Une nouvelle étude décrit des systèmes multi-agents pour l’optimisation et la prise de décision par le biais de jeux

Une nouvelle étude décrit des systèmes multi-agents pour l'optimisation et la prise de décision par le biais de jeux

Une nouvelle étude décrit des systèmes multi-agents pour l’optimisation et la prise de décision par le biais de jeux. Crédit : Association chinoise de l’automatisation

En intelligence artificielle, les systèmes multi-agents peuvent être considérés comme une société d’individus (agents) qui interagissent en échangeant des connaissances et en négociant entre eux pour atteindre un objectif individuel/global. Dans la vraie vie, les systèmes multi-agents sont utilisés dans de nombreux domaines divers comme la gestion des ressources ; sécurité des informations ; planification, ordonnancement et contrôle de la fabrication ; surveillance, diagnostic et contrôle ; commerce électronique; biomédecine; et entreprise virtuelle. Compte tenu de leur immense utilité, les chercheurs essaient constamment de trouver de nouvelles façons d’utiliser ces systèmes dans des contextes réels.

Dans ce contexte, un groupe de chercheurs dirigé par le professeur Yang Tang, de l’East China University of Science and Technology, Shanghai, Chine, avec le professeur Qing-Long Han, membre de l’Academia Europaea et IEEE Fellow de l’Université de Swinburne de Technology, Melbourne, Australie, et le professeur Jürgen Kurths, membre de l’Academia Europaea du Potsdam Institute for Climate Impact Research, Potsdam, Allemagne, ont travaillé ensemble pour approfondir les questions liées aux systèmes multi-agents. Ils ont sondé la nature des comportements coopératifs/non coopératifs des systèmes multi-agents, de l’optimisation aux jeux, en tant qu’approche pour résoudre des problèmes complexes du monde réel. Ils ont publié leurs conclusions dans le numéro de mai de Journal IEEE/CAA d’Automatica Sinica.

“Les systèmes multi-agents impliquent souvent une optimisation multi-objectifs avec des objectifs contradictoires, et chaque objet est inévitablement affecté par l’incertitude. Par conséquent, la théorie des jeux peut doter les systèmes multi-agents de plus de solutions et fournir un moyen d’intégration interdisciplinaire, comme l’intégration de les jeux et le contrôle, l’IA, les mathématiques et d’autres disciplines », affirment le professeur Tang et le professeur Kurths.

Ils ont considéré la théorie des jeux pour une raison très importante. Pour faire simple, les jeux, en particulier les jeux de stratégie au tour par tour, sont partout autour de nous. Les jeux sont spécifiques aux situations d’interdépendance et peuvent être divisés en jeux coopératifs et jeux non coopératifs, ou classés en jeux statiques et jeux dynamiques, selon les comportements et la séquence d’action des agents. Les chercheurs ont intégré les deux classifications pour une vue plus complète des scénarios complexes du monde réel.

Dans leur enquête, les auteurs ont utilisé la théorie des jeux pour créer des modèles de comportements coopératifs ou compétitifs pour des objectifs d’optimisation individuels ou globaux. L’accent a été mis sur trois aspects de la coopération et de la compétition dans les systèmes multi-agents : l’optimisation coopérative, les jeux coopératifs et les jeux non coopératifs. “Pour les problèmes liés au jeu, un jeu non coopératif se forme lorsque le but d’un agent peut être différent ou complètement opposé à celui d’autres agents ; à l’inverse, un jeu coopératif se forme lorsqu’un agent coopère absolument avec d’autres agents et considère des intérêts communs, ” disent Wang et Hong.

L’enquête aborde plusieurs angles : premièrement, elle se concentre sur l’optimisation en ligne distribuée, l’optimisation fédérée et leurs applications dans la protection de la vie privée. Ensuite, en se concentrant sur les jeux statiques et dynamiques avec des facteurs coopératifs et compétitifs, respectivement, l’étude fait le pont entre l’optimisation coopérative et les jeux coopératifs d’une nouvelle manière.

Alors, où ces résultats peuvent-ils être utilisés ? Les applications sont multiples, selon les auteurs.

À l’aide d’un exemple particulièrement illustratif, le professeur Han déclare que “dans les villes intelligentes, ces résultats peuvent être utilisés pour construire un système intelligent de prise de décision en matière de trafic s’appuyant sur les mégadonnées urbaines. Cela signifie que la durée des feux de circulation aux intersections peut être optimisée, afin que le flux de trafic puisse être ajusté, que la charge du réseau routier puisse être équilibrée et que l’efficacité d’utilisation des ressources routières puisse être améliorée.”

Les applications s’étendent également à d’autres domaines. En économie, la concurrence sur le marché peut être modélisée comme un problème de jeu. Dans le domaine de la sécurité de l’information, des jeux d’attaque-défense non coopératifs peuvent être construits pour trouver la stratégie de défense optimale en identifiant l’intention des informations d’interaction et en prédisant le comportement agressif. Même dans le développement de médicaments, des jeux coopératifs peuvent être construits pour obtenir l’utilité maximale de la structure macromoléculaire.


Une étude détermine si les cultures jouent à des jeux qui correspondent à leur degré de coopération


Plus d’information:
Jianrui Wang et al, Systèmes multi-agents coopératifs et compétitifs : de l’optimisation aux jeux, Journal IEEE/CAA d’Automatica Sinica (2022). DOI : 10.1109/JAS.2022.105506

Fourni par l’Association chinoise de l’automatisation

Citation: Une nouvelle étude décrit des systèmes multi-agents pour l’optimisation et la prise de décision par le biais de jeux (10 mai 2022) récupéré le 10 mai 2022 sur https://techxplore.com/news/2022-05-multi-agent-optimization-decision-making -jeux.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.