Este trabalho aborda os sistemas de montagem auto-organizados baseados em agentes para o ambiente industrial. Para isso, traz uma visão ampla dos paradigmas atuais para a manufatura que usam o conceito de agente e que promovem auto-organização, mas é focado no paradigma de sistemas de montagem e de produção evolutivos. Além da autoorganização, aspectos de auto-otimização nestes sistemas também são considerados. Portanto, este trabalho aborda os aspectos teóricos e práticos de sistemas evolutivos e, em particular, propõe uma plataforma multiagente que usa o conceito de agente mecatrônico para permitir o desenvolvimento de sistemas auto-organizados e que também possuam a capacidade de otimizar autonomamente algum recurso interno ao sistema. Um agente mecatrônico é uma entidade capaz de ação autônoma num sistema de manufatura, devido a uma decisão própria ou à solicitação de ação por outros agentes, e tal é conseguido através da definição e execução de funcionalidades pelos agentes mecatrônicos. A plataforma multiagente proposta foi implementada e validada no âmbito de um projeto da União Europeia o qual possui parceiros acadêmicos e industriais e visa a criação de sistemas evolutivos auto-organizados em um cenário industrial real. / This work deals with agent-based self-organized assembly systems for manufac– turing. Although the text aims to provide a comprehensive overview on current paradigms to manufactiuring systems development and execution that use the concept of agent and promote self-organization, the thesis main focus lies in evolvable production and assembly systems paradigms. Beyond self-organization, self-optimization aspects of evolvable systems are also considered. Therefore, this thesis discusses theoretical and practical aspects of evolvable systems and, in particular, develops a multi-agent platform that uses the mechatronic agent concept to enable the development of self-organized systems and has the capacity of autonomously to optimize some internal resource of the system. A mechatronic agent is an entity that is capable of autonomous action on a manufacturing system due to this own reasoning or by reacting to a requested action from other agents. The proposed platform was implemented and validated within the scope of a research project funded by the European Union that has both academic and industrial partners and it goals the building of self-organized evolvable assembly systems for a real industrial scenario.

Nous élaborons une approche multi-agents pour la résolution des problèmes d’optimisation combinatoire nommée MAOM-COP. Elle combine des métaheuristiques, les systèmes multi-agents et l’apprentissage par renforcement. Les heuristiques manquent d’une vue d’ensemble sur l’évolution de la recherche. Notre objectif consiste à utiliser les systèmes multi-agents pour créer des méthodes de recherche coopératives. Ces méthodes explorent plusieurs métaheuristiques. MAOM-COP est composée de plusieurs agents qui sont l’agent décideur, les agents intensificateurs et les agents diversificateurs (agents croisement et agent perturbation). A l’aide de l’apprentissage, l’agent décideur décide dynamiquement quel agent à activer entre les agents intensificateurs et les agents croisement. Si les agents intensificateurs sont activés, ils appliquent des algorithmes de recherche locale. Durant leurs recherches, ils peuvent s’échanger des informations, comme ils peuvent déclencher l’agent perturbation. Si les agents croisement sont activés, ils exécutent des opérateurs de recombinaison. Nous avons appliqué MAOM-COP sur les problèmes suivants : l’affectation quadratique, la coloration des graphes, la détermination des gagnants et le sac à dos multidimensionnel. MAOM-COP possède des performances compétitives par rapport aux algorithmes de l’état de l’art. / We elaborate a multi-agent based optimization method for combinatorial optimization problems named MAOM-COP. It combines metaheuristics, multiagent systems and reinforcement learning. Although the existing heuristics contain several techniques to escape local optimum, they do not have an entire vision of the evolution of optimization search. Our main objective consists in using the multi-agent system to create intelligent cooperative methods of search. These methods explore several existing metaheuristics. MAOMCOP is composed of the following agents: the decisionmaker agent, the intensification agents and the diversification agents which are composed of the perturbation agent and the crossover agents. Based on learning techniques, the decision-maker agent decides dynamically which agent to activate between intensification agents and crossover agents. If the intensifications agents are activated, they apply local search algorithms. During their searches, they can exchange information, as they can trigger the perturbation agent. If the crossover agents are activated, they perform recombination operations. We applied MAOMCOP to the following problems: quadratic assignment, graph coloring, winner determination and multidimensional knapsack. MAOM-COP shows competitive performances compared with the approaches of the literature

Les cartes représentent l'information géographique d'une zone donnée de manière d'autant plus simplifiée que l'échelle de la carte est petite. Le procédé de simplification, appelé généralisation cartographique, est soumis au respect de contraintes de lisibilité, d'adéquation de la représentation avec le niveau d'abstraction souhaité et de cohérence avec la réalité. La volonté d'automatiser le processus de création de cartes à partir de bases de données géographiques, a conduit à la création d'algorithmes permettant d'effectuer cette simplification objet par objet. Néanmoins, les choix des algorithmes, tout comme leur paramétrage, sont autant influencés par l'objet sur lequel ils s'appliquent que par les autres objets en relation (e.g. bâtiment à proximité d'un autre, route parallèle à un alignement de bâtiments). Ce constat a motivé l'utilisation de modèles multi-agents pour la généralisation automatisée de cartes. Le principe de ces modèles multi-agents repose sur la modélisation des objets (e.g. bâtiment, tronçon de route, îlot urbain) sous forme d'agents qui cherchent à se généraliser de façon à satisfaire leurs contraintes. Plusieurs modèles multi-agents ont été proposés, chacun ayant une approche différente des interactions entre niveaux. Ici, nous entendons par niveau, par exemple, la distinction entre les agents individuels comme un bâtiment, des agents représentant un groupe d’autres agents, comme un îlot urbain composé des routes l’entourant et des bâtiments inclus dans l’îlot.Nous étudions l'unification de ces modèles en nous appuyant sur le paradigme multi-niveaux PADAWAN, afin de faciliter les interactions entre agents de niveaux différents. Nous proposons ainsi le modèle DIOGEN, adaptant les principes d’interaction entre agents de niveaux différents à la généralisation cartographique guidée par des contraintes, ce qui a permis d’unifier les précédents modèles AGENT, CartACom et GAEL, tout en disposant de nouvelles capacités prometteuses.Nous avons évalué notre proposition sur un ensemble de cas d’étude. Parmi ces cas, nous nous sommes penchés sur la généralisation de carte de randonnée, où les itinéraires sont symbolisés individuellement avec des symboles différents, à la manière des plans de bus. La présence de plusieurs symboles d’itinéraires sur une même route support amène des problèmes de généralisation particuliers, comme le choix du positionnement des itinéraires de part et d’autre de la route, ou les implications pour les autres objets de la carte (e.g. points d’intérêts, bâtiments) se retrouvant sous le symbole de l’itinéraire, problèmes que nous essayons de résoudre en nous appuyant sur notre proposition de représentation formelle multi-niveaux.Ce travail nous a ensuite conduit à identifier des comportements multi-niveaux récurrents. Nous les avons exprimés de façon générique sous forme de patterns d’analyse, affranchies des spécificités de la généralisation cartographique, et de la résolution de problèmes contraints / Maps show geographic information of a given area in a simplified way, particularly when the scale is small. The simplification process, called cartographic generalisation, is submitted to several constraints : legibility, adequation to the abstraction level, and consistency with reality. The will to automate the maps creation process from geographical databases led to the creation of algorithms allowing the simplification object by object. However the choice of the algorithms, as their settings, are influenced by the object on which it is applied, and by the other objects in relation with this object (e.g. a building close to another one, a road parallel to a buildings alignment). This motivates the use of multi-agents models for automated map generalisation. Several multi-agent models were proposed, each of them having a different approach to manage multi-levels relations. Here, what we call a level is, for instance, the distinction between individual agents, like a building, and agents representing a group of other agents, like a urban block composed by the surrounding roads and buildings inside.We study the unification of existing models, using the multi-level paradigm PADAWAN, in order to simplify interactions between agents in different levels. We propose the DIOGEN model, in which the principle of interactions between agents of different levels is adapted to cartographic generalisation guided by constraints, those allowing to unify the existing models AGENT, CartACom and GAEL, and giving promising features.We evaluate our proposal on different case studies. Among them, we study the generalisation of trekking maps, where the routes are symbolized individually by a different couloured line symbols, like on bus maps. The presence of several route symbols on a same road leads to specific generalisation issues, like the choice of the side of each route symbol position, or the implications for the other objects on the map (e.g. points of interest, buildings) under the route symbol – issues tackled using our proposal of formal multi-levels representation.This work leads us to the identification of recurrent behaviours. We express them as analysis patterns, in a way that is independent from cartographic generalisation and constraint solving problems

Le constat d'un volume de déchets en augmentation constante en France et dans le monde appelle des études permettant de comprendre les comportements de tri des ménages. Cette thèse s'inscrit dans cette perspective et a pour ambition de comprendre comment modifier le comportement des consommateurs afin que ces derniers réduisent leurs déchets. Nous présentons d'abord une revue de la littérature analysant les différentes politiques publiques en matière de gestion des déchets. L'approche traditionelle consistant à dire que les individus répondent avant tout à un comportement rationnel, la recherche de gain, a ses limites. Nous soutenons l'idée que des politiques spécifiques prenant en compte les facteurs comportementaux sont nécessaires dans l'élaboration des politiques publiques en faveur du recyclage. Dans un second temps, nous nous intéressons aux déterminants du tri sélectif à partir de données issues d'une enquête originale auprès de 694 habitants de la région PACA. Nous estimons avec un modèle Probit la probabilité d'adopter un comportement de tri sélectif. Ce modèle teste les hypothèses étudiées jusqu'ici principalement par les sociologues et psychologues. Notre analyse empirique démontre que l'influence sociale impacte négativement le recyclage. Enfin, nous complétons cette étude avec un modèle mutli-agent qui cherche à expliquer le tri des déchets et l'impact des politiques publiques. Notre modèle considère des ménages hétérogènes choisissant de recycler selon quatre caractéristiques: leurs préférences environnementales, le coût d'opportunité de la taxe, le coût du tri et leur image de soi. Trois politiques sont testées : l'information, la taxe, et les "nudges". / The observation of a positive trend in the amount of waste in France and in the world has called for studies explaining household sorting behavior. This thesis lies in this perspective and aims at determining how to lead consumers to reduce their waste. We first present a review of the literature analyzing the portfolio of waste management public policies. We discuss the limits of the traditional approach stating that individuals adopt a rational behavior, seeking utility gains. Instead we support the idea that addressing behavioral factors is required for public policies supporting recycling behavior to succeed. In a second step, we investigate the the determinants of sorting behavior by building an original survey on 694 individuals in the PACA region. Our study combines and tests hypotheses first developed by sociologists and psychologists with concepts from behavioral economics. We use a probit model to estimate the probability to adopt a selective sorting behavior. Our empirical analysis shows that social influence negatively impacts recycling. Finally, we complete this study with an agent-based model which seeks to explain the sorting of waste as well as how such behavior is impacted by public policies. Our model considers heterogeneous households whose recycling decision is affected by four elements: individual environmental preferences and self-image, the opportunity cost of a tax on sorting, and the cost of sorting. Three public policies are tested: information, tax and "nudges".

Cette thèse traite de l'automatisation de la généralisation cartographique qui est le procédé de simplification d'une base de données géographique vectorielle pour sa représentation sur une carte lisible. La recherche dans le domaine a abouti aujourd'hui au développement de nombreux processus automatiques de généralisation cartographique, chacun étant spécialisé pour un problème particulier comme un type de paysage, un thème de donnée, un type de conflit ou un mélange des trois (proximité entre bâtiments en zone urbaine). L'objectif de cette thèse est de tirer parti de cette diversité pour mettre en place la généralisation complète d'une carte en faisant collaborer des processus de généralisation complémentaires. Pour répondre à cet objectif, nous proposons le modèle CollaGen (Collaborative Generalisation) qui permet, par un système multi-agent, la collaboration des processus : les données sont découpées de manière pertinente par rapport aux processus à disposition en espaces géographiques (une zone urbaine ou le réseau routier par exemple) ; la généralisation d'un espace par un processus est ensuite orchestrée par CollaGen. CollaGen associe de manière itérative un espace à généraliser et un processus adapté, notamment par un mécanisme de registre type pages jaunes. L'interopérabilité entre les processus est assurée par une ontologie du domaine sur laquelle s'appuie un format de spécifications formelles d'une carte généralisée. Chaque généralisation est évaluée globalement en temps réel pour permettre un retour en arrière en cas de problème. Enfin, du fait du principe de découpage en espaces, CollaGen doit vérifier après chaque généralisation si des effets de bord sont apparus avec les objets géographiques situés juste à l'extérieur de l'espace, auquel cas il les corrige au mieux. Dans, cette thèse, le modèle CollaGen est mis en œuvre pour la généralisation de cartes topographiques (notamment au 1 : 50000) et les résultats sont comparés à d'autres approches et discutés / This phd thesis deals with cartographic generalisation, the process that simplifies a geographic database to allow its representation on legible map. Past research lead to the development of many automatic generalisation processes, each one being specialised for a specific problem like a particular landscape, a given data theme, a particular graphic conflict or a mix of the three (like ‘proximity between buildings in urban areas). The aim of the thesis is to benefit from this diversity to carry out a complete map generalisation by collaboration between complementary processes. To meet this objective, the CollaGen model is proposed (Collaborative Generalisation) as it allows, based on multi-agent techniques, generalisation processes collaboration : data is relevantly partitioned into geographic spaces (e.g. an urban area or the road network) ; then CollaGen orchestrate the generalisation of a space by an adapted process. CollaGen iterately maps a space to be generalised and an adapted process thanks to a yellow pages registry mecanism. The interoperability between processes is managed by a domain ontology on which formal map specifications are based. Each generalization is globally assessed online to allow backtracks if necessary. Finally, because of the space partitioning, CollaGen has to check after each generalisation if side effects appeared with spaces just outside the one that has been generalised. If some side effects occurred, they are corrected. In this thesis, CollaGen is implemented for topographic map generalisation (to 1 : 50000) and results obtained are compared to other approaches and discussed

Os sistemas de aplicações científicas e comerciais geram, cada vez mais, imensas quantidades de dados os quais dificilmente podem ser analisados sem que sejam usados técnicas e ferramentas adequadas de análise. Além disso, muitas destas aplicações são voltadas para Internet, ou seja, possuem seus dados distribuídos, o que dificulta ainda mais a realização de tarefas como a coleta de dados. A área de Extração de Conhecimento de Base de Dados diz respeito às técnicas e ferramentas usadas para descobrir automaticamente conhecimento embutido nos dados. Num ambiente de rede de computadores, é mais complicado realizar algumas das etapas do processo de KDD, como a coleta e processamento de dados. Dessa forma, pode ser feita a utilização de novas tecnologias na tentativa de auxiliar a execução do processo de descoberta de conhecimento. Os agentes de software são programas de computadores com propriedades, como, autonomia, reatividade e mobilidade, que podem ser utilizados para esta finalidade. Neste sentido, o objetivo deste trabalho é apresentar a proposta de um sistema multi-agente, chamado Minador, para auxiliar na execução e gerenciamento do processo de Extração de Conhecimento de Base de Dados. / Nowadays, commercial and scientific application systems generate huge amounts of data that cannot be easily analyzed without the use of appropriate tools and techniques. A great number of these applications are also based on the Internet which makes it even more difficult to collect data, for instance. The field of Computer Science called Knowledge Discovery in Databases deals with issues of the use and creation of the tools and techniques that allow for the automatic discovery of knowledge from data. Applying these techniques in an Internet environment can be particulary difficult. Thus, new techniques need to be used in order to aid the knowledge discovery process. Software agents are computer programs with properties such as autonomy, reactivity and mobility that can be used in this way. In this context, this work has the main goal of presenting the proposal of a multiagent system, called Minador, aimed at supporting the execution and management of the Knowledge Discovery in Databases process.

Ce projet utilise l’analyse de réseaux et la modélisation à base d’agents pour examiner des sujets classiquement traités mais qui peuvent maintenant être abordés, grâce aux riches données rencontrées dans le sud-ouest du Colorado et en France méridionale : comment les Gaules et les marchands méditerranéens établissaient leurs partenariats économiques, comment la violence a pu façonner le développement de niveaux divers de leadership, et comment les premiers agriculteurs interagissaient avec leur environnement. Pour écrire cette thèse composée de trois études de cas différents, deux dans le Sud-Ouest des États-Unis et un en France méridionale, nous utilisons des outils élaborés par les sciences de la complexité pour mieux aborder comment les individus de la préhistoire surmontaient les défis liés à l’acquisition de ressources. La modélisation à base d’agents et l’analyse de réseaux (sociaux et trophiques) nous permettront de décrire les processus décisionnels et d’analyser comment le partage de stratégies au sein du groupe peut entraîner une plus grande aptitude des individus à agir au sein du groupe. / This project utilizes network analysis and agent-based modeling to examine long-standing questions that can only now be asked with the rich data provided in southwestern Coloradoand southern France: how Gauls and colonists established economic partnerships, how violence may have shaped the development of multiple levels of leadership, and how earlyf armers interacted with their environments. Writing a dissertation composed of three distinct case studies, two from the U.S. Southwest and one from the south of France, I use tools developed in complexity science to better address how people in the past dealt with challenges related to resource acquisition. Agent-based modeling and network analysis (both social network analysis and trophic network analysis) will allow me to characterize human decision making processes and discuss how sharing of strategies within a group can lead to greater fitness of those in the in-group.

Les phénomènes de congestion sont dangereux, et couteux économiquement. La compréhension de ces phénomènes est un sujet majeur ayant occupé la communauté scientifique depuis la moitié du vingtième siècle. L'approche microscopique, cherchant à reproduire les phénomènes macroscopiques grâce à la modélisation des comportements individuels, a proposé un grand nombre de modèles. Cependant, alors que la littérature a mis en avant l'impact négatif des véhicules lourds, peu se sont intéressés à savoir si les véhicules lourds ont un comportement similaire à celui des véhicules légers. Les principaux modèles considèrent que les comportements sont indifférenciés, à quelques paramètres près. Dans ces travaux, nous proposons de remettre en cause cette hypothèse. Nous proposons une démarche incrémentale, VIM4MAS, au cours de laquelle nous cherchons à identifier les principales différences entre les propriétés du comportement d'un véhicule lourd avec celle d'un véhicule léger. Cette démarche nous permet de construire un modèle de véhicules lourds en se fondant sur un modèle pré-existant de véhicules légers et en n'apportant que les modifications nécessaires. Dans le cadre de cette démarche, nous proposons également une méthode d'analyse des comportements longitudinaux fondée sur l'étude des boucles d'hystérésis. Cette méthode permet d'étudier les capacités d'anticipation des conducteurs, selon une approche boite noire. Le modèle de véhicules lourds produit, ArchiPL, montre d'une part des comportements de meilleure qualité du point de vue individuel, et d'autre part une cohérence avec la littérature existante. / Congestion phenomena are a major issue modern societies have to face. Understanding them, their creation, their evolution and their real impact are major questions addressed by the scientific community since the half of the twentieth century. A large number of simulation models have been developed to reproduce and study the traffic dynamics. Among them, microscopic model are designed to reproduce macroscopic phenomena such as congestion by reproducing individual vehicles' behavior. However, despite the negative influence of large vehicles on the flow, very few models took them into account. Those vehicles are usually dealt with as any other vehicle, except for a few parameters. In this thesis, we reconsider this hypothesis and try to identify how the behavior of large vehicles differs from other vehicles' behavior. We propose the VIM4MAS development methodology to help in this process. This method is used to improve a generic vehicle's behavior model and refine it until it can reproduce the most important aspects of the large vehicles' behaviors. To understand and identify key properties of longitudinal behaviors of vehicles, we have developed an analysis methodology based on the study of hysteresis phenomena. This analysis methodology allows to highlight key properties such as anticipation capabilities of drivers. The outcome of this work is the ArchiPL model for large vehicles' behaviors. This models shows an improvement of the behaviour quality at the microscopic level, while being consistent with the literature with respect to emergent phenomena.

A swarm is a group of uninformed individuals that exhibit collective behaviors. Without any information about the external world, a swarm has limited ability to achieve complex goals. Prior work on human-swarm interaction methods allow a human to influence these uninformed individuals through either leadership or predation as informed agents that directly interact with humans. These methods of influence have two main limitations: (1) although leaders sustain influence over nominal agents for a long period of time, they tend to cause all collective structures to turn in to flocks (negating the benefit of other swarm formations) and (2) predators tend to cause collective structures to fragment. In this thesis, we present the use of mediators as a novel form for human-swarm influence and use mediators to shape the perimeter of a swarm. The mediator method uses special agents that operate from within the spatial center of a swarm. This approach allows a human operator to coordinate multiple mediators to modulate a rotating torus into various shapes while sustaining influence over the swarm, avoiding fragmentation, and maintaining the swarm's connectivity. The use of mediators allows a human to mold and adapt the torus' behavior and structure to a wide range of spatio-temporal tasks such as military protection and decontamination tasks. Results from an experiment that compares previous forms of human influence with mediator-based control indicate that mediator-based control is more amenable to human influence for certain types of problems.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.