Prenez contact avec nous

Plan du cours

Introduction aux Systèmes Multi-Agents

  • Aperçu des agents, des environnements et des modèles d'interaction
  • Coopération, compétition et autonomie dans les systèmes agents
  • Applications dans la logistique, la robotique et la prise de décision

Concepts fondamentaux de l'architecture des agents

  • Agents réactifs vs agents délibératifs
  • Protocoles de communication et modèles de coordination
  • Représentation des connaissances et état partagé

Implémentation des agents en Python

  • Construction d'agents utilisant le framework Mesa
  • Modélisation des environnements et des interactions
  • Simulation du comportement des agents et visualisation

Coordination et communication

  • Passage de messages et architectures à mémoire partagée
  • Négociation, consensus et allocation des tâches
  • Algorithmes de coordination (réseau d'appels, basé sur le marché, modèles essaims)

Apprentissage et adaptation dans les systèmes multi-agents

  • Apprentissage par renforcement pour multiples agents
  • Dynamiques d'apprentissage coopératives vs compétitives
  • Utilisation de PettingZoo et Stable-Baselines3 pour l'apprentissage multi-agents par renforcement (MARL)

Calcul distribué et mise à l'échelle

  • Utilisation de Ray pour des simulations multi-agents distribuées
  • Gestion de la concurrence et de la synchronisation
  • Parallélisation du calcul et gestion des ressources partagées

Collaboration homme-agent

  • Conception d'interfaces pour la coordination avec humain dans la boucle
  • Flux de travail hybrides avec assistance à la décision par IA
  • Considérations éthiques et opérationnelles

Projet final

  • Concevoir et implémenter un système multi-agents en Python
  • Démontrer la coordination et l'apprentissage entre agents
  • Présenter les résultats de simulation et les analyses de performance

Résumé et prochaines étapes

Pré requis

  • Maîtrise solide de la programmation Python
  • Bonne compréhension de l'apprentissage par renforcement ou de la conception d'agents IA
  • Familiarité avec les concepts des systèmes distribués et des réseaux

Public cible

  • Architectes systèmes concevant des systèmes d'IA collaboratifs ou distribués
  • Chercheurs travaillant sur la coordination et l'intelligence collective
  • Ingénieurs développant des flux de travail hybrides homme-agents ou multi-agents
 28 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires