Rsolution de problmes par mergence tude dun Environnement de Programmation mergente

1
Résolution de problèmespar émergenceÉtude dun
Environnement de Programmation Émergente

• Jean-Pierre Georgé

2
Plan général

• Problématique
• Émergence et auto-organisation
• Théorie technologie AMAS (Adaptive Multi-Agent
  Systems)
• EPE un Environnement de Programmation Émergente
• Implémentation
• Expérimentations
• 2ème stratégie exemple élémentaire
• Enseignements et perspectives

3

• Partie 1
• Problématique

4
Les besoins futurs en informatique

• Without new approaches, things will only get
  worse.  Horn 01, IBM
• Exemples Autonomic Computing, Pervasive
  Computing / Ambient Intelligence
• Caractéristiques 
• Grand nombre dentités en interaction
• Nombre variable dentités en cours de
  fonctionnement (système ouvert)
• Contrôle centralisé impossible à mettre en uvre
• Environnement évolutif et dynamique
• Tâche globale à réaliser
• Systèmes non entièrement spécifiables
• Néo-computation

5
Lidée de programmation émergente

• Programmer assembler des instructions
• But réaliser un programme adéquat
• Comment ? ? programmeur ou émergence
• Définition assemblage d'instructions d'un
  langage de programmation via des mécanismes non
  explicitement informés du programme à créer
• Parcours de l'espace des programmes possibles

6
Résolution de problèmes par émergence

• Problème quelconque
• Entités quelconques
• Plus haut niveau
• Plus informé ?
• Mêmes principes que pour la programmation
  émergente
• Enseignements de la programmation émergente
  réapplicables

7
Objectifs

• Programmation émergente étude de faisabilité
• Prototype simplifié
• Système multi-agent
• Auto-organisation
• Théorie AMAS
• Résolution de problèmes par émergence
• Améliorer notre compréhension de l'émergence et
  de l'utilisation de l'auto-organisation dans les
  systèmes artificiels, développer la théorie AMAS

8

• Partie 2
• Émergence et auto-organisation

9
Exemple introductif
Vidéo Guy Theraulaz, Laboratoire d'Ethologie et
Cognition Animale, Toulouse
10
Émergence définitions

• Émergence
• Niveau local / niveau global
• Apparition de nouveauté
• Irréductibilité
• Cohérence et corrélation
• Heylighen Lewes Langton Kim Goldstein
• Systèmes artificiels
• Objet la fonction globale du système émerge
• Condition l'implémentation n'est pas
  explicitement dictée par la connaissance de la
  fonction globale

11
Émergence et auto-organisation

• Émergence concept philosophique
• Auto-organisation explicitation des mécanismes
• Prigogine Turing Camazine Bonabeau
  Theraulaz
• Auto-organisation ? émergence ?
• Définition ensemble des processus au sein d'un
  système, issus de mécanismes basés sur des règles
  locales, qui conduisent ce système à produire des
  structures ou des comportements spécifiques non
  explicitement dictés par l'extérieur du système

12
Mécanismes dauto-organisation exemple
13
Auto-organisation et systèmes artificiels

• Cf. exemple des termites
• Définir des mécanismes locaux
• Mécanismes non informés du "comment" réaliser la
  fonction globale
• Feedback et adaptation

14
Quelques techniques

• Calcul évolutionnaire
• Réseaux neuronaux "dynamiques"
• Algorithmes de colonies de fourmis
• Optimisation par essaims particulaires
• Notions communes résolution de problèmes et
  recherche dans des espaces d'états

15
SMA et auto-organisation

• Agent
• Propriétés individuelles (caractéristiques, état,
  compétences)
• Propriétés sociales (accointances)
• Connaissances (sur soi, sur autrui, sur
  l'environnement)
• Moyens de perception, de communication, d'action,
  voire d'apprentissage et de raisonnement
• Notion d'autonomie
• SMA
• Composé d'agents en interaction
• Confronté à un environnement
• Réalisation d'une fonction
• Activité collective cohérente
• Outil idéal pour lauto-organisation
• Chevrier Drogoul Hassas Mataric Mathieu
  Müller Odell Parunak

16

• Partie 3
• Théorie et technologie AMAS

17
Principe

• SMA
• Auto-organisation
• Mécanismes basés sur la notion de coopération

18
Théorie AMAS (1)
19
Théorie AMAS (2)
Adaptation par réorganisation des parties
20
Technologie AMAS

• Systèmes Multi-Agents capables d'auto-organisation
  basée sur la coopération
• Coopération
• Tout signal perçu peut être interprété sans
  ambiguïté
• L'information reçue est utile au raisonnement de
  l'agent
• Le raisonnement conduit à des actions utiles pour
  autrui ou l'environnement
• Situations Non Coopératives (SNC)
• Moteur de l'auto-organisation traitement des
  SNC
• Traitement préventif possible attitude
  coopérative

21
Lapproche expérimentale

• Limites de l'approche théorique (démonstrations)
• Approche expérimentale (cf. sciences naturelles)
• Problèmes diversifiés traités par l'équipe
• Un pas plus loin la programmation émergente

22
Éléments de catégorisation de problèmes

• Nature de la réorganisation au sein du système
• Nature de la fonction globale du système
• Origine des SNC et nature de leur résorption
• Existence ou non d'un feedback et distinction
  "but local / but global"
• "Distance" entre fonction des parties et fonction
  globale
• Utilisation d'une mémoire
• La question des systèmes ouverts
• Nature de l'environnement de l'agent

23

• Partie 4
• EPE1

Note 1 EPE Emergent Programming Environment
ou Environnement de Programmation Émergente
24
Concept

• Instruction agent
• Programme une organisation des agents
• Exécution interaction entre agents
• Auto-organisation des agents
• Application de la théorie AMAS aux agents
  (coopération)
• Néo-programmeur juge et influence au travers de
  l'environnement
• Les difficultés
• Le feedback
• Les mécanismes d'auto-organisation
• La composition du système

25
Utilité et exemple historique

• Réponse aux problèmes de néo-computation
• Problèmes incomplètement spécifiés
• Système continuellement adaptatif
• Exemple historique le problème du "deadlock"
• / Entry section for P1 / / Entry
  section for P2 /
• Q1 True Q2 True
• TURN 1 TURN 2
• wait while Q2 and TURN 1 wait while Q1
  and TURN 2
• / Exit section for P1 / / Exit
  section for P2 /
• Q1 False Q2 False

26
Simplification du problème

• Restriction à un sous-ensemble du calcul
  numérique
• Exemple de la factorielle
• Intérêt
• Composition simple
• Simplification du feedback
• Fonctionnement riche

27
Description des agents

• Agents
• In entrée , Out sortie
• , x calcul
• 1 valeur numérique 1
• test d'égalité
• F "FirstTime" (expression du choix)

28
Fonctionnement
int factorielle (n) int res if (n 0)
res 1 else if (n 1) res 1
else int i 2 res i
while (i ? n) i i1
res resi return res
29
Auto-organisation 1ère stratégie

• Notion de "valeur de confiance"
• Description des SNC
• NCSNeedIn
• NCSNeedOut
• NCSUselessness
• NCSBlockingSituation
• NCSInadequateData
• Résorption des SNC et attitude coopérative

30

• Partie 5
• Implémentation

31
Considérations générales

• Des threads pour rester proche des phénomènes
  réels
• Des agents simples mais des comportements
  complexes
• 200 classes, 16.000 lignes de codes

32
Architecture
33
Le logiciel EPE
34

• Partie 6
• Expérimentation

35
Résultats expérimentaux

• Capacité de calcul
• Capacité de réorganisation
• Vers un milieu intérieur coopératif (capacité à
  produire une organisation complète fonctionnelle)
• Prise en compte du feedback
• Un problème fortement discontinu
• Un parcours "aveugle"
• Échec de la 1ère stratégie (valeurs de confiance)

36
Vers une 2ème stratégie
 
 

• Feedback plus informé ? ("plus grand" / "plus
  petit")
• Stratégie par "accaparement de but"
• Question corrélation entre proximité
  fonctionnelle et proximité organisationnelle ?

37
Topologie de l'espace de recherche
38
Résultats et conséquences
39

• Partie 7
• Exemple élémentaire

40
Description et utilité

• Difficultés précédentes observation,
  compréhension, traçage "pas à pas"
• Exemple élémentaire 5 agents , , 3
  constantes

41
Auto-organisation 2ème stratégie

• Feedback plus informé
• Accaparement de but
• Nouvelles NCS
• NCSInformedInadequateData
• NCSInformedNeedIn
• Objectif satisfaire au mieux les buts
  individuels
• Auto-organisation la question du "comment"
• Traitements
• Valeur potentielle de sortie
• Notion de préjudice
• Multiplicité des liens
• Algorithme du traitement coopératif du préjudice
  imposé

42
Résultats expérimentaux

• Adéquation fonctionnelle atteinte efficacement
  (parcours de moins d'une centaine d'organisations
  sur les 7.776 possibles)
• Capacité du système à produire "plus grand" /
  "plus petit"
• Un premier pas de "scaling up" (un agent addition
  supplémentaire, 800.000 organisations possibles,
  parcours de moins de 200 organisations)

43

• Partie 8
• Enseignements et perspectives

44
Les difficultés

• Le piège de la simplicité des agents
• Une classe particulière de problèmes
• La difficulté d'implémentation

45
EPE et la théorie AMAS

• AMAS
• Détection
• Résorption de SNC
• Attitude coopérative
• EPE
• Manque d'information pour la résorption
• Problème fortement discontinu
• Distance but local / but global
• Traitement du préjudice

46
Perspectives

• Enrichissement de la théorie
• Un langage de programmation complet
• Traiter des problèmes de néo-computation réels
• Développement d'outils et de méthodes

47
Vers un langage complet

• AgentProg (noté "Prog")
• AgentSequence (noté "")
• AgentIfThenElse (noté "IfThenElse")
• AgentWhile (noté "While")
• AgentVariable (noté "x", où x est le nom de la
  variable)
• AgentAssignment (noté "")
• AgentReturn (noté "return")
• AgentMinus (noté "-")

factorielle (x) if (x 0) r 1
else r x x x-1
while (x gt 0) r rx
x x-1 return r
48
Résolution de problèmes par émergence

• Programmation émergente difficile
• EPE enseignements pour aborder d'autres
  problèmes à plus haut niveau, de façon plus
  informée
• Exploration de mécanismes d'auto-organisation
• La question du "comment"
• Parcours d'un espace de recherche par
  auto-organisation

49
Conclusion

• Étude de faisabilité du concept positive
• Très loin d'un langage complet
• Exploration du concept
• Connaissances sur la programmation émergente
• Connaissances sur l'émergence et
  l'auto-organisation
• Développement de la théorie AMAS
• La voie de l'émergence