Apprentissage d'agents rationnels BDI dans un univers multi-agents

par Alejandro Guerra Hernandez

Thèse de doctorat en Informatique

Sous la direction de Amal El Fallah Seghrouchni.

Soutenue en 2003

à Paris 13 .


  • Résumé

    Cette thèse a pour objet d'étudier l'apprentissage d'agents rationnels BDI dans un univers Multi-agents. Un agent rationnel peut être défini comme une entité cognitive autonome dotée d'attitudes intentionnelles, e. G. Intentions, désirs, et croyances (BDI). Dans un premier temps, nous étudions les concepts d'agent et de la rationalité pratique permettant aux agents d'induire, à partir de ses attitudes intentionnelles, un comportement dit rationnel. Ces concepts sont formalisés en utilisant une logique BDI multi-modale, nous permettant la spécification et le développement d'une architecture BDI implantée en langage Lisp. L'architecture est opérationnelle et permet l'exécution de plusieurs agents BDI dans un univers Multi-agents ainsi que l'amélioration des capacités de raisonnement épistémologique de chaque agent, en incorporant des capacités de démonstration des théorèmes en premier ordre. Ensuite, nous étudions le problème de l'apprentissage d'agents et nous proposons une hiérarchie des situations d'apprentissage basée sur le degré de conscience qu'ont les agents relativement à la présence des autres agents dans leur univers. Nous utilisons l'induction des arbres de décision du premier ordre, pour permettre aux agents BDI d'apprendre les " raisons " pour former une intention. Ces raisons correspondent, dans notre architecture, aux conditions de déclenchement de plans de l'agent. Cette méthode d'apprentissage est incorporée dans l'architecture BDI proposée, permettant à un agent BDI d'apprendre en étant isolé à partir de sa propre expérience (premier niveau de la hiérarchie proposée) et d'apprendre en communiquant avec d'autres agents partageant son univers (deuxième niveau de notre hiérarchie), profitant ainsi des expériences des autres.

  • Titre traduit

    Learning of BDI rational agents in a multi-agent system


  • Résumé

    The goal of this thesis is to study the issue of rational BDI learning agents, situated in a multi-agent system. A rational agent can be defined as a cognitive entity endowed with intentional attitudes, e. G. , beliefs, desires, and intentions (BDI). First, we study the concepts of agency and practical reasoning, allowing agents to induce from their intentional attitudes, a behavior identified as rational. These concepts are formalized using a multi-modal BDI logic, enabling us to specify and develop a BDI architecture implemented in Lisp. The architecture is fully operational, it allows the execution of multiple BDI agents in a multi-agent system and it improves the epistemic reasoning of each agent introducing first-order theorem proving competences. Then, we study the problem of learning in the agency context and we propose a hierarchy of learning situations based on the awareness of agents about the presence of other agents in the multi-agent system. We use the first-order induction of logical decision trees to enable our BDI agents to learn the "reasons" they have to form an intention. These reasons correspond in the architecture to the trigger conditions of the plans of the agent. This learning method is included in the architecture proposed, allowing BDI agents to learn from their own experience, as if they were isolated (first level of the hierarchy proposed), and communicating with other agents in the Multi-agent System, to profit in this way of the experience of others.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 241 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. f. 227-241

Où se trouve cette thèse ?

  • Bibliothèque :
  • Disponible pour le PEB
  • Cote : TH 2003 014
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.