[ES] Uno de los desafı́os de la robótica es desarrollar sistemas de control capaces de obtener rápidamente respuestas adecuadas e inteligentes para los cambios constantes que tienen lugar en entornos dinámicos. Esta respuesta debe ofrecerse almomento con el objetivo de reanudar la ejecución del plan siempre que se produzca un fallo en el mismo.El término planificación reactiva aborda todos los mecanismos que, directa o indirectamente, promueven la resolución de fallos durante la ejecución del plan. Los sistemas de planificación reactiva funcionan bajo un enfoque de planificación y ejecución continua, es decir, se intercala planificación y ejecución en entornos dinámicos. Muchas de las investigaciones actuales se centran en desarrollar planificadores reactivos que trabajan en escenarios de un único agente para recuperarse rápidamente de los fallos producidos durante la ejecución del plan, pero, si esto no es posible, pueden requerirse arquitecturas de múltiples agentes y métodos de recuperación más complejos donde varios agentes puedan participar para solucionar el fallo. Por lo tanto, los sistemas de planificación y ejecución continua generalmente generan soluciones para un solo agente. La complejidad de establecer comunicaciones entre los agentes en entornos dinámicos y con restricciones de tiempo ha desanimado a los investigadores a implementar soluciones reactivas donde colaboren varios agentes. En línea con esta investigación, la presente tesis doctoral intenta superar esta brecha y presenta un modelo de ejecución y planificación reactiva multiagente que realiza un seguimiento de la ejecución de un agente para reparar los fallos con ayuda de otros agentes. En primer lugar, proponemos una arquitectura que comprende un modelo general reactivo de planificación y ejecución que otorga a un agente capacidades de monitorización y ejecución. El modelo también incorpora un planificador reactivo que proporciona al agente respuestas rápidas para recuperarse de los fallos que se pueden producir durante la ejecución del plan. Por lo tanto, la misión de un agente de ejecución es monitorizar, ejecutar y reparar un plan, si ocurre un fallo durante su ejecución. El planificador reactivo está construido sobre un proceso de busqueda limitada en el tiempo que busca soluciones de recuperación para posibles fallos que pueden ocurrir. El agente genera los espacios de búsqueda en tiempo de ejecución con una construcción iterativa limitada en el tiempo que garantiza que el modelo siempre tendrá un espacio de búsqueda disponible para atender un fallo inmediato del plan. Por lo tanto, la única operación que debe hacerse es buscar en el espacio de búsqueda hasta que se encuentre una solución de recuperación. Evaluamos el rendimiento y la reactividad de nuestro planificador reactivo mediante la realización de dos experimentos. Evaluamos la reactividad del planificador para construir espacios de búsqueda dentro de un tiempo disponible dado, asi como támbien, evaluamos el rendimiento y calidad de encontrar soluciones con otros dos métodos deliberativos de planificación. Luego de las investigaciones de un solo agente, propusimos extender el modelo a un contexto de múltiples agentes para la reparación colaborativa donde al menos dos agentes participan en la solución final. El objetivo era idear un modelo de ejecución y planificación reactiva multiagente que garantice el flujo continuo e ininterrumpido de los agentes de ejecución. El modelo reactivo multiagente proporciona un mecanismo de colaboración para reparar una tarea cuando un agente no puede reparar la falla por sí mismo. Para evaluar nuestro sistema, diseñamos diferentes situaciones en tres dominios de planificación del mundo real. Finalmente, el documento presenta algunas conclusiones y también propone futuras lı́neas de investigación posibles. / [CA] Un dels desafiaments de la robòtica és desenvolupar sistemes de control capaços d'obtindre ràpidament respostes adequades i intel·ligents per als canvis constants que tenen lloc en entorns dinàmics. Aquesta resposta ha d'oferir-se al moment amb l'objectiu de reprendre l'execució del pla sempre que es produı̈sca una fallada en aquest. El terme planificació reactiva aborda tots els mecanismes que, directa o indirectament, promouen la resolució de fallades durant l'execució del pla. Els sistemes de planificació reactiva funcionen sota un enfocament de planificació i execució contı́nua, és a dir, s'intercala planificació i execució en entorns dinàmics. Moltes de les investigacions actuals se centren en desenvolupar planificadors reactius que treballen en escenaris d'un únic agent per a recuperar-se ràpidament de les fallades produı̈des durant l'execució del pla, però, si això no és possible, poden requerir-se arquitectures de múltiples agents i mètodes de recuperació més complexos on diversos agents puguen participar per a solucionar la fallada. Per tant, els sistemes de planificació i execució contı́nua generalment generen solucions per a un sol agent. La complexitat d'establir comunicacions entre els agents en entorns dinàmics i amb restriccions de temps ha desanimat als investigadors a implementar solucions reactives on col·laboren diversos agents. En lı́nia amb aquesta investigació, la present tesi doctoral intenta superar aquesta bretxa i presenta un model d'execució i planificació reactiva multiagent que realitza un seguiment de l'execució d'un agent per a reparar les fallades amb ajuda d'altres agents. En primer lloc, proposem una arquitectura que comprén un model general reactiu de planificació i execució que atorga a un agent capacitats de monitoratge i execució. El model també incorpora un planificador reactiu que proporciona a l'agent respostes ràpides per a recuperar-se de les fallades que es poden produir durant l'execució del pla. Per tant, la missió d'un agent d'execució és monitorar, executar i reparar un pla, si ocorre una fallada durant la seua execució. El planificador reactiu està construı̈t sobre un procés de cerca limitada en el temps que busca solucions de recuperació per a possibles fallades que poden ocórrer. L'agent genera els espais de cerca en temps d'execució amb una construcció iterativa limitada en el temps que garanteix que el model sempre tindrà un espai de cerca disponible per a atendre una fallada immediata del pla. Per tant, l'única operació que ha de fer-se és buscar en l'espai de cerca fins que es trobe una solució de recuperació. Avaluem el rendiment i la reactivitat del nostre planificador reactiu mitjançant la realització de dos experiments. Avaluem la reactivitat del planificador per a construir espais de cerca dins d'un temps disponible donat, aixı́ com també, avaluem el rendiment i qualitat de trobar solucions amb altres dos mètodes deliberatius de planificació. Després de les investigacions d'un sol agent, vam proposar estendre el model a un context de múltiples agents per a la reparació col·laborativa on almenys dos agents participen en la solució final. L'objectiu era idear un model d'execució i planificació reactiva multiagent que garantisca el flux continu i ininterromput dels agents d'execució. El model reactiu multiagent proporciona un mecanisme de col·laboració per a reparar una tasca quan un agent no pot reparar la falla per si mateix. Explota les capacitats de planificació reactiva dels agents en temps d'execució per a trobar una solució en la qual dos agents participen junts, evitant aixı́ que els agents hagen de recórrer a mecanismes deliberatius. Per a avaluar el nostre sistema, dissenyem diferents situacions en tres dominis de planificació del món real. Finalment, el document presenta algunes conclusions i tam / [EN] One of the challenges of robotics is to develop control systems capable of quickly obtaining intelligent, suitable responses for the regularly changing that take place in dynamic environments. This response should be offered at runtime with the aim of resume the plan execution whenever a failure occurs. The term reactive planning addresses all the mechanisms that, directly or indirectly, promote the resolution of failures during the plan execution. Reactive planning systems work under a continual planning and execution approach, i.e., interleaving planning and execution in dynamic environments. Most of the current research puts the focus on developing reactive planning system that works on single-agent scenarios to recover quickly plan failures, but, if this is not possible, we may require more complex multi-agent architectures where several agents may participate to solve the failures. Therefore, continual planning and execution systems have usually conceived solutions for individual agents. The complexity of establishing agent communications in dynamic and time-restricted environments has discouraged researchers from implementing multi-agent collaborative reactive solutions. In line with this research, this Ph.D. dissertation attempts to overcome this gap and presents a multi-agent reactive planning and execution model that keeps track of the execution of an agent to recover from incoming failures. Firstly, we propose an architecture that comprises a general reactive planning and execution model that endows a single-agent with monitoring and execution capabilities. The model also comprises a reactive planner module that provides the agent with fast responsiveness to recover from plan failures. Thus, the mission of an execution agent is to monitor, execute and repair a plan, if a failure occurs during the plan execution. The reactive planner builds on a time-bounded search process that seeks a recovery plan in a solution space that encodes potential fixes for a failure. The agent generates the search space at runtime with an iterative time-bounded construction that guarantees that a solution space will always be available for attending an immediate plan failure. Thus, the only operation that needs to be done when a failure occurs is to search over the solution space until a recovery path is found. We evaluated theperformance and reactiveness of our single-agent reactive planner by conducting two experiments. We have evaluated the reactiveness of the single-agent reactive planner when building solution spaces within a given time limit as well as the performance and quality of the found solutions when compared with two deliberative planning methods. Following the investigations for the single-agent scenario, our proposal is to extend the single model to a multi-agent context for collaborative repair where at least two agents participate in the final solution. The aim is to come up with a multi-agent reactive planning and execution model that ensures the continuous and uninterruptedly flow of the execution agents. The multi-agent reactive model provides a collaborative mechanism for repairing a task when an agent is not able to repair the failure by itself. It exploits the reactive planning capabilities of the agents at runtime to come up with a solution in which two agents participate together, thus preventing agents from having to resort to a deliberative solution. Throughout the thesis document, we motivate the application of the proposed model to the control of autonomous space vehicles in a Planetary Mars scenario. To evaluate our system, we designed different problem situations from three real-world planning domains. Finally, the document presents some conclusions and also outlines future research directions. / Gúzman Álvarez, CA. (2019). Reactive plan execution in multi-agent environments [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/120457

Algorithmically designed reward functions can influence groups of learning agents toward measurable desired sequential joint behaviours. Influencing learning agents toward desirable behaviours is non-trivial due to the difficulties of assigning credit for global success to the deserving agents and of inducing coordination. Quantifying joint behaviours lets us identify global success by ranking some behaviours as more desirable than others. We propose a real-valued metric for turn-taking, demonstrating how to measure one sequential joint behaviour. We describe how to identify the presence of turn-taking in simulation results and we calculate the quantity of turn-taking that could be observed between independent random agents. We demonstrate our turn-taking metric by reinterpreting previous work on turn-taking in emergent communication and by analysing a recorded human conversation. Given a metric, we can explore the space of reward functions and identify those reward functions that result in global success in groups of learning agents. We describe 'medium access games' as a model for human and machine communication and we present simulation results for an extensive range of reward functions for pairs of Q-learning agents. We use the Nash equilibria of medium access games to develop predictors for determining which reward functions result in turn-taking. Having demonstrated the predictive power of Nash equilibria for turn-taking in medium access games, we focus on synthesis of reward functions for stochastic games that result in arbitrary desirable Nash equilibria. Our method constructs a reward function such that a particular joint behaviour is the unique Nash equilibrium of a stochastic game, provided that such a reward function exists. This method builds on techniques for designing rewards for Markov decision processes and for normal form games. We explain our reward design methods in detail and formally prove that they are correct.

L’hétérogénéité de croissance est un problème récurrent en aquaculture dont le déterminisme est le résultat d’une interaction complexe de nombreux facteurs: alimentaires, populationnels, environnementaux et génétiques. Nous avons développé un modèle individu-centré (système multi-agent) pour reproduire in silico les phénomènes biologiques sous-jacents (Mo.B.I.Fish : Model of Behavioral Interaction of Fish). La première étape a consisté en l’élaboration d’un modèle de croissance capable de modéliser la prise de poids d’un poisson en fonction de son ingéré. Deux types de modèles ont été évalués (Scope For Growth et Dynamic Energy Budget) sur des données expérimentales de croissance et le SFG a été retenu. Il a ensuite été utilisé en validation pour évaluer l’importance de l’ingéré et d’autres facteurs dans l’hétérogénéité de croissance. La deuxième étape de modélisation a consisté en l’élaboration d’un modèle simulant les interactions sociales entre poissons. Ces interactions ont été simulées par un système multi agents qui reproduit des séries de combats entre deux individus dont l’issue est dépendante de leur poids, de leurs interactions passées, de leur génétique et d’un effet aléatoire. Le résultat de ces combats influence leur nourrissage individuel. A l’aide de 2 expérimentations ad hoc de croissance de perche en circuit fermé, nous avons pu calibrer et valider le modèle de façon à estimer l’importance des différents facteurs dans le déterminisme des combats. La comparaison entre le modèle et les données a été faite sur les variables « poids moyen »« coefficient de variation » et « coefficient de corrélation de Spearman ». Il est apparu ainsi que la taille avait une faible importance, et que le déterminisme des combats pouvait être, en première approche considéré comme purement aléatoire. L’effet mémoire permet de simuler le désordre des rangs de poids des poissons entre le début et la fin de la période de croissance / Growth heterogeneity is a recurrent problem in fish aquaculture. Its determinism is the result of complex interactions between numerous factors: feeding rate, social interactions, environmental conditions and genetics. We developed an individualized based model (multi-agent system) to reproduce in silico biological phenomena (Mo.B.I.Fish : Model of Behavioral Interaction of Fish). The first step of modelling consisted of choosing a model that could simulate growth knowing the food intake. Two models were compared (Scope For Growth and Dynamic Energy Budget) to experimental data of growing fish: we finally chose the SFG. This model was used in validation to evaluate the relative influence of the food intake (combined with other factors) on growth heterogeneity. The second step of modelling consisted of building a model which simulated social interactions between fish. These interactions were simulated with a multi-agent system that reproduced fights between two fish, in which the final result depended on the weight, experience of each fish, genetic and random effect. The result of the fight had direct influence on the individual intake. Two experiments were conducted on perch in recirculating system, which provided to us data to both calibrate and validate the model. The output of the model was the mean weight, the coefficient of variation of the weight and the Spearman's rank correlation coefficient of fish weight. Hence we could estimate the relative importance of each factor in the determinism of the fights. We observed that size had little or no effect, and that the determinism could be considered as completely random. The experience effect also allowed simulating accurately the rank of the weight of fish between the beginning and the end of the experiments

Cette recherche se place dans le domaine de l’ingénierie industrielle, plus exactement aux premières étapes du processus d´innovation (Fuzzy Front-End). Aujourd´hui dans un monde globalisé, où la technologie est à la portée de tous, les entreprises cherchent de nouvelles techniques permettant de se distinguer de la concurrence, et offrent de nouveaux et meilleurs produits ou services ; une manière de conserver leurs avantages comparatifs ou d’en acquérir de nouveaux, pour des clients toujours plus exigeants, et dont les besoins changent constamment. Partant de ce constat, l’innovation se définit comme un processus long et continu, au sein duquel s’utilisent différents modèles. Du fait de la complexité du processus, il n’existe pas de modèle unique réunissant tous les besoins des clients. C’est pourquoi le processus d’innovation, implique différents acteurs de l’entreprise et de son environnement. Ces acteurs, dont l’importance varie, sont souvent d’origines diverses et possèdent des compétences variées. Ils ont des besoins différents, et sont soumis à des contraintes de travail différentes (ressources technologiques et financières, réglementations, etc...). Il paraît ainsi essentiel pour l’entreprise de créer un modèle unique, capable d’identifier les besoins de toutes les parties prenantes, avant d’entamer le processus de développement de nouveaux produits. C’est pour l’entreprise une manière de renforcer le processus d’innovation, et de réduire le taux d´échec lors du lancement de nouveaux produits. Ainsi l’objectif de cette étude est de proposer une nouvelle méthode d’analyse des impacts de l’innovation (A.I), afin de permettre aux entreprises d’identifier les besoins dynamiques des acteurs. Celles-ci pourront ainsi mieux définir leurs nouveaux produits et s’adapter plus facilement aux évolutions du marché. Cet outil fait partie d´une méthodologie de gestion des projets innovants, et doit être utilisé avant la définition des caractéristiques fonctionnelles du nouveau produit. Ceci nous ramène aux premières phases du développement, avant la conception du produit, qui comprennent toutes les étapes depuis la définition des besoins et opportunités pour l´innovation, jusqu’à la prise de décision pour le développement du nouveau produit, appelée Fuzzy Front-End. L’apport théorique de notre travail : Il n´existe pas de définition des impacts de l’innovation (I_n), nous avons donc fait un travail bibliographique sur le concept d’impact. Celui-ci a permis d’explorer les différentes définitions d´impact au sein de différentes disciplines (ingénierie, écologie, psychologie, etc.). Nous avons proposé de cette manière, notre propre définition de l’impact adaptée au contexte de l´innovation. Cette recherche bibliographique, nous a aussi permis d’identifier les différents types d´impacts et de justifier l´utilisation de différentes méthodologies. La contribution méthodologique : l’approche proposée pour l´analyse des impacts de l´innovation (A.I) se décompose en deux étapes. La première vise à modéliser l’« écosystème d´innovation », sur la base des relations, de l´importance et des besoins individuels de chacun des acteurs face au nouveau produit. Ceci grâce à une Analyse des Besoins Dynamiques (A.B.D), qui permettra d´obtenir les besoins agrégés permettant de représenter le système complet, sans considérer les possibles perturbations du milieu extérieur ou les impacts de la même innovation. Pour bien identifier et décrire les besoins des acteurs, nous avons basé la méthodologie sur l´observation de leurs activités. Ainsi, nous avons pu identifier les différents besoins des acteurs de l´innovation sur la base de l’analyse RAR (Ressources, Activités, Résultat), ensuite nous avons classifié les besoins grâce au modèle de KANO et ses améliorations réalisées par Tontini. Une méthode originale d’agrégation des besoins de tous les acteurs est proposée.[...] / This research belongs to the industrial engineering field, focusing on the first stages of the innovation process (Fuzzy Front-End). In a globalized world, where the technology is near to everyone, enterprises are looking for new technologies to be different from their competitors, offering new and better products / services as a strategy to keep or acquire new competitive advantages. Moreover, innovation is a large and continuous process, where different management models are used. But, because of the complexity of the process, no general model is suitable for situations and projects. Thus, the innovation process involves different stakeholders from the company and its environment. These individuals come from different origins (field of knowledge), have different needs, abilities, importance and work under different restrictions (technological or financial resources, work rules, etc.). Consequently, it is essential for the enterprise to identify all the needs of the parts involved in the products. And, a model is required in order to identify the stakeholder’s needs before starting design tasks. This model aims at more robustness in the new product development process and at the reduction of the failure rate when launching new products. Thus, the objective of this PhD thesis is to propose a new method to analyze the impact of the innovation, allowing companies to identify the dynamic actors' needs, to improve the definition of their new products and to adapt to the possible changes of the market. This tool is part of an innovative projects management methodology, used before the elaboration of the functional specifications of a new product. This locates the research in the first stages of development called Fuzzy Front-End: before the genesis of the product. Fuzzy front ends integrate among others the opportunity / needs identification for innovation to the development of the new product decision taking. The proposed approach for the innovation impact analysis (A.I) consists of two stages: the first one intends to model an innovation ecosystem, integrating the relations, the importance of each stakeholder and their individual necessities in regard to the new product. Through a Dynamic Needs Analysis (A.B.D) it will be possible to get the global needs, which represent the whole system, without considering the disturbances of the environment or the impact of the same innovation. Thus, the second stage of the model, through the generation of innovation impact scenarios (S.I.I), evaluates the impact of the innovation the new product may face at its market launching. Due to a new product emergence changes emerge: actors’ performance, their interrelations, the importance and their own needs about the product [...]

Nous proposons donc un modèle original d'apprentissage constructiviste adapté pour un système d'AmI. Ce modèle repose sur une approche décentralisée, permettant de multiples implémentations convenant à un environnement hétérogène. Dans les environnements réels continus sans modélisation à priori, se pose la question de la modélisation des structures élémentaires de représentation et particulièrement le problème d'amorçage de l'apprentissage sensorimoteur (comme décrit par [Kuipers06]). Dans le cadre du modèle général proposé, nous explicitons ce problème particulier et proposons de le traiter comme une forme d'auto-organisation modélisée par un système multi-agent. Cette approche permet de construire des motifs d'interaction élémentaires à partir des seules données brutes, sur lesquels peut reposer la construction d'une représentation plus élaborée (voir [Mazac14]). Nous présentons enfin une série d'expérimentations illustrant la résolution de ce problème d'amorçage : tout d'abord grâce à un environnement simulé, qui permet de maitriser les régularités de l'environnement et autorise des expérimentations rapides ; ensuite en implémentant ce système d'apprentissage au sein d'un environnement d'AmI réel. Pour cela le modèle est intégré dans le système d'AmI développé par l'entreprise partenaire de cette thèse CIFRE. Puis nous présentons une possible application industrielle des résultats de cette première étape implémentée d'amorçage de l'apprentissage sensorimoteur. Nous concluons par l'analyse des résultats et des perspectives de ce type d'approche pour l'AmI et l'application en général de l'IA aux systèmes réels en environnements continus / The theory of cognitive development from Jean Piaget (1923) is a constructivist perspective of learning that has substantially influenced cognitive science domain. Within AI, lots of works have tried to take inspiration from this paradigm since the beginning of the discipline. Indeed it seems that constructivism is a possible trail in order to overcome the limitations of classical techniques stemming from cognitivism or connectionism and create autonomous agents, fitted with strong adaptation ability within their environment, modelled on biological organisms. Potential applications concern intelligent agents in interaction with a complex environment, with objectives that cannot be predefined. Like robotics, Ambient Intelligence (AmI) is a rich and ambitious paradigm that represents a high complexity challenge for AI. In particular, as a part of constructivist theory, the agent has to build a representation of the world that relies on the learning of sensori-motor patterns starting from its own experience only. This step is difficult to set up for systems in continuous environments, using raw data from sensors without a priori modelling.With the use of multi-agent systems, we investigate the development of new techniques in order to adapt constructivist approach of learning on actual cases. Therefore, we use ambient intelligence as a reference domain for the application of our approach

Dans la gestion des systèmes de production de soins, la maîtrise des flux hospitaliers et l'anticipation des tensions sont des enjeux majeurs. Les acteurs du secteur hospitalier et des filières de soins doivent maîtriser des tensions telles les pics d'activités et les engorgements de services qui sont liées aux flux des patients et aux flux des processus de soins. Ils sont toutefois démunis en méthodologies et outils d'aide à la décision et de pilotage adaptés. Cette thèse a pour but d’étudier et de développer la modélisation, l'optimisation et la mise en œuvre d'un Système d’Aide à l’amélioration de la prise en charge des patients en mode normal et en mode tension dans les Services des Urgences Pédiatriques (SUP) du CHRU de Lille. L’objectif de cette thèse est de proposer des solutions appropriées au SUP permettant d’améliorer la prise en charge des patients en termes de temps d’attente. Nous avons donc modélisé le processus de prise en charge des patients par l’approche Workflow afin d’identifier les dysfonctionnements au SUP près cette phase de modélisation, nous avons proposé une architecture de résolution à base d’agents afin d’optimiser l’ordonnancement des flux patients et diminuer considérablement leur temps d’attente en périodes des tensions. Ensuite nous avons étudié une démarche d’orchestration dynamique du Workflow par les agents afin de réduire les temps d’attentes des patients en cours d’exécution. Cette these est menée dans le cadre du projet ANR HOST avec la collaboration du SUP de CHRU de Lille. Les résultats des simulations mettent en exergue l’apport de l’alliance entre les systèmes multi-agent et l’optimisation pour l’aide à la décision. / In the healthcare production management systems, the control of the patient flows and the anticipation of the tensions are major issues. Due to the increasing the crowding situations and their consequences, there is an ever increasing emphasis on the ability of the actors in hospital and healthcare pathways to manage the patient health care process. They must be able to control the crowding (peaks of activities, congestion of services) that are related to patient and healthcare processes flows. However, decision makers do not have sufficient methodologies and decision support tools adapted for controlling the patient flows.This thesis aims to investigate and develop modeling, optimization and implementation of a Support System to improve the care of patients in normal situation and crowding situation in Services Pediatric Emergencies (SUP) of the Lille University Hospital. The objective of this thesis is to propose appropriate solutions to the SUP to improve care for patients in terms of wait times. We therefore modeled the process of care for patients by Workflow approach to identify malfunctions in the SUP near the modeling phase; we proposed a resolution of agent-based architecture to optimize scheduling patient flow and significantly decrease their waiting time during periods of tension. Then we studied a dynamic process orchestration workflow by agents to reduce the expectations of patients running time. This thesis is conducted under the ANR HOST project in collaboration with the Lille University Hospital SUP. The simulation results highlight the contribution of the alliance between the multi-agent systems and optimization for decision support

Ces travaux de recherche présentés dans cette thèse s’intègrent dans le cadre d’un partenariat entre Generix Group, éditeur de logiciels collaboratifs pour l’écosystème du commerce, et l’École Centrale de Lille portant sur la réalisation d’un système d’aide au déplacement des opérateurs intégrant la Réalité Augmentée (RA) dans le domaine de la supply chain. Dans la gestion des entrepôts, la préparation des commandes représente un processus important. Avoir une gestion optimisée des entrepôts en aidant les opérateurs à travailler dans des meilleures conditions est un enjeu majeur. Le but de cette thèse est de proposer un Système d’Aide à la Décision (SAD) dans les entrepôts pour l’optimisation des processus de picking et putting. L’aspect dynamique et ouvert du problème nous a conduits à adopter une modélisation multi-agent. Le système multi-agent proposé s’appuie sur les méta heuristiques pour gérer l’affectation aux opérateurs des chemins optimisés de préparation de commandes. Le système d’Alliance entre l’Optimisation et les Systèmes Multi-agent (AOSMA) proposé est basé sur une approche de modélisation, optimisation et simulation orientée agent intégrant la technologie des lunettes à RA. En effet, les lunettes connectées permettent d’afficher d’une manière confortable dans le champ de vision de l’opérateur les informations nécessaires afin d’améliorer l’efficacité et le rendement et de réduire les erreurs de picking et putting. Les résultats expérimentaux présentés dans cette thèse justifient l’alliance entre les Systèmes Multi-Agent et l’optimisation tout en intégrant la nouvelle technologie de RA pour assurer le pilotage des parcours de picking et putting / The research presented in this thesis belongs to a partnership between Generix Group, collaborative software vendor for Retail ecosystem, and the Ecole Centrale of Lille which aims to implement a Support System for Travel (SST) distance of pickers integrating Augmented Reality (AR) in the area of the supply chain. In warehouse management, order picking is an important process. Having an optimized warehouse management by helping order pickers to work in better conditions is a major issues. The aim of this thesis is to propose a Decision Support System (DSS) in warehouses to optimize picking and putting processes. The dynamic and open aspect of the problem has led us to adopt a multi-agent modelling approach. The proposed multi-agent system is based on metaheuristics to manage the optimized paths allocation to order pickers. The Alliance between the Optimization and Multi-Agent System (AOMAS) proposed is based on a modeling approach, optimization and agent-oriented simulation integrating Augmented Reality (AR) Smart Glasses. Indeed, the connected glasses can display in the operator's field of vision the necessary information to improve efficiency and effectiveness and reduce errors in picking and putting. The experimental results presented in this thesis, justify the alliance between the multi-agent systems and optimization integrating the new AR technology to ensure the piloting of picking and putting path.

Nos travaux de recherches sont des travaux supports pour les gestionnaires de l’hôpital Robert Pax de Sarreguemines, et plus généralement de tout centre hospitalier pour développer des approches centrées sur le patient. Nous nous sommes inspirés des approches centrées sur le produit issues du domaine industriel qui ont été proposées pour répondre aux exigences croissantes de gestion des produits dans un environnement de plus en plus incertain. Par analogie, les systèmes de production de soins centrés patient peuvent être assimilés aux systèmes de production de biens centrés produit. Cependant, il ne faut pas perdre de vue la spécificité des systèmes de production de soins : le facteur humain. Cette spécificité est à l’origine de leur caractère complexe, aléatoire et imprévisible. Par ailleurs, les approches de pilotage, que ce soit dans le milieu industriel ou hospitalier, sont majoritairement des modèles mathématiques et des modèles de simulation utilisant une approche de gestion centrée sur une ou plusieurs ressources considérées comme critiques. C’est pourquoi il nous a paru judicieux d’opter pour une approche centrée patient basée sur le paradigme multi-agents. Nous proposons alors, un système multi-agents de pilotage réactif dynamique et distribué centré patient du parcours patient au sein des systèmes hospitaliers. L’alternative que nous proposons consiste à utiliser une approche centrée patient et basée sur les agents permettant de minimiser les délais d’attente, ainsi que la durée de séjour, et par conséquent les coûts des soins, tout en assurant un soin de qualité pour l’ensemble des patients et une meilleure gestion des ressources hospitalières / Through our research, we offer a support tool for the managers in Robert Pax hospital in Sarreguemine (France), and more generally any hospital center wishing to develop a patient centered approach. We were inspired by « product centered » approaches emerging from industrial domain which were proposed to answer the increasing requirements of products management. By analogy, health care systems patient centered can be assimilated to production systems product centered. However, it is important not to lose sight of the specificities of health care systems which is the human factor. This specificity makes this system complex, random and unpredictable. Besides, the approaches used in industrial or hospital environment, are mainly mathematical models and simulation approaches centered on one ore several resources categorized as critical. In that sense, it seemed judicious to choose a patient centered approach based on a multi-agent paradigm. We proposed a Reactive multi-agent control system of the patient flow in healthcare system. The proposed alternative is a patient centered approach allowing to minimize the patients waiting time and the length of their stay and consequently the care costs. The proposed approach also ensures the care quality and an optimal use of the hospital resources

Submitted by PPG Ci?ncia da Computa??o (ppgcc@pucrs.br) on 2018-05-28T12:31:15Z No. of bitstreams: 1 TABAJARA_KRAUSBURG_RODRIGUES_DIS.pdf: 4049392 bytes, checksum: 154302eff9df959cfa74d6c0faec5d4e (MD5) / Approved for entry into archive by Sheila Dias (sheila.dias@pucrs.br) on 2018-06-06T13:05:51Z (GMT) No. of bitstreams: 1 TABAJARA_KRAUSBURG_RODRIGUES_DIS.pdf: 4049392 bytes, checksum: 154302eff9df959cfa74d6c0faec5d4e (MD5) / Made available in DSpace on 2018-06-06T13:35:29Z (GMT). No. of bitstreams: 1 TABAJARA_KRAUSBURG_RODRIGUES_DIS.pdf: 4049392 bytes, checksum: 154302eff9df959cfa74d6c0faec5d4e (MD5) Previous issue date: 2018-03-26 / Esta disserta??o apresenta um estudo sobre forma??o de coaliz?es entre agentes heterog?neos para a competi??o de programa??o multiagente de 2017. Foi investigado e aplicado a forma??o de estruturas de coaliz?es entre agentes para resolver problemas log?sticos simulados sobre o mapa de uma cidade real. A fim de atingir o objetivo deste trabalho, foram integrados algoritmos formadores de coaliz?es na plataforma JaCaMo por meio de um artefato CArtAgO chamado CFArtefact. Foi utilizada a implementa??o provida pelo time SMART-JaCaMo (time participante da competi??o multiagente), para experimentar a forma??o de coaliz?es na competi??o. Tr?s abordagens foram avaliadas no dom?nio da competi??o em diferentes configura??es. A primeira abordagem utiliza somente aloca??o de tarefas para resolver o problema. A segunda e a terceira abordagem utilizam a t?cnica de forma??o de coaliz?es anteriormente ? aloca??o de tarefas; dentre estas abordagens, uma utiliza um algor?timo ?timo para resolver o problema e a outra um heur?stico. As an?lises dos experimentos realizados mostram que algor?timos formadores de coaliz?es podem melhorar a performance do time participante da competi??o quando a taxa de trabalhos gerados pelo simulador ? baixa. Entretanto, conforme a taxa de trabalhos aumenta, a abordagem que realiza somente aloca??o de tarefas obt?m um desempenho melhor quando comparada as demais. Mesmo a abordagem heur?stica tem desempenho pr?ximo ? abordagem ?tima para coaliz?es. Desta forma, ? poss?vel concluir que forma??o de coaliz?es possui grande valia para balancear os agentes para um conjunto de trabalhos que precisa ser completado. / This work focuses on coalition formation among heterogeneous agents for the 2017 multiagent programming contest. An agent is a computer system that is capable of independent action to achieve its goals. In order to increase the effectiveness of the agents, we can organise them into coalitions, in which the agents collaborate with each other to achieve individual or common goals. We investigate and apply coalition structure generation (the first activity of the coalition formation process) in simulated scenarios, specifically the 2017 contest scenario, where the agents forming a competing team cooperate to solve logistic problems simulated on the map of a real city. In order to achieve our goal, we integrate coalition formation algorithms into the JaCaMo platform by means of a CArtAgO artefact, named CFArtefact. We use the implementation of the SMART JaCaMo team for experimenting with the coalition formation approach in the contest scenario. We experiment on three approaches in the contest domain with different configurations. In the first, we use only a taskallocation mechanism, while the other approaches use an optimal coalition formation algorithm and a heuristic coalition formation algorithm. We conducted several experiments to compare the advantages of each approach. Our results show that coalition formation algorithms can improve the performance of a participating team when dealing with low job rates (i.e., how quickly new jobs are created by the simulation). However, as we increase the job rate, the approach using only task allocation has better performance. Even a heuristic coalition formation approach has close performance to the optimal one in that case. Coalition formation can play an important role when we aim to balance each group of agents to accomplish some particular goal given a larger team of cooperating agents.

Une carte marine est un type de carte utilisé pour décrire la morphologie du fond marin et du littoral adjacent. Un de ses principaux objectifs est de garantir la sécurité de la navigation maritime. En conséquence, la construction d'une carte marine est contrainte par des règles très précises. Le cartographe doit choisir et mettre en évidence les formes du relief sous-marin en fonction de leur intérêt pour la navigation. Au sein d'un processus automatisé, le système doit être en mesure d'identifier et de classifier ces formes de relief à partir d’un modèle de terrain.Un relief sous-marin est une individuation subjective d'une partie du fond océanique. La reconnaissance de la morphologie du fond sous-marin est une tâche difficile, car les définitions des formes de relief reposent généralement sur une description qualitative et floue. Obtenir la reconnaissance automatique des formes de relief nécessite donc une définition formelle des propriétés des reliefs et de leur modélisation. Dans le domaine maritime, l'Organisation Hydrographique Internationale a publié une terminologie standard des noms des formes de relief sous-marines qui formalise un ensemble de définitions principalement pour des objectifs de communication. Cette terminologie a été utilisée ici comme point de départ pour la classification automatique des formes de relief sous-marines d'un modèle numérique de terrain.Afin d'intégrer les connaissances sur le relief sous-marin et sa représentation sur une carte nautique, cette recherche vise à définir des ontologies du relief sous-marin et des cartes marines. Les ontologies sont ensuite utilisées à des fins de généralisation de carte marine. Nos travaux de recherche sont structurés en deux parties principales. Dans la première partie de la recherche, une ontologie est définie afin d'organiser la connaissance géographique et cartographique pour la représentation du relief sous-marin et la généralisation des cartes marines. Tout d'abord, une ontologie de domaine du relief sous-marin présente les différents concepts de formes de relief sous-marines avec leurs propriétés géométriques et topologiques. Cette ontologie est requise pour la classification des formes de relief. Deuxièmement, une ontologie de représentation est présentée, qui décrit la façon dont les entités bathymétriques sont représentées sur la carte.Troisièmement, une ontologie du processus de généralisation définit les contraintes et les opérations usitées pour la généralisation de carte marine. Dans la deuxième partie de la recherche, un processus de généralisation fondé sur l'ontologie est conçu en s'appuyant sur un système multi-agents (SMA). Quatre types d'agents (isobathe, sonde, forme de relief et groupe de formes de relief) sont définis pour gérer les objets cartographiques sur la carte. Un modèle de base de données a été généré à partir de l'ontologie. Les données bathymétriques et l'ontologie sont stockées dans une base de données de type ``triple store'', et sont connectées à un système d'information implémenté en Java et C++. Le système proposé classe automatiquement les formes de relief sous-marines extraites à partir de la bathymétrie, et évalue les contraintes cartographiques. Dans un premier temps, les propriétés géométriques décrivant une forme de relief sont calculées à partir des sondes et des isobathes et sont utilisées pour la classification des formes de relief. Ensuite, les conflits de distance et de superficie sont évalués dans le SMA et des plans de généralisation sont proposés au cartographe. Des tests ont été réalisés avec des données bathymétriques du monde réel montrant ainsi l'intérêt de la recherche dans le domaine de la cartographie nautique. / A nautical chart is a kind of map used to describe the seafloor morphology and the shoreline of adjacent lands. One of its main purposes is to guaranty safety of maritime navigation. As a consequence, construction of a nautical chart follows very specific rules. The cartographer has to select and highlight undersea features according to their relevance to navigation. In an automated process, the system must be able to identify and classify these features from the terrain model.An undersea feature is a subjective individuation of a part of the seafloor. Landform recognition is a difficult task because its definition usually relies on a qualitative and fuzzy description. Achieving automatic recognition of landforms requires a formal definition of the landforms properties and their modelling. In the maritime domain, the International Hydrographic Organisation published a standard terminology of undersea feature names which formalises a set of definitions mainly for naming features and communication purpose. This terminology is here used as a starting point for the automatic classification of the features from a terrain model.In order to integrate knowledge about the submarine relief and its representation on the chart, this research aims to define ontologies of the submarine relief and nautical chart. Then, the ontologies are applied to generalisation of nautical chart. It includes two main parts. In the first part of the research, an ontology is defined to organize geographical and cartographic knowledge for undersea feature representation and nautical chart generalisation. First, a domain ontology of the submarine relief introduces the different concepts of undersea features with their geometric and topological properties. This ontology is required for the classification of features. Second, a representation ontology is presented, which describes how bathymetric entities are portrayed on the map. Third, a generalisation process ontology defines constraints and operations in nautical chart generalisation. In the second part, a generalisation process based on the ontology is designed relying on a multi-agent system. Four kinds of agents (isobath, sounding, feature and group of features) are defined to manage cartographic objects on the chart. A database model was generated from the ontology. The bathymetric data and the ontology are stored in a triplestore database, and are connected to an interface in Java and C++ to automatically classify the undersea features extracted from the bathymetry, and evaluate the cartographic constraints. At first, geometrical properties describing the feature shape are computed from soundings and isobaths and are used for feature classification. Then, conflicts are evaluated in a MAS and generalisation plans are provided.