dynamiques complexes des interactions entre agents, qu’ils soient virtuels ou physiques, et comment ils proposent de saisir et représenter les phénomènes collectifs émergents de ces interactions. Le cours introduit des modèles et outils permettant de concevoir des systèmes adaptatifs capables d’évoluer dans des environnements incertains et en constante mutation. Ces systèmes exploitent des capacités d'auto-organisation, d'apprentissage et d’adaptation, caractéristiques des systèmes multi-agents. Il s'agit de permettre aux étudiants de concevoir des systèmes non seulement réactifs mais aussi proactifs, capables d’anticiper les changements et d’ajuster leurs comportements pour optimiser leur performance globale.

En complément, le cours explore l’intégration de l’approche multi-agents dans le domaine de l'intelligence ambiante, en mettant l'accent sur l'évolution vers des composants logiciels autonomes et intelligents. Nous abordons les architectures logicielles adaptées à la programmation de systèmes communicants, tout en faisant le lien avec les concepts de l'informatique ubiquitaire, des réseaux pervasifs et d’intelligence ambiante, qui façonnent l’avenir des technologies interconnectées.

Enfin, le cours propose une initiation à la simulation multi-agents, en utilisant des outils de modélisation et de simulation dédiés, permettant de concevoir des environnements virtuels pour l’expérimentation et l’évaluation de systèmes complexes. Ces outils permettent de simuler des scénarios réalistes, de tester des hypothèses et de valider des modèles de comportement, en vue de concevoir des systèmes adaptatifs performants et robustes.

Contenu du cours

1. SMA : Positionnement dans l'intelligence artificielle . Ce cours vise à situer les systèmes collectifs adaptatifs et multi-agents dans le cadre de l’intelligence artificielle (IA). Il introduit les bases de l’IA en retraçant ses grandes étapes historiques, tout en abordant l’intelligence artificielle distribuée et collective. Il positionne les systèmes multi-agents par rapport aux autres disciplines de l’IA, et présente les principaux acteurs ainsi que les thématiques de recherche actuelles du domaine.
2. Agents et Systèmes multiagents : Ce cours illustre l’application des systèmes multi-agents (SMA) dans la simulation de systèmes socio-techniques. Il aborde les concepts clés et les mécanismes associés à la simulation multi-agents, tout en s’appuyant sur des exemples concrets pour mettre en lumière leur utilité dans des contextes d'applications réelles.
3. Simulation de Systèmes Multi-agents : Ce cours illustre l’application des systèmes multi-agents (SMA) dans la simulation de systèmes socio-techniques. Il aborde les concepts clés et les mécanismes associés à la simulation multi-agents, tout en s’appuyant sur des exemples concrets pour mettre en lumière leur utilité dans des contextes d'applications réelles.
4. Atelier "Flocking" : Création et simulation d’interactions entre populations d’agents à l’aide de l’algorithme de flocking.

• QCM : 20% de la note
• Atelier Flocking : rendu de l'atelier : 80% de la note