Doctor of Philosophy / Department of Computing and Information Sciences / Scott A. DeLoach / Coalition formation is a key cooperative behavior of a system of multiple autonomous agents. When the capabilities of individual agents are not su fficient for the improvement of well-being of the individual agents or of the entire system, the agents can bene t by joining forces together in coalitions. Coalition formation is a technique for finding coalitions that are best fi tted to achieve individual or group goals. This is a computationally expensive task because often all combinations of agents have to be considered in order to find the best assignments of agents to coalitions. Previous research has therefore focused mainly on small-scale or otherwise restricted systems. In this thesis we study coalition formation in large-scale multi-agent systems. We propose an approach for coalition formation based on multi-agent simulation. This approach allows us to find coalitions in systems with thousands of agents. It also lets us modify behaviors of individual agents in order to better match a specific coalition formation application. Finally, our approach can consider both social welfare of the multi-agent system and well-being of individual self-interested agents. Power distribution systems are used to deliver electric energy from the transmission system to households. Because of the increased availability of distributed generation using renewable resources, push towards higher use of renewable energy, and increasing use of electric vehicles, the power distribution systems are undergoing signi ficant changes towards active consumers who participate in both supply and demand sides of the electricity market and the underlying power grid. In this thesis we address the ongoing change in power distribution systems by studying how the use of renewable energy can be increased with the help of coalition formation. We propose an approach that lets renewable generators, which face uncertainty in generation prediction, to form coalitions with energy stores, which on the other hand are always able to deliver the committed power. These coalitions help decrease the uncertainty of the power generation of renewable generators, consequently allowing the generators to increase their use of renewable energy while at the same time increasing their pro fits. Energy stores also bene t from participating in coalitions with renewable generators, because they receive payments from the generators for the availability of their power at speci fic time slots. We first study this problem assuming no physical constraints of the underlying power grid. Then we analyze how coalition formation of renewable generators and energy stores in a power grid with physical constraints impacts the state of the grid, and we propose agent behavior that leads to increase in use of renewable energy as well as maintains stability of the grid.

Durant ces dernières années, la congestion du trafic urbain et la pollution de l'air sont devenus d'énormes problèmes dans de nombreuses villes dans le monde. Afin de réduire cette congestion, nous pouvons investir dans l'amélioration des infrastructures de la ville. Toutefois, cette solution reste très coûteuse à entreprendre et de ne permet pas de réduire la pollution de l'air. C'est pourquoi nous travaillons sur la mobilité intelligente afin de disposer d'une meilleure utilisation de la voiture. L'application de nouvelles technologies de l'information, tels que les systèmes multi-agents appliqués au contrôle de l'information de la circulation urbaine, a permis de créer et de déployer une gestion plus intelligente du trafic comme le système DRT (transport à la demande). L'objectif des systèmes multi-agents basés sur le DRT est de gérer les taxis de manière intelligente, afin d'accroître le nombre de passagers dans chaque véhicule, et en même temps à réduire le nombre de véhicules dans les rues. Cela permettra de réduire les émissions de CO2 et la pollution de l'air causée par les véhicules, ainsi que la congestion du trafic et les coûts financiers associés. La simulation multi-agents est considérée comme un outil efficace pour les services dynamiques urbains de la circulation. Toutefois, le principal problème est de savoir comment construire un agent à base de modèle pour cette problématique. Ces travaux de recherche présente une solution basée sur les systèmes multi-agents réactifs pour la problématique du transport à la demande (DRT), qui adopte une approche multi-agent de planification urbaine en utilisant des services de contrôle qui satisfont aux principales contraintes : réduction de la période totale creuse, demandes spéciales du client, augmentation du nombre de places utilisées dans un même taxi, utilisation du nombre minimal de véhicules, etc. Dans cette thèse, nous proposons un modèle multi-agents multicouche hybride distribué pour des problématiques en temps réel. Dans la méthode proposée, un agent pour chaque véhicule trouve un ensemble de routes pour sa recherche locale, et choisit un itinéraire en coopérant avec d'autres agents se trouvant dans son domaine de planification. Nous avons examiné expérimentalement, l'efficacité de la méthode proposée. / In recent years, urban traffic congestion and air pollution have become huge problems in many cities in the world. In order to reduce congestion, we can invest in improving city infrastructures. Infrastructure improvements, however, are very costly to undertake and do not reduce air pollution. Hence we can work on intelligent mobility in order to have a more efficient car use. The application of new information technologies, such as multi-agent technologies to urban traffic information control, has made it possible to create and deploy more intelligent traffic management like DRT (Demand Responsive Transport) system. The objective of multi-agent based DRT system is to manage taxis in an intelligent way, to increase the efficient number of passengers in every vehicle, and at the same time to decrease the number of vehicles on streets. This will reduce the CO2 emissions and air pollution caused by the vehicles, as well as traffic congestion and financial costs. Multi-agent simulation has been looked as an efficient tool for urban dynamic traffic services. However, the main problem is how to build an agent-based model for it. This research presents a multi-agent based demand responsive transport (DRT) services model, which adopts a practical multi-agents planning approach for urban DRT services control that satisfies the main constraints: minimize total slack time, client’s special requests, increases taxis’ seats use ratio, and using minimum number of vehicle etc. In this thesis, we propose a multi-agent based multi-layer distributed hybrid planning model for the real-time problem. In the proposed method, an agent for each vehicle finds a set of routes by its local search, and selects a route by cooperation with other agents in its planning domain. By computational experiments, we examine the effectiveness of the proposed method. This research is supported by project “Gestion Temps Réel du Transport Collectif à la Demande” (CPER) Budgetthe French.

Ce travail de recherche est consacré à la formalisation et à la réalisation d’un processus de diagnostic pluridisplinaire. La particularité d’un tel diagnostic résulte du fait qu’il nécessite de nombreux spécialistes, chacun ayant des connaissances sur leur domaine. Le problème principal réside dans les interconnexions entre les domaines. Ces interconnexions peuvent ou non être connues et influer sur le diagnostic. Dans ce manuscrit, nous proposons de réaliser un diagnostic pluridisciplinaire l’aide d’un système multi-agents. Les agents élaborent un diagnostic local à un domaine puis, fusionnent leurs diagnostics afin d’obtenir le diagnostic pluridisciplinaire. Dans ce but, nous proposons un cadre d’argumentation et une méthode de fusion des diagnostics. Ensemble, ces deux propositions forment le modèle ANDi. / Sharing opinions among different participants is a useful and common way to build a constructive argumentation in order to solve complex problems that require the confrontation of different discipline areas. In such settings, experts build different arguments in relation to their own discipline area, then share and confront them to the other experts’ opinions. In this report we present an argumentative framework ANDi based on a multi-agent approach and Bayesian networks. In this framework, the agents support the elaboration of a global diagnostic from local ones. Local diagnostics are resulting of argumentations between group of experts from the same discipline area. We illustrate the use of this argumentation framework on the domain of fault diagnosis.

Nous nous intéressons dans cette thèse à la planification pour les problèmes de prise de décision décentralisée séquentielle dans l'incertain. Dans le cadre centralisé, l'utilisation des formalismes MDP et POMDP a permis d'élaborer des techniques de planification efficaces. Le cadre Dec-POMDP permet de formaliser les problèmes décentralisés. Ce type de problèmes appartient à une autre classe de complexité que les problèmes centralisés. Pour cette raison, jusqu'à récemment, seuls de très petits problèmes pouvaient être résolus et uniquement pour des horizons très faibles. Des algorithmes heuristiques ont récemment été proposés pour traiter des problèmes de taille plus conséquente mais n'ont pas de preuve théorique de qualité de solution. Nous montrons comment une information heuristique sur le problème à résoudre représentée par une distribution de probabilité sur les croyances centralisées permet de guider la recherche approchée de politique. Cette information heuristique permet de formuler chaque étape de la planification comme un problème d'optimisation combinatoire. Cette formulation conduit à des politiques de meilleure qualité que les approches existantes. / In this thesis, we focus on planning in decentralised sequentialdecision taking in uncertainty. In the centralised case, the MDP andPOMDP frameworks leads to efficient planning algorithms. The Dec-POMDPframework is used to model decentralised problems. This kind ofproblems is in a higher class of complexity than the centralisedproblem. For this reason, until recently, only very small problem could be solved and only for very small horizons. Recently, some heuristic algorithms have been proposed to handle problem of higher size but there is no theoretic proof of the solution quality. In this thesis, we show how to use a heuristic information in the problem, modelled as a probability distribution on the centralised beliefs, to guide the search for a good approximate policy. Using this heuristic information, we formulate each time step of the planning procedure as a combinatorial optimisation problem. This formulation leads to policies of better quality than previously existing approaches.

Les cellules sont des entités complexes qui interagissent pour former des organismes supérieurs avec des comportements émergents. Pour coordonner leurs actions, les cellules utilisent des molécules messagères qui influencent le comportement de leur environnement cellulaire. Cette communication peut prendre la forme d'ordres simples ou complexes et dépendants de diverses conditions internes et externes. L'émergence de ces protocoles de communication est au centre de cette thèse ainsi que sa nature, simple ou structurée comme un langage. Un système multi-agents adaptatif (AMAS) est développé pour étudier les conditions nécessaires à l'émergence de la coopération et de la communication dans le contexte des tissus multicellulaires. A partir d'un modèle simpliste de cellule eucaryote, le comportement de l'agent cellulaire est développé et l'évolution du système global est explorée pour identifier les conditions minimales et nécessaires à l'apparition de la communication. La difficulté par rapport à d'autres systèmes multi-agents réside dans les interactions limitées entre les agents, puisque tout échange d'informations doit passer par l'environnement des cellules, en tant que molécules. A cet égard, la coordination cellulaire dépend de nombreux facteurs tels que la diffusion ou la stabilité chimique des molécules. L'un des défis de cette étude est de trouver une méthodologie de simulation qui n'introduit pas de biais vers le comportement attendu du système, à savoir la communication. Cela impose d'éviter toute méthodologie utilisant des fonctions globales de fitness comme les réseaux neuronaux ou les algorithmes génétiques. Un autre défi est l'exploration de l'espace de paramètres du système qui croît de façon exponentielle avec sa taille. Il doit être efficace et sans parti pris. Le paradigme de coopération utilisé dans le cadre d'AMAS est bien adapté à cette tâche et permet des temps de simulation raisonnables. Ce manuscrit présente l'état de l'art des simulations multicellulaires et leur utilisation potentielle dans ce contexte. Ensuite, le système AMAS est développé étape par étape pour explorer les conditions de l'émergence de la communication. A chaque étape, l'efficacité de la méthodologie est discutée et les résultats expérimentaux sont présentés pour vérifier que l'approche n'introduit pas de biais. / Cells are complex entities that interact together to form higher organisms with emergent behaviors. To coordinate their actions, cells use chemical messenger molecules that influence the behavior of their cellular environment. This communication could be in the form of simple orders or complex and dependent of various internal and external conditions. The emergence of these communication protocols is the focus of this thesis as well as its nature, simple or structured as a language. An adaptive multi-agent system (AMAS) is developed to study the necessary conditions for the emergence of cooperation and communication in the context of multicellular tissues. Starting from a simplistic model of eukaryotic cell, the cell agent behavior is developed and the global system evolution explored to identify the minimal and necessary conditions for the apparition of communication. The difficulty when compared with other multi-agent systems lies in the limited interactions between agents, since all information exchange must pass through the environment of the cells, as molecules. In this respect, cellular coordination depends on numerous factors like diffusion or chemical stability of the molecules. One challenge in this study is to be able to find a simulation methodology that does not introduce any bias towards the expected system behavior, namely communication. This imposes to avoid any methodology using global fitness functions like neural networks or genetic algorithms. Another challenge is the exploration of the parameter space of the system that grows exponentially with its size. It must be efficient and bias free. The cooperation paradigm used in the AMAS framework is well suited for this task and allows for reasonable simulation times. This work presents the state of the art in multicellular simulations and their potential use in this context. Then the AMAS system is developed step by step to explore the conditions for the emergence of communication. At each step, the efficiency of the methodology is discussed and experimental results are presented to verify that the approach is unbiased.

Le Conseil Général de la Gironde (CG33) est une collectivité territoriale qui met en oeuvre les politiques décidées par des élus. L’une de ses missions fondamentales est l’induction de comportements auprès des citoyens, des acteurs économiques et institutionnels. Citons par exemple la concrétisation, par l’intermédiaire de la réalisation de projets, des politiques publiques autour des thématiques du développement Durable (DD). Un constat issu des retours d’expérience s’impose : les projets mis en oeuvre au CG 33 sont de plus en plus complexes. Ils requièrent la collaboration de nombreux acteurs publics et privés qui se connaissent mal. Les démarches territoriales de DD nécessitent l’articulation de compétences spécifiques et interdépendantes, qui n’existent pas chez un acteur unique. Ces constats sont généralisables, quel que soit le secteur d’activité professionnelle. La connaissance, l’identification et le partage optimal de compétences est au coeur même de la réussite de projets. La problématique consiste à répondre aux attentes de tout maître d’oeuvre qui doit être capable de définir un projet, d’identifier les compétences qui le composent, les acteurs capables d’exercer ces compétences, puis finalement d’évaluer à postériori la réussite globale du projet. Définir la liste des compétences n’est pas toujours aisé puisqu’elles évoluent au fil du temps. Elles peuvent, par exemple, se transformer suite à l’arrivée d’évolutions techniques. Elles peuvent également disparaitre si elles sont remplacées ou bien finalement non utilisées. Un système optimal se doit donc d’être dynamique lors de la constitution des projets au fil du temps, dans le but de coller au plus prêt de la réalité du contexte dans lequel le système est utilisé. Nous voyons bien ici que la Compétence(et non l’acteur) est l’élément fondamental du système.Une réponse dite « classique » pourrait consister à réaliser simplement une base de données où les compétences et acteurs seraient des objets statiques. Cette solution ne répondant pas à notre souhait de dynamisme. Nous proposons plutôt un système informatique collaboratif, accessible en ligne, dans lequel nous définissions des « agents compétence » (AC), dynamiques et apprenants, qui évoluent au sein d’une architecture de type multi-agents. Chaque AC y est unique, bien qu’il puisse être incarné sur le terrain par plusieurs acteurs humains. Il possède une « vie propre », des moyens d'actions multiples et multi-localisés (réparti sur plusieurs acteurs physiques). Tout AC dispose de mécanismes de perception de son environnement, de communication avec les autres ACs. Il utilise de ressources (telles que les acteurs humains) et vise à réaliser 4buts principaux :1. Constituer sa propre définition (liste des compétences élémentaires) 2. Restituer une liste d’acteurs humains capables de le concrétiser sur le terrain3. Etablir des relations avec d’autres ACs afin d’optimiser la constitution des projets4. Se porter spontanément candidat à une participation à de nouveaux projets. Nos ACs ont également un « cycle de vie » décliné en 3 « âges » (enfance, adolescence et maturité). Chacun d’eux correspond à un niveau d’autonomie particulier. Notre SMA est de type «évènementiel ». Les agents y évoluent grâce aux interactions avec les194 utilisateurs humains du système. Un « modèle comportemental » dédié et évolutif est proposé dans le but d’optimiser leur dynamisme et de stimuler leur apprentissage. / In France, the “Conseil Général de la Gironde” is a local authority that promotes various sustainable development policies and practices. One of its missions is to coordinate and stimulate public and private partnerships in the framework of green building projects.Whatever the sector of professional activities and the thematic addressed, the concrete projects’ feedbacks show all the complexity to succeed in managing efficiently the collaboration of involved actors. Indeed, each of them has only a partial knowledge ofthe others’ skills. To answer to the problematic, and in order to improve the management of the projects, we propose an online collaborative tool that allows actors to share skills. According to the “Multi-Agent” theory, "skill agents" have been defined.The key idea is to consider that a skill is an agent of the system, and the actors are only its resources.Skill agents are dynamic and autonomous, have learning abilities, and have their ownlife cycle. They pursue four main goals: building their own definition, identifying actorswho can concretize them across projects, setting up links with other skill agents, and beeing candidates to new projects. Skill agents interact with human actors to stimulate their cooperation.This work shows that our model is appropriate for complex collaborative projects,giving results in various areas. For example, a case study based on the selection of players to form a rugby team has been given.

Cette thèse porte sur des stratégies distribuées pour systèmes multi-robot. Tout d'abord, nous nous focalisons sur des algorithmes de consensus pour des systèmes hétérogènes qui représente, par exemple, différents modèles ou générations de robots. Dans la suite, nous proposons deux solutions pour améliorer les propriétés de connectivité du système. Tout d'abord, nous montrons comment améliorer la vitesse de convergence des algorithmes de consensus en modifiant les protocoles classiques. Plus précisément, nous appliquons le principe de retard stabilisant et nous montrons comment de l'information échantillonné convenablement peut être utilisée dans la design du contrôleur. Enfin, nous concevons et analysons un algorithme pour le déploiement d'agents compact. Dans cette approche, qui augmente le nombre de connexions du graphe, la configuration souhaitée de l'ensemble des robots est entièrement spécifiée par les angles inter-agents. La stratégie proposée est un algorithme complètement distribué, uniquement basée sur l'information locale qui permet l'auto-organisation du système. / This dissertation focuses on distributed agreement strategies for multi-robot systems. First of all, we deal with consensus algorithms for heterogeneous systems, representing, for example, different models or generations of robots. In the sequel, we propose two solutions to improve the connectivity properties of the system. Firstly, we show how to improve the consensus algorithm's convergence rate by modifying the classical control algorithms. More precisely, we apply the stabilizing delay principle and we show how appropriately sampled information can be used in the controller's design. Finally, we design and analyse an algorithm for the compact deployment of agents. In this approach, that increases the number of connections of the graph, the desired configuration of the swarm is entirely specified by the inter-agent angles. The proposed strategy is a completely distributed algorithm, only based on local information that allows swarm's self-organization.

Nous construisons un simulateur de marche financier multi-agent. Dans cette marche l'échange des actions n'est pas fait en continu. Le prix de marché est formé à l'aide d'un carnet d'ordres. Les investisseurs que l'on modélise reçoivent de l'information biaisée et ils essayent de maximiser leur richesse. Les différents types d'investisseurs, comme les bruiteurs, chartistes ou informées, coexistent dans notre marche. On montre comment les faites stylises peuvent être causée par la présence des investisseurs chartistes ou par des simple délais dans l'information. Nous montrons comment les bulles de prix sont possibles dans un marché avec des investisseurs bien informés. On découvre que c'est profitable, pour un investisseur informé, d'adopter dans certaines moments des stratégies techniques. A partir de nos résultats nous proposons une nouvelle théorie sur la dynamique des marchés financiers, appelé « marches parfois efficientes ». / We construct an agent-based computer simulated financial market. Trading in this market is not continuous. The market price is formed using a limit-order book. The modelled investors receive biased information and they attempt to maximize their wealth. Different traders, from noise to chartist and informed, coexist in the same market. We show how stylized facts can be formed by the presence of chartists or a simple lag in investor information. Price bubbles can arise when market prices are dominated by technical traders. Interestingly we show that well informed investors can earn more if the adopt, in special situations, a technical strategy. Using our results we propose a new theorem for market dynamics called “sometimes efficient markets”.

Les travaux de cette thèse s’inscrivent dans le domaine des systèmes complexes et s’intéressent plus particulièrement à l’exécution efficace et reproductible de simulations multi-agents de grande taille dans un contexte parallèle et distribué de haute performance de type cluster (HPC). Dans ce contexte, nous nous intéressons plus particulièrement à la conception des modèles pour faciliter leur distribution, à la synchronisation des composants distribués et à la communication entre agents. La première contribution de cette thèse est la comparaison qualitative et quantitative des principales plateformes multi-agents parallèles et distribués qui ciblent les simulations à large échelle dans un environnement haute performance.Ce travail a permis d’identifier les limites ou manques des plateformes existantes, majoritairement la communication entre les agents, la synchronisation ainsi que la distribution de la charge peu flexible. Pour offrir plus de flexibilité à la distribution des simulations, nous proposons un formalisme de modélisation à base de graphes imbriqués qui nous permet de tirer parti de librairies performantes pour décomposer et distribuer les simulations. Nous avons ensuite effectué une étude sur l’impact de la synchronisation dans les PDMAS, en proposant trois politiques de synchronisation différentes afin de fournir aux modélisateurs un niveau de résolution adapté aux différents problèmes de synchronisation. Pour finir, nous définissons un schéma de communication entre toutes les entités qui composent une simulation indépendamment du processus sur lequel les entités s’exécutent. Ces propositions sont réunies au sein d’une plateforme multi-agents parallèle appelée FractalPMAS. Cette plateforme est une preuve de concept qui nous a permis de mettre en œuvre nos différentes contributions afin d’observer et de comparer les comportements de nos algorithmes. Pour valider ce travail trois modèles agents reconnus, le modèle proie-prédateur, le modèle Flocking et un modèle de contamination, ont été utilisés. Nous avons réalisé des simulations utilisant jusqu’à 512 cœurs et les résultats obtenus, en termes de performances et d’extensibilité, s’avèrent prometteurs. / Contributions of this PHD take place on computer science research on complex systems, specifically in efficient andreproducible execution of large multi-agent simulations in a parallel and distributed high performance cluster type of context(HPC) systems. We are particularly interested in the design of models to facilitate their distribution, synchronization ofdistributed components and communication between agents. In this context, we are particularly interested in the designof models to facilitate their distribution, synchronization of distributed components and communication between agents.The first contribution of this thesis is the qualitative and quantitative comparison of the main parallel and distributedmulti-agent platforms targeting large scale simulations in a high performance environment. This work identified limitationsof existing platforms, mainly communication between agents, synchronization and the distribution of the load which isinflexible. To offer more flexibility in the distribution of simulations, we propose a modeling formalism based nested graphsallowing us to decompose and distributed simulations using powerful libraries. We then conducted a study on the impactof synchronization in PDMAS, proposing three different synchronization policies to provide modelers a level of resolutionadapted to the various synchronization problems. Finally, we define a communication schema between all entities thatmake up a simulation regardless of the process on which entities are running.These contributions are combined in a parallel multi-agent platform called FractalPMAS. This platform is a proof of conceptand allowed us to implement our different contributions to observe and compare the behavior of our algorithms. To validatethis work three recognized agents model, the predator-prey model, the Flocking model and contamination model wereused. We performed simulations using up to 512 cores and the results obtained, in terms of performance and scalabilityare promising.

[EN] Multi-Agent Systems (MAS), Argumentation and Automated Planning are three lines of investigations within the field of Artificial Intelligence (AI) that have been extensively studied over the last years. A MAS is a system composed of multiple intelligent agents that interact with each other and it is used to solve problems whose solution requires the presence of various functional and autonomous entities. Multi-agent systems can be used to solve problems that are difficult or impossible to resolve for an individual agent. On the other hand, Argumentation refers to the construction and subsequent exchange (iteratively) of arguments between a group of agents, with the aim of arguing for or against a particular proposal. Regarding Automated Planning, given an initial state of the world, a goal to achieve, and a set of possible actions, the goal is to build programs that can automatically calculate a plan to reach the final state from the initial state. The main objective of this thesis is to propose a model that combines and integrates these three research lines. More specifically, we consider a MAS as a team of agents with planning and argumentation capabilities. In that sense, given a planning problem with a set of objectives, (cooperative) agents jointly construct a plan to satisfy the objectives of the problem while they defeasibly reason about the environmental conditions so as to provide a stronger guarantee of success of the plan at execution time. Therefore, the goal is to use the planning knowledge to build a plan while agents beliefs about the impact of unexpected environmental conditions is used to select the plan which is less likely to fail at execution time. Thus, the system is intended to return collaborative plans that are more robust and adapted to the circumstances of the execution environment. In this thesis, we designed, built and evaluated a model of argumentation based on defeasible reasoning for planning cooperative multi-agent system. The designed system is independent of the domain, thus demonstrating the ability to solve problems in different application contexts. Specifically, the system has been tested in context sensitive domains such as Ambient Intelligence as well as with problems used in the International Planning Competitions. / [ES] Dentro de la Inteligencia Artificial (IA), existen tres ramas que han sido ampliamente estudiadas en los últimos años: Sistemas Multi-Agente (SMA), Argumentación y Planificación Automática. Un SMA es un sistema compuesto por múltiples agentes inteligentes que interactúan entre sí y se utilizan para resolver problemas cuya solución requiere la presencia de diversas entidades funcionales y autónomas. Los sistemas multiagente pueden ser utilizados para resolver problemas que son difíciles o imposibles de resolver para un agente individual. Por otra parte, la Argumentación consiste en la construcción y posterior intercambio (iterativamente) de argumentos entre un conjunto de agentes, con el objetivo de razonar a favor o en contra de una determinada propuesta. Con respecto a la Planificación Automática, dado un estado inicial del mundo, un objetivo a alcanzar, y un conjunto de acciones posibles, el objetivo es construir programas capaces de calcular de forma automática un plan que permita alcanzar el estado final a partir del estado inicial. El principal objetivo de esta tesis es proponer un modelo que combine e integre las tres líneas anteriores. Más específicamente, nosotros consideramos un SMA como un equipo de agentes con capacidades de planificación y argumentación. En ese sentido, dado un problema de planificación con un conjunto de objetivos, los agentes (cooperativos) construyen conjuntamente un plan para resolver los objetivos del problema y, al mismo tiempo, razonan sobre la viabilidad de los planes, utilizando como herramienta de diálogo la Argumentación. Por tanto, el objetivo no es sólo obtener automáticamente un plan solución generado de forma colaborativa entre los agentes, sino también utilizar las creencias de los agentes sobre la información del contexto para razonar acerca de la viabilidad de los planes en su futura etapa de ejecución. De esta forma, se pretende que el sistema sea capaz de devolver planes colaborativos más robustos y adaptados a las circunstancias del entorno de ejecución. En esta tesis se diseña, construye y evalúa un modelo de argumentación basado en razonamiento defeasible para un sistema de planificación cooperativa multiagente. El sistema diseñado es independiente del dominio, demostrando así la capacidad de resolver problemas en diferentes contextos de aplicación. Concretamente el sistema se ha evaluado en dominios sensibles al contexto como es la Inteligencia Ambiental y en problemas de las competiciones internacionales de planificación. / [CAT] Dins de la intel·ligència artificial (IA), hi han tres branques que han sigut àmpliament estudiades en els últims anys: Sistemes Multi-Agent (SMA), Argumentació i Planificació Automàtica. Un SMA es un sistema compost per múltiples agents intel·ligents que interactúen entre si i s'utilitzen per a resoldre problemas la solución dels quals requereix la presència de diverses entitats funcionals i autònomes. Els sistemes multiagente poden ser utilitzats per a resoldre problemes que són difícils o impossibles de resoldre per a un agent individual. D'altra banda, l'Argumentació consistiex en la construcció i posterior intercanvi (iterativament) d'arguments entre un conjunt d'agents, amb l'objectiu de raonar a favor o en contra d'una determinada proposta. Respecte a la Planificació Automàtica, donat un estat inicial del món, un objectiu a aconseguir, i un conjunt d'accions possibles, l'objectiu és construir programes capaços de calcular de forma automàtica un pla que permeta aconseguir l'estat final a partir de l'estat inicial. El principal objectiu d'aquesta tesi és proposar un model que combine i integre les tres línies anteriors. Més específicament, nosaltres considerem un SMA com un equip d'agents amb capacitats de planificació i argumentació. En aquest sentit, donat un problema de planificació amb un conjunt d'objectius, els agents (cooperatius) construeixen conjuntament un pla per a resoldre els objectius del problema i, al mateix temps, raonen sobre la viabilitat dels plans, utilitzant com a ferramenta de diàleg l'Argumentació. Per tant, l'objectiu no és només obtindre automàticament un pla solució generat de forma col·laborativa entre els agents, sinó també utilitzar les creences dels agents sobre la informació del context per a raonar sobre la viabilitat dels plans en la seua futura etapa d'execució. D'aquesta manera, es pretén que el sistema siga capaç de tornar plans col·laboratius més robustos i adaptats a les circumstàncies de l'entorn d'execució. En aquesta tesi es dissenya, construeix i avalua un model d'argumentació basat en raonament defeasible per a un sistema de planificació cooperativa multiagent. El sistema dissenyat és independent del domini, demostrant així la capacitat de resoldre problemes en diferents contextos d'aplicació. Concretament el sistema s'ha avaluat en dominis sensibles al context com és la inte·ligència Ambiental i en problemes de les competicions internacionals de planificació. / Pajares Ferrando, S. (2016). Defeasible Argumentation for Cooperative Multi-Agent Planning [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/60159 / TESIS