Many complex and interdependent systems engineering challenges involve more than one stakeholder or decision maker. These challenges, such as the definition and acquisition of future air mobility systems, are often found in situations where resources are finite, objectives are conflicting, constraints are restricting, and uncertainty in future outcomes prevail. Air mobility operational models which simulate fleet wide behavior effects over time, in various mission scenarios, and potentially over the entire design life-cycle, are always multi-dimensional, cover a large decision space, and require significant time to generate sufficient solutions to adequately describe the design space. This challenge is coupled with the fact that, in these highly integrated solutions or acquisitions, multiple stakeholders or decision makers are required to cooperate and reach agreement in selecting or defining the requirements for the design or solution and in its costly and lengthy implementation. However, since values, attitudes, and experiences are different for each decision maker, reaching consensus across the multiple criteria with different preferences and objectives is often a slow and highly convoluted process. In response to these common deficiencies and to provide quantitative analyses, this research investigates and proposes solutions to two challenges: 1) increase the speed at which operational solutions and associated requirements are generated and explored, and 2) systematize the group decision-making process, to both accelerate and improve decision making in these large operational problems requiring cooperation. The development of the Air Mobility Operations Design (AirMOD) model is proposed to address the first challenge by implementing and leveraging surrogate models of airlift capability across a wide scenario space. In addressing the second major challenge, the proposed Multi-Agent Consensus Reaching on the Objective Space (MACRO) methodology introduces a process to reduce the feasible decision space, by identifying regions of high probability of consensus reaching, using preference distributions, power relationships, and game-theoretic techniques. In a case study, the MACRO methodology is demonstrated on a large air mobility solution space generated by AirMOD to illustrate plausibility of the overall approach. AirMOD and MACRO offer considerable advantages over current methods to better define the operational design space and improve group decision-making processes requiring cooperation, respectively.

Les travaux présentés dans cette thèse portent sur le thème de la modélisation et de l'aide à la décision dans le cadre des systèmes complexes. Plus précisément, nous nous intéressons au couplage de simulations orientées agent à une méthode de résolution de problèmes inverses. Une architecture générique de système d'aide à la décision est ainsi proposée. Ces travaux sont appliqués à la conception d'un système d'aide à la décision dédié à l'entomologie médico-légale. Cette discipline à mi-chemin entre la criminalistique et l'entomologie vise à concevoir des méthodes de datation de la mort basées sur des indices entomologiques, i.e., les insectes (principalement des diptères nécrophages) ou restes d'insectes retrouvés sur ou à proximité du corps. Ainsi, dans le cadre de ce travail réalisé en collaboration avec le laboratoire d'entomologie médico-légale de l'Institut de Médecine Légale de Lille, nous présentons : * un modèle à base d'agents permettant de simuler le développement des diptères nécrophages dans un environnement complexe (e.g., un corps situé dans un écosystème donné), en prenant en compte plus de paramètres que les méthodes classiques, * une implémentation de l'architecture de système d'aide à la décision évoquée plus haut, basée sur ce modèle.

Le travail présenté dans ce mémoire s'inscrit dans le cadre du projet SocLab, qui propose une formalisation de la sociologie de l'action organisée (SAO). Cette formalisation repose sur un méta-modèle de la structure des organisations sociales, à partir duquel il est possible de développer une étude analytique des propriétés d'une organisation et de calculer, par simulation, les comportements que les acteurs sont susceptibles d'adopter. On est alors en mesure de réaliser un diagnostique organisationnel qui, s'il est moins riche que dans l'expression discursive de la SAO, gagne en objectivation et en rigueur. Selon cette approche, une organisation est vue comme un système qui, en fonction du comportement des acteurs les uns vis à vis des autres, procure à chacun d'eux une certaine capacité d'action pour atteindre ses objectifs, sans distinguer ceux qui relèvent de son rôle et ceux qui lui sont propres. Un tel système est parcouru par deux boucles de régulation : une première, que l'on peut qualifier de fonctionnelle, selon laquelle les acteurs adaptent leurs comportements les uns aux autres afin d'obtenir une capacité d'action qui les satisfassent ; une seconde, qui relève de l'évolution endogène de l'organisation, selon laquelle les acteurs cherchent à modifier à leur avantage la structure même de l'organisation. L'utilisation du méta-modèle donne lieu à la représentation de la structure d'une organisation sous la forme d'une structure mathématique, constituée d'ensembles, de fonctions (différentiables) et de relations. En mobilisant divers outils mathématiques, nous étudions l'influence de la structure d'une organisation sur chacune de ces deux boucles de régulation. On pourra par exemple, s'agissant de la régulation fonctionnelle, expliquer pourquoi les acteurs se comportent comme ils le font et détecter des coalitions, avérées ou potentielles, ou bien avoir une idée des directions dans lesquelles un acteur pourrait tenter de modifier la structure de l'organisation. Plus généralement, l'étude mathématique de la structure d'une organisation nous permet de définir une grande variété d'indicateurs qui s'interprètent, à l'aide des concepts de la sociologie des organisations, comme autant de propriétés de l'organisation considérée.

Logic-based formalizations of dynamical systems are central to the field of knowledge representation and reasoning. These formalizations can be used to model agents that act, reason,and perceive in a changing and incompletely known environment. A key aspect of reasoning about agents and their behaviors is the notion of joint ability. A team of agents is jointly able to achieve a goal if despite any incomplete knowledge or even false beliefs about the world or each other, they still know enough to be able to get to a goal state, should they choose to do so. A particularly challenging issue associated with joint ability is how team members can coordinate their actions. Existing approaches often require the agents to communicate to agree on a joint plan. In this thesis, we propose an account of joint ability that supports coordination among agents without requiring communication, and that allows for agents to have incomplete (or even false) beliefs about the world or the beliefs of other agents. We use ideas from game theory to address coordination among agents. We introduce the notion of a strategy for each agent which is basically a plan that the agent knows how to follow. Each agent compares her strategies and iteratively discards those that she believes are not good considering the strategies that the other agents have kept. Our account is developed in the situation calculus, a logical language suitable for representing and reasoning about action and change that is extended to support reasoning about multiple agents. Through several examples involving public, private, and sensing actions, we demonstrate how symbolic proof techniques allow us to reason about team ability despite incomplete specifications about the beliefs of agents.

L'objectif de cette thèse est de proposer une démarche méthodologique de conception d'un modèle de simulation de systèmes de production qui intègre une représentation des comportements distribués et cognitifs des acteurs décisionnels, et dont l'intérêt est de permettre d'étudier la pertinence de changements organisationnels dans ces systèmes. En effet, l'analyse des conditions d'évolution des systèmes de production et de leur contexte a permis de mettre en relief le besoin de " réactivité " pour faire face à un environnement de moins en moins stable et prévisible et devant lequel l'organisation doit chercher des alternatives à un fonctionnèment planifié, prédictif, figé et séquentiel. Les réponses organisationnelles des entreprises à ces sollicitations s'expriment par un mouvement vers la fleXIbilité et l'intégration, et passent par un rapprochement entre la structure décisionnelle et la structure physique. Pour mettre en évidence cette nouvelle réalité, nous proposons un processus de modélisation qui débute par la construction d'un modèle conceptuel de compréhension des organisations, basé sur une représentation des processus de décision, et sur une formalisation des phénomènes d'orientation des comportements décisionnels. En parallèle, nous analysons les concepts associés à la problématique des systèmes multi-agents, systèmes qui étudient l'émergence de comportements collectifs résultant de l'activité coopérative de plusieurs entités autonomes "intelligentes" sur lesquelles l'expertise est répartie. Ces études convergent vers un modèle de simulation issu des techniques de simulation à événements discrets, dans lequel nous intégrons une modélisation du système décisionnel à base d'agents. Enfin, l'implémentation de ce modèle sera basée sur des techniques de simulation orientée objets (objets actifs, programmation concurrente), et sera validée sur deux exemples, l'un pédagogique et conceptuel, 1 'autre industriel.

Cette thèse est une proposition pour la conception de comportements crédibles dans les simulations informatiques pour agents situés dans un environnement virtuel. Le comportement d'un agent se définit à partir de l'observation des actions qu'il exécute dans un environnement. Chaque action exécutée résulte d'un choix de l'agent parmi l'ensemble des actions qu'il peut effectuer. Le comportement se construit donc à partir des capacités de l'agent lui permettant de résoudre ses buts, le raisonnement, et d'un choix influencé par ses traits de caractère, l'individualité. Ma contribution consiste à définir des comportements qui sont composés de ces deux parties : le raisonnement et l'individualité. Cette thèse se concentre sur la proposition d'un mécanisme de sélection d'action pour la partie individualité du comportement. Ce mécanisme se base sur les notions de motivations et d'alternatives. Les motivations sont l'expression de traits du caractère de l'agent, elles influencent le choix de l'action à exécuter. Les alternatives sont les résolutions possibles calculées par la partie raisonnement du comportement. Le mécanisme de sélection d'action s'appuie sur les alternatives pour déterminer, à l'aide des motivations, la meilleure action à exécuter à chaque instant. Les motivations influençant le comportement de l'agent sont définies indépendamment du contexte d'application permettant leur réutilisation pour d'autres agents et d'autres simulations. Ma contribution vise également à apporter un enrichissement au projet CoCoA par l'apport d'un mécanisme de sélection d'action concret basé sur les motivations ainsi que la réalisation d'un atelier de conception de comportement.

Les simulations multi-agents reproduisent un phénomène en modélisant intuitivement son fonctionnement au niveau microscopique. Ce fonctionnement est décrit par le comportement d'entités autonomes qui agissent dans un environnement commun. Toutefois, les approches actuelles restreignent les interactions à des effets de bord ou ne fournissent aucune méthodologie réifiant la notion d'interaction. La conception de simulations contenant un grand nombre d'agents interagissant de manière variée s'en trouve complexifiée. Nous soutenons que pour faciliter la conception des simulations, il est préférable que toute entité soit concrétisée par un agent et tout comportement par une interaction. Le moteur de simulation doit de plus être clairement séparé des agents et interactions, de sorte que tout le système multi-agents soit régi par le même algorithme de simulation. Une telle approche procure de nombreux avantages tels que l'automatisation de l'implémentation, la réutilisabilité des interactions ou la conception graduelle du modèle du phénomène. En nous fondant sur ces principes, nous avons développé une approche centrée sur les interactions (IODA) composée d'une pyramide d'outils : un modèle formel, un ensemble d'algorithmes de simulation et une méthodologie. Nous confirmons la faisabilité de cette approche par une plateforme de simulation paramétrable (JEDI) fidèle au modèle formel et un environnement de développement intégré (JEDI-Builder) qui automatise le passage du modèle IODA au code JEDI. Nous montrons ainsi que la concrétisation logicielle des interactions a conduit à une unification du concept d'agent et à une simplification du processus de conception de simulations.

La coordinació i assignació de tasques en entorns distribuïts ha estat un punt important de la recerca en els últims anys i aquests temes són el cor dels sistemes multi-agent. Els agents en aquests sistemes necessiten cooperar i considerar els altres agents en les seves accions i decisions. A més a més, els agents han de coordinar-se ells mateixos per complir tasques complexes que necessiten més d'un agent per ser complerta. Aquestes tasques poden ser tan complexes que els agents poden no saber la ubicació de les tasques o el temps que resta abans de que les tasques quedin obsoletes. Els agents poden necessitar utilitzar la comunicació amb l'objectiu de conèixer la tasca en l'entorn, en cas contrari, poden perdre molt de temps per trobar la tasca dins de l'escenari. De forma similar, el procés de presa de decisions distribuït pot ser encara més complexa si l'entorn és dinàmic, amb incertesa i en temps real. En aquesta dissertació, considerem entorns amb sistemes multi-agent amb restriccions i cooperatius (dinàmics, amb incertesa i en temps real). En aquest sentit es proposen dues aproximacions que permeten la coordinació dels agents. La primera és un mecanisme semi-centralitzat basat en tècniques de subhastes combinatòries i la idea principal es minimitzar el cost de les tasques assignades des de l'agent central cap als equips d'agents. Aquest algoritme té en compte les preferències dels agents sobre les tasques. Aquestes preferències estan incloses en el bid enviat per l'agent. La segona és un aproximació d'scheduling totalment descentralitzat. Això permet als agents assignar les seves tasques tenint en compte les preferències temporals sobre les tasques dels agents. En aquest cas, el rendiment del sistema no només depèn de la maximització o del criteri d'optimització, sinó que també depèn de la capacitat dels agents per adaptar les seves assignacions eficientment. Addicionalment, en un entorn dinàmic, els errors d'execució poden succeir a qualsevol pla degut a la incertesa i error de accions individuals. A més, una part indispensable d'un sistema de planificació és la capacitat de re-planificar. Aquesta dissertació també proveeix una aproximació amb re-planificació amb l'objectiu de permetre als agent re-coordinar els seus plans quan els problemes en l'entorn no permeti la execució del pla. Totes aquestes aproximacions s'han portat a terme per permetre als agents assignar i coordinar de forma eficient totes les tasques complexes en un entorn multi-agent cooperatiu, dinàmic i amb incertesa. Totes aquestes aproximacions han demostrat la seva eficiència en experiments duts a terme en l'entorn de simulació RoboCup Rescue. / Distributed task allocation and coordination have been the focus of recent research in last years and these topics are the heart of multi-agent systems. Agents in these systems need to cooperate and consider the other agents in their actions and decisions. Moreover, agents may have to coordinate themselves to accomplish complex tasks that need more than one agent to be accomplished. These tasks may be so complicated that the agents may not know the location of them or the time they have before the tasks become obsolete. Agents may need to use communication in order to know the tasks in the environment, otherwise, it may take a long time to find the tasks into the scenario. Similarly, the distributed decisionmaking process may be even more complex if the environment is dynamic, uncertain and real-time. In this dissertation, we consider constrained cooperative multi-agent environments (dynamic, uncertain and real-time). In this regard, we propose two approaches that enable the agents to coordinate themselves. The first one is a semi-centralized mechanism based on combinatorial auction techniques and the main idea is minimizing the cost of assigned tasks from the central agent to the agent teams. This algorithm takes into account the tasks' preferences of the agents. These preferences are included into the bid sent by the agent. The second one is a completely decentralized scheduling approach. It permits agents schedule their tasks taking into account temporal tasks' preferences of the agents. In this case, the system's performance depends not only on the maximization or the optimization criterion, but also on the agents' capacity to adapt their schedule efficiently. Furthermore, in a dynamic environment, execution errors may happen to any plan due to uncertainty and failure of individual actions. Therefore, an indispensable part of a planning system is the capability of replanning. This dissertation is also providing a replanning approach in order to allow agents recoordinate his plans when the environmental problems avoid fulfil them. All these approaches have been carried out to enable the agents to efficiently allocate and coordinate all their complex tasks in a cooperative, dynamic and uncertain multi-agent scenario. All these approaches have demonstrated their effectiveness in experiments performed in the RoboCup Rescue simulation environment.

Made available in DSpace on 2014-12-17T15:47:03Z (GMT). No. of bitstreams: 1 GivanaldoRS_TESE.pdf: 2106802 bytes, checksum: 88486cf095bfcefea309b73b76e7de67 (MD5) Previous issue date: 2013-10-25 / This thesis proposes an architecture of a new multiagent system framework for hybridization of metaheuristics inspired on the general Particle Swarm Optimization framework (PSO). The main contribution is to propose an effective approach to solve hard combinatory optimization problems. The choice of PSO as inspiration was given because it is inherently multiagent, allowing explore the features of multiagent systems, such as learning and cooperation techniques. In the proposed architecture, particles are autonomous agents with memory and methods for learning and making decisions, using search strategies to move in the solution space. The concepts of position and velocity originally defined in PSO are redefined for this approach. The proposed architecture was applied to the Traveling Salesman Problem and to the Quadratic Assignment Problem, and computational experiments were performed for testing its effectiveness. The experimental results were promising, with satisfactory performance, whereas the potential of the proposed architecture has not been fully explored. For further researches, the proposed approach will be also applied to multiobjective combinatorial optimization problems, which are closer to real-world problems. In the context of applied research, we intend to work with both students at the undergraduate level and a technical level in the implementation of the proposed architecture in real-world problems / A presente tese prop?e uma arquitetura multiagente para hibridiza??o de metaheur?sticas, inspirada na t?cnica de Otimiza??o por Nuvem de Part?culas, e tem como principal contribui??o a proposta de uma abordagem efetiva para resolu??o de problemas de otimiza??o combinat?ria. A escolha da Otimiza??o por Nuvem de Part?culas como inspira??o deu-se pelo fato desta t?cnica ser inerentemente multiagente, permitindo explorar os recursos dos sistemas multiagente, tais como as t?cnicas de aprendizado e coopera??o. Na arquitetura proposta, as part?culas s?o agentes aut?nomos com mem?ria e m?todos de decis?o e de aprendizagem, utilizando estrat?gias de busca para se moverem no espa?o de solu??es. Os conceitos de posi??o e velocidade, originalmente definidos na Otimiza??o por Nuvem de Part?culas, s?o redefinidos para esta abordagem. A arquitetura proposta foi aplicada ao Problema do Caixeiro Viajante e ao Problema Quadr?tico de Aloca??o, realizando experimentos computacionais que comprovaram sua efetividade. Os resultados dos experimentos foram bastante promissores, apresentando desempenho satisfat?rio, considerando que o potencial da arquitetura proposta ainda n?o foi totalmente explorado. Em pesquisas futuras, a abordagem proposta ser? aplicada a problemas de otimiza??o combinat?ria multiobjetivo, os quais s?o mais pr?ximos aos problemas do mundo real. No ?mbito da pesquisa aplicada, pretende-se trabalhar tanto com alunos em n?vel de gradua??o como em n?vel t?cnico a aplica??o da arquitetura proposta em problemas pr?ticos do mundo real

As pessoas têm acesso a uma vasta gama de informações devido a grande oferta e aos recursos da Internet, porém despendem muito tempo na busca do que realmente é interessante ou útil para elas. A dificuldade de encontrar a informação correta é aumentada quando a informação disputa a atenção de uma pessoa com uma série de outras informações não tão relevantes. Procurando minimizar esta dificuldade e auxiliar no acesso a informação interessante, são aplicados desde sistemas de recuperação de informação até sistemas de filtragem de informação. Os sistemas de recuperação são amplamente difundidos na Internet através dos motores de busca (por exemplo, google.com, av.com, citeseer.ist.psu.edu), porém um problema neste tipo de aplicação constitui-se na necessidade do usuário apresentar os termos (palavras-chave) que são relevantes para a consulta. filtragem de informação, tendo como representante os Sistemas de Recomendação, surge como uma nova abordagem que procura liberar o usuário da exigência de criar consultas com palavras-chave, ou seja, a filtragem baseada em conteúdo procura casar o perfil do usuário e o conteúdo dos itens a serem recomendados, e então, oferecer alguns destes itens aos usuários. Por fim, surgiram sistemas que não se baseavam na análise do conteúdo dos itens, mas sim na reputação de um item junto aos outros usuários, ou seja, o usuário recebe a recomendação de um item que pode ser do seu interesse frente à colaboração de outros usuários que avaliaram o item. A questão maior nesta abordagem está no quanto a opinião de um usuário que avaliou um item é relevante para servir como colaboração na elaboração da recomendação para outro usuário. Esta tese constitui-se em uma proposta para modelar e incluir a relevância da opinião do usuário no processo de recomendação colaborativa, ou seja, apresenta uma abordagem de Sistemas de Recomendação para recomendar itens baseando-se em informação adicional − definida como relevância da opinião do usuário − além das típicas informações utilizadas na grande maioria dos Sistemas de Recomendação. Esta inclusão da relevância da opinião constitui-se em uma alternativa para que o usuário alvo da recomendação consiga identificar qual a importância de um determinado item recomendado frente à relevância de opinião dos recomendadores. A idéia apresentada é a de que pessoas com maior relevância de opinião poderiam melhor avaliar e recomendar itens. / Nowadays, people have access to a huge amount of information due to the Internet's resources. However they spend too much time searching for interesting, adequate or useful information. The difficulty to find worthwhile information increases when interesting things dispute the user's attention. Information retrieval and information filtering systems are applicable in order to minimize search difficulties, aiming to aid the user in the search for worthwhile information. Information retrieval systems are widely spread in the Internet through search engines (e.g., google.com, av.com, citeseer.ist.psu.edu). However there is a problem in this kind of application, which consists in compelling the user to know the terms (keywords) that are relevant for the search. Recommender Systems are an information filtering solution. They present a different approach that frees the user from creating queries with keywords. It means that the system tries to match the user's profile (historical interests) with the content of items to be recommended, and then offers these items to the user (recommendee). In parallel, an alternative approach to item recommendation was proposed, this one based on the offering of items based on other users’ opinion, i.e. the user receives an item recommendation based on the evaluation of other users (collaborative filtering or social filtering). However, a different question is raised here − how much the opinion of a user who evaluated an item is relevant to be employed in the recommendation process applying a collaborative method? This thesis presents a new approach to model and include in the collaborative recommendation process additional information named Recommender's Rank, which represents the relevance of the user's opinion and complements the typical information used in the large majority of Recommender Systems. This approach is an alternative to aid the user to identify the importance of a recommended item based on other users' opinions, as people with higher relevance of opinion are more likely to better evaluate and recommend items.