ABSTRACT. Nous étudions l'introduction de nouveaux mécanismes d'intercession dans l'allocation décentralisée de tâches basée sur des mécanismes de consensus au sein d'une flotte multi-agents hétérogène. L'intercession fait référence au principe selon lequel des agents font des offres au nom d'autres agents ou imposent certaines allocations dans des architectures de prise de décision qui s'appuient sur des stratégies de décision basées sur des enchères. Ce principe est particulièrement pertinent lorsque des opérateurs humains, qui ont une connaissance plus précise de la situation du système, souhaitent orienter ou forcer l'allocation de tâches multi-robots (MRTA). La méthode exploite et étend les algorithmes par consensus existants en redistribuant les responsabilités dans le processus d'enchères afin d'atteindre différents degrés de contrôle et de centralisation dans le processus d'allocation. Nous étendons ainsi un cadre de consensus existant, CBAA, tout en conservant ses propriétés de convergence et de performance. Nous évaluons expérimentalement l'algorithme proposé, I-CBAA, sur des scénarios MRTA synthétiques mis en œuvre à l'aide de la plate-forme ROS.

ABSTRACT. Pour améliorer leurs ventes, les entreprises commerciales mettent en place différentes stratégies pour influencer le comportement des clients. Parmi ces différentes stratégies, les effets de contexte sont un levier important pour ces entreprises. Dans cet article, nous proposons un modèle capable de reproduire trois effets de contexte bien connus du domaine : l'effet de leurre, l'effet de compromis et l'effet de similarité. À travers différents exemples, nous montrons comment fixer les prix pour influencer le comportement des clients, et montrons par ailleurs, à travers différentes simulations, que le système multi-agent ainsi constitué forme un système complexe pour lequel un outil d'aide à la décision nécessaire.

ABSTRACT. Pour évaluer et comparer des stratégies au dilemme itéré du prisonner diverses méthodes sont utilisées. Il en existe trois catégories principales : les méthodes par tournois, les méthodes évolutionnistes déterministes, et les méthodes évolutionnistes stochastiques. La question principale que nous abordons est de savoir si les méthodes stochastiques sont vraiment utiles et si elles permettent une meilleure modélisation du monde réel conduisant à un classement plus fin des stratégies comparées. Nous mettons en œuvre trois méthodes stochastiques différentes et montrons qu'aucune ne conduit à des résultats sensiblement différent des méthodes déterministes, et donc qu'il est inutile de les utiliser. Une série de courbes et de graphiques prouvent visuellement notre conclusion, qui est renforcée par un calcul massif conduisant à un dendrogramme où apparaît nettement la grande proximité des classements entre méthodes déterministes et méthodes stochastiques à la fois dans le cas individualiste et dans le cas communautaire. Onze méthodes de classement sont comparées que le dendrogramme regroupe en trois catégories bien nettes, chacune contenant au moins un modèle déterministe représentatif de la catégorie.

ABSTRACT. De nombreuses applications de l'Internet des Objets reposent sur des environnements ouverts et dynamiques composés d'objets hétérogènes. Lors du déploiement d’un système multi-agent dans ce type d'environnement, les agents sont amenés à interagir avec de nouveaux agents et à exploiter les informations et les services qu'ils offrent. Ces interactions et les dépendances qui en découlent introduisent une vulnérabilité face à des comportements malveillants et nécessitent l’usage d'un système de gestion de confiance pour s’en protéger. Les modèles multi-agents de gestion de la confiance reposent sur des observations du comportement des autres agents qui doivent être identifiés. Or, les systèmes d'authentification traditionnels présentent des limites importantes lorsqu'il faut prendre en compte les contraintes matérielles d'un Internet des Objets. Cet article propose un nouveau processus décisionnel adaptatif d'authentification multi-agents basé sur la confiance. Il permet de prendre des décisions d'authentification en fonction du contexte et du niveau de confiance accordé à l'agent à authentifier. Notre proposition aide ainsi à trouver un compromis entre l'utilisation des ressources allouées à l'authentification et la sécurité.

ABSTRACT. Cet article traite de la preuve formelle de systèmes multi-agents à l'aide du modèle GDT4MAS. Ce modèle aborde la vérification formelle de la spécification jusqu'à la génération d'obligations de preuve en s'appuyant sur la logique du premier ordre. Toutefois, ce modèle ne permet pas de spécifier explicitement des comportements ayant trait au nombre d'agents présents dans le système, ce qui rend difficile l'expression de propriétés liées à l'ouverture du système, i.e. liées à l'apparition ou la disparition d'agents. Nous proposons alors une reformulation du modèle qui intègre explicitement des notions ensemblistes permettant d'exprimer la présence ou non d'agents dans le système, de considérer des actions permettant de créer ou détruire des agents et de spécifier plus simplement leur initialisation. Nous illustrons l'application de ces concepts sur un exemple de système proie-prédateur.

ABSTRACT. An agent is an autonomous entity that can perform actions to achieve its goals. It acts in a dynamic environment that may engender failures regarding its behavior. Therefore, a formal testing/verification approach of the agent is required to ensure the correctness of its behavior. In this paper, we propose a Default Logic formalism to abstract an agent behavior as knowledge and reasoning rules, and to verify and test the consistency of the behavior. The considered agents are implemented with JADE framework. Also, agent abstraction is translated into Answer Set Programming and solved by Clingo to generate dynamic and adaptive test cases of the agent behavior. The dynamic test cases allow predicting the agent behavior when a new information arises in the system.