L'apprentissage fait partie des expériences qui stimulent et structurent le savoir-faire individuel de tout être humain depuis sa naissance. Sa complexité et ses mystères suscitent l'intérêt de nombreuses recherches dans des disciplines aussi variées que les sciences sociales et l'informatique. En prenant conscience de cette diversité d'approche et des liens pluridisciplinaires qui en découlent, nous avons décidé de nous intéresser à cette problématique. L'objectif visé est de modéliser le comportement d'apprentissage par l'intermédiaire des systèmes multi-agents en intégrant des recherches issues des sciences sociales dans notre modèle. De ce fait, nous proposons une modélisation (baptisée ALONE) qui allie les spécificités théoriques des agents à la richesse des travaux socio-constructivistes sur l'importance du langage et des interactions lors du processus d'apprentissage humain. Notre contribution dans ce domaine est à la fois méthodologique et applicative.

Nous abordons, dans cette thèse, la problématique de la résolution de problèmes à l'aide des systèmes multi-agent réactifs, une approche décentralisée et auto-organisée. Nous étudions comment des agents réactifs, dont les décisions ne dépendent que de leurs perceptions locales, peuvent interagir pour produire des solutions robustes et performantes. Assurer formellement les propriétés d'un tel système devient alors un enjeu particulièrement important du domaine. Nous cherchons en particulier à évaluer l'intérêt de ce type d'approches pour pour le problème de la patrouille multi-agent qui consiste à visiter l'ensemble des noeuds d'un environnement discret le plus régulièrement possible. Nous proposons le modèle EVAP qui repose sur l'utilisation d'agents fourmi se coordonnant par marquage de l'environnement à l'aide de phéromones digitales. Nous nous intéressons à ce modèle à travers les études théorique et expérimentale de son comportement. En particulier, nous prouvons que les agents s'auto-organisent vers des attracteurs cycliques stables. Ceux-ci garantissent une fréquence de visite de l'environnement quasi optimale. Nous étudions enfin la robustesse d'EVAP aux variations des hypothèses d'exécution.

L'observation des systèmes complexes artificiels à grande échelle est difficile en raison de leur dimension et de leur ouverture. Cette thèse propose le modèle SMA-R (Système Multi-Agent Récursif) basé sur la récursivité pour l'observation multi-niveau des systèmes complexes artificiels. À partir d'un Système Multi-Agent donné, ce modèle est capable de construire une représentation abstraite multi-niveau. Le modèle d'agent récursif proposé possède un module contenant les connaissances, les capacités et le contexte de récursivité; un module pour observer les changements; deux mécanismes pour construire ou détruire les niveaux abstraits; un module d'interaction récursive prenant en charge des comportements collectifs et individuels. Pour appliquer ce modèle à des SMA physiquement décentralisés, nous avons proposé une architecture générique décentralisée d'agents récursifs en adoptant les concepts du modèle OSI qui offre en avant les capacités que nous cherchons: multi niveau, encapsulation, échange de messages virtuels et physiques... Un framework décentralisé générique a été développé permettant aux agents réels de construire les niveaux d'observation. Ce framework est appliqué à l'observation d'un réseau de capteurs sans fil.

L'observation des systèmes complexes artificiels à grande échelle est difficile en raison de leur dimension et de leur ouverture. Cette thèse propose le modèle SMA-R (Système Multi-Agent Récursif) basé sur la récursivité pour l'observation multi-niveau des systèmes complexes artificiels. À partir d'un Système Multi-Agent donné, ce modèle est capable de construire une représentation abstraite multi-niveau. Le modèle d'agent récursif proposé possède un module contenant les connaissances, les capacités et le contexte de récursivité; un module pour observer les changements; deux mécanismes pour construire ou détruire les niveaux abstraits; un module d'interaction récursive prenant en charge des comportements collectifs et individuels. Pour appliquer ce modèle à des SMA physiquement décentralisés, nous avons proposé une architecture générique décentralisée d'agents récursifs en adoptant les concepts du modèle OSI qui offre en avant les capacités que nous cherchons: multi niveau, encapsulation, échange de messages virtuels et physiques... Un framework décentralisé générique a été développé permettant aux agents réels de construire les niveaux d'observation. Ce framework est appliqué à l'observation d'un réseau de capteurs sans fil.

Cette thèse concerne à la gestion globale à base de modèle des flux énergétiques dans le bâtiment. L'objectif des systèmes de gestion de l’énergie proposés est d’aider les occupants à gérer leur système bâtiment en planifiant la consommation/production des différents équipements présents en fonction des tarifs, de la disponibilité de l'énergie et des usages de l'occupant. L’objectif de cette thèse est de proposer une approche de résolution multi-solveurs s'appuyant sur le paradigme multi-agent.Pour y parvenir, nous avons développé, dans un premier temps, un service multi-phase, qui représente plusieurs phases flexibles avec des niveaux de consommation différents, offrant un niveau de précision supérieure pour des équipements comme une machine à laver. Dans un second temps, notre travail a consisté à proposer une nouvelle approche d’optimisation combinant différents solveurs embarqués dans des agents logiciels. Le résultat est une approche d’optimisation hybride à base d’agents, s’appuyant sur des algorithmes PLNE et des méta-heuristiques. / This PhD focuses on the global energy management based on energetical flux models ofbuildings. The objective of the energy management system is to help the inhabitants to manage theirbuilding, by scheduling the consumption/production of the different appliances, taking into accountenergy costs, availability et inhabitants’ preferences. The PhD objective is to propose a resolution approach with several solvers inspired by the multi agent systems.A multi-phasis service representing several phasis has been developped. Each phasis is defined by its own consumption level. This type of service presents a better precision than singlephasis approaches to model some appliances. A new optimization approach has been developped. Itcombines different solvers embedded into software agents. The results is an hybrid approach forthe optimization based on the multi-agent system, using MILP algorithms and meta-heuristics.

Ces dernières années ont consacré l’émergence du parallélisme dans la plupart des branches de l’informatique.Au niveau matériel, tout d’abord, du fait de la stagnation des fréquences de fonctionnement des unités decalcul. Au niveau logiciel, ensuite, avec la popularisation de nombreuses plates-formes d’exécution parallèle.Une forme de parallélisme est également présente dans les systèmes multi-agents, qui facilitent la description desystèmes complexes comme ensemble d’entités en interaction. Si l’adéquation entre ce parallélisme d’exécutionlogiciel et conceptuel semble naturelle, la parallélisation reste une démarche difficile, du fait des nombreusesadaptations devant être effectuées et des dépendances présentes explicitement dans de très nombreux systèmesmulti-agents.Dans cette thèse, nous proposons une solution pour faciliter l’implémentation de ces modèles sur une plateformed’exécution parallèle telle que le GPU. Notre bibliothèque MCMAS vient répondre à cette problématiqueau moyen de deux interfaces de programmation, une couche de bas niveau MCM permettant l’accès direct àOpenCL et un ensemble de plugins utilisables sans connaissances GPU. Nous étudions ensuite l’utilisation decette bibliothèque sur trois systèmes multi-agents existants : le modèle proie-prédateur, le modèle MIOR etle modèle Collemboles. Pour montrer l’intérêt de cette approche, nous présentons une étude de performancede chacun de ces modèles et une analyse des facteurs contribuant à une exécution efficace sur GPU. Nousdressons enfin un bilan du travail et des réflexions présentées dans notre mémoire, avant d’évoquer quelquespistes d’amélioration possibles de notre solution. / These last years have seen the emergence of parallelism in many fields of computer science. This is explainedby the stagnation of the frequency of execution units at the hardware level and by the increasing usage ofparallel platforms at the software level. A form of parallelism is present in multi-agent systems, that facilitatethe description of complex systems as a collection of interacting entities. If the similarity between this softwareand this logical parallelism seems obvious, the parallelization process remains difficult in this case because ofthe numerous dependencies encountered in many multi-agent systems.In this thesis, we propose a common solution to facilitate the adaptation of these models on a parallel platformsuch as GPUs. Our library, MCMAS, provides access to two programming interface to facilitate this adaptation:a low-level layer providing direct access to OpenCL, MCM, and a high-level set of plugins not requiring anyGPU-related knowledge.We study the usage of this library on three existing multi-agent models : predator-prey,MIOR and Collembola. To prove the interest of the approach we present a performance study for each modeland an analysis of the various factors contributing to an efficient execution on GPUs. We finally conclude on aoverview of the work and results presented in the report and suggest future directions to enhance our solution.

Dans ce travail, nous proposons un système auto-organisé composé d'agents-robots contrôlés par une architecture de subsomption et des règles locales probabilistes de prises et de dépôts. Ces agents-robots sont capables, grâce au développement de leurs capacités cognitives de se créer une carte cognitive, d'apprendre plusieurs lieux buts et de planifier le retour vers ces buts. Bien que formellement l'algorithme ne permette pas à chaque agent de "mélanger ni de fusionner ou d'optimiser" plusieurs objectifs, nous montrerons que le système global est capable de réaliser une optimisation multi-objectifs. Particulièrement, la fusion de l'apprentissage local avec l'accumulation de décisions individuelles permet de faire émerger (i) des structures dans l'environnement et (ii) des dynamiques tel que le comportement de spécialisation ou les comportements que nous pouvons considérer comme étant "égoïstes" ou "altruistes". Nous montrons qu'un mécanisme d'imitation simple contribue à l'amélioration des performance de notre SMAC et de notre SMRC, à savoir l'optimisation de la durée pour découvrir des différentes ressources, le temps moyen de planification, le niveau global de satisfaction des agents et enfin le temps moyen de convergence vers une solution stable. Particulièrement, l'ajout d'une capacité d'imitation améliore la construction des cartes cognitives pour chaque agent et stimule le partage implicite des informations dans un environnement a priori inconnu. En effet, les découvertes individuelles peuvent avoir un effet au plan social et donc inclure l'apprentissage de nouveaux comportements au niveau individuel. Pour finir, nous comparons les propriétés émergentes de notre SMAC à un modèle mathématique basé sur la programmation linéaire (PL). Cette évaluation montre les bonnes performances de notre SMAC qui permet d'avoir des solutions proches des solutions de la PL pour un coût de calcul réduit. Dans une dernière série d'expériences, nous étudions notre système d'agrégation dans un environnement réel. Nous mettons en place un SMRC, composé par des robots qui sont capables d'effectuer les opérations de prise, de dépôt et de maintien. Nous montrons via les premiers tests d'agrégation que les résultats sont prometteurs. / In this work, we propose a self-organized system composed by agents-robots, controlled by a subsumption architecture with probabilistic local rules of deposits and taking. These agents-robots are able, thanks to the development of their cognitive abilities to create a cognitive map, to learn various goals' locations and to plan the return to these goals. Although formally the algorithm does not allow each agent to « mix or merge or optimize » several objectives, we show that the overall system is able to perform a multi-objective optimization. Specifically, the fusion of local learning with the accumulation of the individual decisions allows to emerge (i) structures in the environment and (ii) several dynamics such as specialization behavior or those that we can consider as « selfish » or « altruistic ». We show that the imitation strategy contributes to the improvement of the performance of our SMAC and our SMRC, namely the optimization of time to explore the various resources, the average planning time, the overall satisfaction level of agents and finally the the average time of convergence to a stable solution. Specifically, the addition of an imitation ability improves the construction of cognitive maps for each agent and stimulates the implicit sharing of informations in an unknown environment. Indeed, individual discoveries can affect the social level and therefore include learning new behaviors at the individual level. Finally, we compare the emergent properties of our SMAC with a mathematical model based on linear programming (LP). This evaluation shows the good performance of our SMAC which allows to obtain solutions close to the solution of the PL for a low cost of computation. In a final series of experiments, we study our aggregation system in a real environment. We set up a SMRC, composed by robots that are able to perform taking operations, deposits operations and refueling operations. We show through the first tests of aggregation that the results are promising.

En quelques années, les domaines des jeux vidéo et des systèmes multi-agents (SMA) ont pris de plus en plus de places dans la vie de chacun. Malgré des similitudes assez fortes (présences d’entité dans les vidéo pouvant être assimilées à des agents), les SMA ne sont presque jamais utilisés dans le développement de jeux. Ce mémoire présente Shine Agent Modeling Platform (SAMP), une plateforme visant intégrer le paradigme multi-agents au sein du développement de jeux vidéo. Cette fusion permet l’utilisation de la puissance des multi-agents au sein des jeux vidéo.SAMP propose une approche au niveau des interactions permettant de réduire le coût de traitement de ces interactions en optimisant le nombre de recherches effectuées dans l’environnement.En plus d’intégrer le paradigme multi-agents, SAMP vise à être accessible à un maximum d’utilisateurs en proposant une interface de modélisation entièrement graphique. Un système d’importation de modèles comportementaux permet de créer deuxniveaux de modélisation : un niveau proche de la logique développement informatique et un niveau proche de la logique métier de l’utilisateur.SAMP est intégré à un moteur de jeux vidéo, Shine Engine, permettant de générer les environnements graphiques dans lesquels les agents évolueront. / In recent years, video games domains and multiagents systems (MAS) domains took more and more place into the life of many pepole. Despite of strong similarities (video games entities wich can be assimilated to agents), MAS are very rarely used during the development of video games. This submission presents the Shine Agent ModelingPlatform (SAMP), a framework trying to integrate the multi-agents paradigm within the development of video games. The purpose is to integrate the efficiency of the MAS within the video games.SAMP provides an approach to enhance the interactions between agents. This approach reduces the number of searches within the environment. In addition to integrate the multi-agents paradigm within the video games, SAMP aims to be userfriendly by proposing a full graphical interface to MAS. An import/export system of these modelsallows users to create two modeling levels: one close to the computer sciences logic and the second close the business logic of the user.SAMP is integrated in a video games engine: Shine Engine. This integration allows to generate the graphic environment in which agents will live.

La thèse défendue dans ce manuscrit s'intéresse à la simulation multi-agents appliquée à la simulation d'individus dans des bâtiments 3D virtuels.Pour ce faire, nos travaux proposent de capitaliser l'expérience acquise dans le domaine du web sémantique sur les ontologies et les moteurs d'inférence associés pour faciliter la conception et le développement de comportements intelligents pour des agents évoluant dans des univers virtuels.L'objectif est de fournir aux agents une approche générique pour gérer leur représentation du monde et raisonner sur cette représentation.Pour cela, la problématique centrale repose sur la définition d'une ontologie décidable modélisant l'ensemble des connaissances contenues dans l'environnement virtuel 3D pour enrichir sémantiquement l'environnement d'une simulation multi-agents.Cette ontologie décidable a pour but d'offrir la possibilité d'intégrer les moteurs d'inférence sémantique au c\oe{}ur de la modélisation de comportements d'agents mobiles dans un environnement virtuel. / This thesis focuses on multi-agent simulation applied to the simulation of individuals in virtual 3D buildings. To do this, our work suggests to capitalize on the experience gained in the field of semantic web ontologies and inference engines to facilitate the design and development of intelligent behavior for agents operating in virtual worlds. The goal is to provide to agents a generic approach to managing their representation of the world and reason about this representation. For this, the central problem is based on the definition of a decidable ontology modeling all of the knowledge contained in the virtual 3D environment to enrich semantically the environment of a multi-agent simulation. This decidable ontology aims to provide an opportunity to integrate semantic inference engine at the heart of modeling behavior of mobile agents in a virtual environment.

Dans de nombreuses métropoles, il n'existe pas de transports collectifs centralisés, publics ou privés. Des solutions alternatives se sont développées grâce à des systèmes de transports artisanaux qui reposent sur l'éclatement de la propriété et l'autonomie des équipages de véhicules. Leur mode d'organisation permet aux transports artisanaux de s'adapter à la demande de manière dynamique. Nous proposons d'analyser les caractéristiques de ces systèmes grâce à la modélisation multi-agents et les théories de l'auto-organisation. A travers plusieurs modèles, nous verrons comment les structures et les dynamiques de ces systèmes dépendent des stratégies individuelles et de la structure urbaine. A travers la question de l'adaptabilité du transport en commun, les transports artisanaux nous amènent à nous interroger sur les dimensions urbaines de la mobilité collective mais également sur la flexibilisation des services de transport. / Several metropolises have not any centralized collective transport system, neither private nor public. Alternative solutions appeared, their caracteristics are principally that the ownership is spread out and the vehicle crew is self-directed. The mode of organization of these transports allows them to adapt dynamically to the demand.We propose to analyse the caracteristics of these systems by means of multi-agents modeling and self-organization theory. Using several models, we show how structures and dynamics of these systems are linked to individual strategies and urban structure.Through the question of adaptability of collective transport, small-scale transports led to concern about urban dimensions of collective mobility and flexibilisation of transport services.