MaDcAr-Agent : un modèle d'agents auto-adaptables à base de composants

MADCAR-AGENT: A model of self-adaptive component-based agents.

• Auteur / Autrice : Guillaume Grondin
• Direction : Olivier Boissier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2008
• Etablissement(s) : Saint-Etienne, EMSE

Mots clés

Mots clés contrôlés

Systèmes ouverts (informatique)

Agents intelligents (logiciels)

Composants logiciels

Traitement réparti

Résumé

Dans cette thèse, nous proposons MADCAR-AGENT, un modèle d'agents auto-adaptables à base de composants et muni d'une infrastructure dédiée à l'adaptation. Ce modèle se caractérise par la présence d'un niveau méta qui comporte notamment un moteur d'assemblage en charge des adaptations dynamiques et automatiques en fonction du contexte de l'agent. Le fonctionnement du niveau méta est guidé par la spécification de deux politiques : la politique d'assemblage qui permet à l'agent de s'adapter aux changements de contexte en fonction des composants disponibles et la politique de gestion de contenu qui permet à l'agent d'avoir les composants dont il a le plus besoin grâce aux interactions avec les autres agents. Diverses expérimentations ont été menées avec ce modèle, notamment dans le cadre d'un scénario impliquant des robots mobiles qui doivent explorer une zone inconnue, pour valider notre approche.

In this thesis, we propose MADCAR-AGENT, a model of self-adaptive component-based agents provided with a framework dedicated to adaptation. This model is characterized by a meta level which contains an assembling engine in charge of automatic and dynamic adaptations according to the agent's context. The behavior of the meta level is ruled by two specified policies: the assembling policy that allows an agent to adapt itself because of contextual changes according to the available components and the content management policy that allows an agent to obtain the components it mostly needs, by using interactions with other agents. These specifications are made explicit and uncoupled from the agent's applicative behavior. To validate our approach, several experimentations have been conducted with this model. For instance, we describe a scenario involving mobile robots that must explore autonomously an unknown area.