L'objectif des travaux présentés dans cette HDR est de concevoir une méthode de conception orientée vers le comportement et dédiée à la robotique mobile et autonome. Cette méthode doit partir des informations disponibles, à savoir une description de la mission à accomplir. Constatant que les animaux ont un niveau d'autonomie élevé qui permettrait à des robots d'accomplir de nombreuses missions, nous avons choisi de focaliser cette étude, dans le cadre de l'approche animat, sur le “mécanisme de conception” à l'oeuvre dans la nature: la sélection naturelle. Ce processus algorithmique a l'avantage de ne prendre en compte que le résultat, c'est à dire la capacité à transmettre ses gènes dans un cadre naturel. Dans un cadre artificiel, c'est le bon accomplissement de la mission du robot qui est pris en compte. Nous nous sommes intéressé au passage à l'échelle de ces algorithmes en terme de complexité des comportements générés, l'algorithme évolutionniste étant utilisé pour synthétiser la structure et les paramètres d'un réseau de neurones artificiels. Une étude sur la modularité nous a révélé l'importance de la définition des pressions de sélection, conduisant à une approche dite d'exaptation. Nous avons alors proposé l'utilisation d'un cadre multi-objectif dans lequel la fonction de fitness récompensant le bon accomplissement de la tâche du robot est associé à des objectifs qui peuvent être indépendants de ce but, approche dite de “multi-objectivisation”. Dans ce contexte, en plus des travaux sur l'exaptation, nous avons proposé les contributions suivantes: * approche incrémentale multi-objectif: chaque sous-tâche du problème à résoudre est associée à un objectif indépendant. Il n'est alors pas nécessaire de les pondérer, de les ordonner ou de décider quand passer d'une tâche à une autre; * diversité comportementale: un objectif mesurant la distance moyenne au reste de la population dans l'espace des comportement est ajouté pour maintenir une diversité élevée dans cet espace. Cette approche s'est révélée très efficace, même avec les codages de réseaux de neurones les plus simples; * transférabilité: un objectif de transférabilité est maximisé pour faciliter le passage de la simulation à la réalité sans dégradation de performance. Dans la perspective de tendre vers des contrôleurs plus cognitifs et dans le cadre du projet ANR EvoNeuro, nous avons proposé une approche méthodologique s'appuyant sur les neurosciences et consistant à synthétiser des réseaux de neurones proches des modèles développés dans ce domaine. Sur la base d'un codage spécifique, nous avons ainsi reproduit des capacités élémentaires de sélection de l'action ou de mémoire de travail. L'objectif de ce projet est de synthétiser d'autres capacités cognitives en s'appuyant sur des protocoles d'évaluation venant des neurosciences avant de les appliquer dans un cadre robotique. Dans le cadre de ce projet, nous avons développé une méthode d'analyse multi-objectif permettant, sur la base d'une optimisation multi-objectif, de comparer et d'analyser les modèles complexes que les neuroscientifiques manipulent.

Les travaux présentés ici, dans le cadre des Systèmes Multi-Agents (SMA) et de l'Intelligence Artificielle Distribuée (IAD), s'intéressent au problème de l'organisation dans les "systèmes ouverts". Dans ce cadre, nos recherches visent à définir des modèles de comportement sociaux permettant aux agents de s'organiser pour s'adapter à leur environnement. Notre démarche fait appel, entre autres principes méthodologiques, au concept de "cercle vertueux" qui se propose d'emprunter des métaphores à d'autres disciplines scientifiques pour concevoir des modèles informatiques. Dans un premier temps, nous recherchons dans les sociétés animales (en l'occurrence chez les primates) des métaphores de comportements proches de nos besoins. Nous définissons alors des modèles d'agent qui permettent, en simulation, de reproduire une des caractéristiques sociales observées chez les primates, la reconnaissance des relations de dominance. Ces modèles font ensuite l'objet d'une transposition à un domaine différent, la construction collective d'un lexique, pour estimer plus finement les dynamiques collectives sous-jacentes. Dans un second temps, nous nous intéressons à une expérimentation de "Robotique Collective Ouverte", dans laquelle un groupe de robots doit s'adapter à un environnement où travaillent des humains (projet MICRobES). Nous montrons que dans ces conditions, une simple transposition n'est plus possible et qu'il faut prendre en compte la corporéité des robots. Nous proposons alors pour cela des principes de conception de comportements d'agents faisant appel à la sélection naturelle (l'Ethogénétique) et nous présentons les résultats obtenus avec un framework implémentant ces concepts (ATNoSFERES). Nous montrons ainsi comment élargir les principes de départ en conciliant approche multi-agent et algorithmes évolutionnistes, en empruntant des concepts issus de l'éthologie.

De nos jours, le transport de marchandise occupe une place importante dans la vie économique des sociétés modernes. Le problème de collecte et de distribution avec fenêtres de temps à un seul véhicule est un des problèmes les plus rencontrés. Ayant un ensemble de demandes à satisfaire, le véhicule doit transporter des biens de fournisseurs à leurs clients respectifs en respectant les fenêtres de temps et sa capacité. Dans ce travail, nous présentons un état de l'art du 1-PDPTW et nous proposons plusieurs approches évolutionnistes pour traiter ses deux cas : statique et dynamique. Nos approches utilisent principalement des algorithmes évolutionnistes basés sur l'utilisation d'opérateurs génétiques spéciaux conçus dans le but d'améliorer la qualité des solutions et de diminuer le temps de calcul. Elles sont aussi basées sur la Pareto optimalité pour fournir un ensemble de solutions viables. Quelques unes de nos approches utilisent des bornes inférieures de distance et de retard dans le but d'évaluer les résultats obtenus. Une recherche Tabou, constituant un étage d'hybridation, peut être appliquée pour l'amélioration des solutions obtenues par les algorithmes évolutionnistes. Enfin nous présentons quelques simulations et résultats élaborés à partir de benchmarks spécialement conçus pour le 1-PDPTW ainsi que d'autres provenant de la littérature.

Les réseaux de transport se sont amplifiés par l'accroissement du nombre des véhicules et des stations ainsi que l'apparition de nouvelles notions essentiellement la multimodalité et l'intermodalité. Ainsi, la tâche de gestion des réseaux de transport collectif est devenue très complexe et difficile pour les régulateurs. Pour faire face à ces difficultés, on note le développement des systèmes d'aide à la décision comme solution efficace de régulation de la circulation. Ils permettent de transmettre en temps réel les informations concernant le trafic sur les réseaux de transport.Notre travail se base sur la conception d'un système de régulation des réseaux de transport multimodal. Il peut se révéler comme un outil primordial pour apporter des solutions efficaces et en temps réel à la problématique de la congestion routière. Il peut communiquer l'information nécessaire à l'usager afin de prendre sa décision de déplacement avec ou sans sa voiture. Le système proposé est une approche hybride entre une modélisation par graphes du réseau et un système multi-agents. Ceci sera appuyé par une approche évolutionniste pour la génération d'une solution de régulation optimale. Ce choix est justifié par le caractère ouvert, distribué et complexe des réseaux de transport multimodal.

Les réseaux de transport se sont amplifiés par l’accroissement du nombre des véhicules et des stations ainsi que l’apparition de nouvelles notions essentiellement la multimodalité et l’intermodalité. Ainsi, la tâche de gestion des réseaux de transport collectif est devenue très complexe et difficile pour les régulateurs. Pour faire face à ces difficultés, on note le développement des systèmes d’aide à la décision comme solution efficace de régulation de la circulation. Ils permettent de transmettre en temps réel les informations concernant le trafic sur les réseaux de transport.Notre travail se base sur la conception d’un système de régulation des réseaux de transport multimodal. Il peut se révéler comme un outil primordial pour apporter des solutions efficaces et en temps réel à la problématique de la congestion routière. Il peut communiquer l’information nécessaire à l’usager afin de prendre sa décision de déplacement avec ou sans sa voiture. Le système proposé est une approche hybride entre une modélisation par graphes du réseau et un système multi-agents. Ceci sera appuyé par une approche évolutionniste pour la génération d’une solution de régulation optimale. Ce choix est justifié par le caractère ouvert, distribué et complexe des réseaux de transport multimodal / Transport networks have been amplified by the increasing number of vehicles and stations and the emergence of new concepts essentially multimodal and intermodal. Thus, the task of managing public transport systems has become very complex and difficult for regulators.To cope with these difficulties, there is the development of systems decision support as an effective solution to traffic control. They can transmit real-time traffic information on transport networks. Our work is based on designing a control system of multimodal transport networks. It may be as an essential tool for effective solutions and real-time to the problem of traffic congestion. It can provide the necessary information to the user in making its decision to move with or without his car. The proposed system is a hybrid between a graph modeling the network and a multi-agent system. This will be supported by an evolutionary approach for generating an optimal control solution. This is justified by the open, distributed and complex network of multimodal transport