Les acteurs virtuels autonomes sont des agents évoluant dans des environnements dynamiques et continus. Ils doivent prendre des décisions afin de s'y adapter en temps réel. Il leur faut donc disposer de modèles décisionnels performants. Les modèles décisionnels orientés comportement sont particulièrement adaptés à ces problèmes. Ils sont fondés sur l'hypothèse qu'une décision peut être répartie entre différentes entités (ou comportements). L'une des difficultés de cette approche est de dégager une décision globale à partir des suggestions des comportements. Dans ce cadre, le vote présente de nombreux avantages. Cependant, dans la littérature, il ne permet pas de sélectionner des actions continues et utilise des pondérations qui biaisent la sélection. Notre contribution consiste en une modification de la méthode de coordination par vote. Notre proposition permet de sélectionner les décisions dans un espace continu, d'utiliser des comportements de granularité fine et met en oeuvre une procédure de vote différente. Nous avons appliqué le modèle décisionnel à la navigation réactive autonome en environnement virtuel. Les essais réalisés prouvent l'intérêt du modèle et n'utilisent aucune pondération. Les résultats en environnement statique montrent que le modèle est capable d'atteindre son objectif en respectant des contraintes et en persistant dans ses choix. Les résultats en environnement dynamique décroissent lorsque le nombre d'agents est supérieur à vingt. De par le caractère ouvert du problème traité, ce travail fait l'objet de plusieurs perspectives applicatives (simulation de groupes d'agents) et théoriques (liaison avec un module de niveau d'abstraction supérieur).
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00135931 |
| Date | 12 December 2006 |
| Creators | Hanon, David |
| Publisher | Université de Valenciennes et du Hainaut-Cambresis |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0019 seconds