This thesis discusses the basics of software agents and the way they form the multiagent coalitions. Genetic algorithms are introduced as one of the methods of solving the coalition formation problem. MAPC 2018 competition is introduced, which inspired the final design and implementation of the solution by using the tools described. A demo project was created, in which agents communicate with the MASSim server and gather data which is then used as an input into the genetic algorithm. Its purpose is to assign the agents to the tasks based on the input data, so that the tasks can be accomplished in the most effective manner possible. The results of this algorithm are evaluated in experiments which are focused on the quality of the solutions found as well as the time required for the calculation.

Avec les problèmes présents dans le secteur de transport, qu'ils soient financiers ou environnementaux, la mobilité avancée peut y remédier avec la mise à profit de la complémentarité entre les différents modes de transport. Dans ce contexte, nous nous focalisons dans cette thèse à la mise en œuvre d'un système d’information de transport avec la recherche et la composition des itinéraires comodaux pour les clients. L'enjeu est d'être capable de répondre aux attentes des usagers avec des solutions satisfaisantes permettant de proposer des itinéraires optimaux pour gérer efficacement l’intermodalité. Dans un souci pratique, nous fournirons des itinéraires attractifs respectant les contraintes imposées même pour les requêtes simultanées. Nous utilisons des techniques d'accélération permettant de réduire l'espace de recherche pour la planification d’itinéraire. Les itinéraires attractifs sont décomposés en sections de route sur lesquelles les différentes demandes et les offres disponibles sont mises en relation. Les combinaisons des sections de route permettent d'aboutir à un ensemble de solutions intéressantes. L’aspect distribué et dynamique du problème nous a permis d'employer une modélisation basée sur le paradigme agent. Ainsi, l’alliance entre les systèmes multi-agents et les algorithmes génétiques que nous avons mis en place s'avère très utile pour gérer l’articulation de l’intermodalité entre ces différents modes de transport. Les résultats de simulation présentés montrent l’efficacité des méthodes proposées. / Nowadays, the environment impact of transport is significant. In an attempt to address these problems, in this work, we are interested in the implementation of a transport information system, which integrates the existing means of transport to respond users' requests, including public transport and the shared transport like carpooling and car-sharing. In this context of application, we elaborate algorithms to provide attractive paths with respect to the imposed constraints, even for simultaneous requests. Different acceleration techniques for path planning are used to reduce the search space for a better performance. The attractive paths are divided into route sections on which the available offers are allocated to different requests, which is treated as one resource allocation problem using metaheuristics algorithms. With consideration of the distributed and dynamic aspects of the problem, the solving strategy makes use of several concepts like multi-agents system and different optimization methods. The proposed methods are tested with realistic scenarios with instances extracted from real world transport networks. The obtained results indicate that our proposed approaches can efficiently solve the itinerary planning problems by providing good and complete solutions.