Agent intelligent

Ministre de l'enseignement supérieur et de la

recherche scientifique Algérie

Mr: BENKHAOUA Sidahmed

Mr: BELMABROUK Djamel

Mr: Siahoui Karim

Mr: Miraoui Akli

Université Saad Dahled Blida

Faculté des sciences

Département informatique

Projet fin semestre :Agent Intelligent

Module :informatique cognitive

Présenter par : Professeure :

Mme:F,Z,Zahra

Agent Intelligent

2

Introduction

Les classifications Agent intelligents

un agent humain

un agent logiciel

un agent reboot

Agent et environnement

Ebauche d’un agent

Exemple : aspirateur Robotisé

Agent rationnelle

Modèle PEAS

Model PEAS pour un rebot taxi

Model PEAS pour diagnostique médical automatisé

Caractéristiques d’un enivrement

3Agent Intelligent

Pant du travail

Les types d’agents

Agent basé sur l’utilité

Agent basé sur les buts

Agent simple réflexe

Agent réflexe avec état interne

Langage de communication agent

KQML

AOP

Agent Talk

Outils & Langues utilisées pour mettre en œuvre Intelligent Agent

4Agent Intelligent

Pant du travail

introduction

un agent est n'import quelle entité qui perçoit son environnement

par des capteurs (seniors) et agit sur cet environnement par des actionner

5Agent Intelligent

introduction

un agent humain

un agent humain a des yeux, des oreilles, et d'autres senseurs des

main, des jambes, une bouche et d'autre actionneurs

6Agent Intelligent

classification

un agent reboot

un agent reboot a des camera, des capteur infra rouge et d'autre

capteur des roues, des jambes ,des bras-artculés,et d'autre actionneur

7Agent Intelligent

classification

un agent logiciel

un agent logiciel a un clavie,un accès lecteur a un disque dur et

autres capteurs un écran , un accès écriture a un disque dur comme actionneur

8Agent Intelligent

classification

• Le processus agent f prend en entrée une seul séquence d’observation (percept) et retourne une action

f: p ∗→ 𝐴

• En pratique le processus est un implémenté par un programmeur une architecture matérielle particulier

9Agent Intelligent

Agent et environnement

fonction SKELETON-AGENT(precept) returns action

satatic memory,the agent's memory of the world

memory <= Update-Memory(memory,percept)

action<= Choose-Best-Action(memory)

memory<= Update-Memory(memory,action)

return action

10Agent Intelligent

Ebauche d’un agent

• Observation (donnée sonsorielle):position et l’etat des lieux par exemple :[A,clean] ,[A,Dirty],[B,clean],[B,Dirty]

• Action :left,right,suck,NoOp

11Agent Intelligent

Exemple d’une aspirateur Robotisé

• 𝑓:

[A,clean] → 𝑅𝑖𝑔ℎ𝑡

[A,dirty] → 𝑠𝑢𝑐𝑘

12Agent Intelligent

Exemple d’une aspirateur Robotisé

Un agent rationnel doit agir correctement en fonction de ce qu'il

perçoit et ses capacités d’action:

Action correcte est celle permettant a l’agent de réussie le mieux

13Agent Intelligent

Agent rationnelle

Agent rationnelle

Mesure de performance

Une fonction objective mesurant la qualité d’un comportement de

l’agent

Par exemple , une mesure de performance pour le robot aspirateur

La qualité de déchets aspirés

La propreté des lieux

La durée de tache

le bruit généré

14Agent Intelligent

Agent rationnelle

Agent rationnelle

Agent rationnelle: étant donnée une séquence

d’observations(donnée sensorielles) et connaissance propre, un

agent rationnelle et des connaissance propre , un agent rationnelle

devrait choisir une action qui maximise la mesure de performance

15Agent Intelligent

Agent rationnelle

Agent rationnelle

Rationalité ne veut dire pas « qui sait tout »

Par exemple connait tout les effect de ses action

Rationnelle ne veut dire pas « parfait »

La relation maximise la performance espérée

La perfecton maximiser la performance réelle/actualle

Mais souvant in ne peut pas vonnaire la performance réelle avant

l’action

16Agent Intelligent

Agent rationnelle

Agent rationnelle

Un agent peut effectue des actions d’observation pour cueillir des

information nécessaire a sa tache

Un agent autonome s’il est capable d’adapter son comportement

en fonction de son experience

17Agent Intelligent

Agent rationnelle

Agent rationnelle

PEAS: un modele de conception des agent par la specification des

composant majeures suivantes:

Mesure de performance (performance)

Elément de l’environnement (environnement)

Les action que l’agent peut effectuer (actionneur au actuators)

La séquence des observation ou percepts de l’agent (capteurs ou

sensors )

PEAS = performance,Environment,actuators,sensors

18Agent Intelligent

Modèle PEAS

Modè le PEAS

Agent :robot taxi

Mesure de performance :sécurité,vitesse,respect du code routier,voyage confortable,maximisation des profits

Environnement:route,trafic,pieton,clients

Actionneurs:volant,changement de

vitesse,accelerateur,frein,clignotants,klaxon

Senseurs:cameras,sonar,compteur de vitesse ,GPS,odometre,témoins du moteur ,etc

19Agent Intelligent

Model PEAS pour un rebot taxi

Modèle PEAS pur un rebot taxi

Agent :système de diagnostique médical

Mesure de performance :santé des patients, minimisation de cout, stratifiant les clients

Environnement: patients, hobital,personnelle soignant

Actionneurs: moniteur pour affiche des question, les résultat de test

ou diagnostique, le traitement,etc,,

Senseurs:clavie et souris pour saisi les sympthome,les réponse aux question,,

20Agent Intelligent

Model PEAS

Model PEAS pour diagnostique

médical automatisé

Différents problème auront des environnements avec des

caractéristique différentes

Caractéristique que l’on distingue:

Complétement observables(vs,partiellement observable)

Déterministe (vs, stochastique)

Episodique(vs,séquentaile)

Statique(vs,dynamique)

Discrect (vs, continue)

Agent unique(vs ,multi-agent)

21Agent Intelligent

Model PEAS

Caractéristiques d’un enivrement

grâce a ses capteur l'agent a accès a l'etat complet de

l'environnement a chaque instant

le jeux échecs est complétement observable on voit la position de tout

les pièce

le jeux de poker est partiellement observable on ne connait pas la

cartes dans les mains de l'adversaire

22Agent Intelligent

Caractéristiques d’un enivrement

Complètement observables (vs .

Partiellement)

'etat suivant de l'environnement est entièrement déterminé par

l'etat curant et l'action effectuée par le ou les agents

le jeux des échecs est déterministe

déplacer une pièce donne toujours le mm résultat

le jeux poker est stochastique

la distribution des carte aléatoire

notes important

on considére comme stochastique les phénoménes qui ne peuvent pas

etre prédits parfaitement ne tient pas compte des action des autres

agents pour déterminer si déterministe ou pas

23Agent Intelligent

Caractéristiques d’un enivrement

déterministe (vs .stochastique)

les opération/comportement de l'agent sont divisés en épisodes

chaque épisode consiste a observer l'environnement et effectuer une

seul action

cette action n'a pas d'influence sur l'environnement dans épisode

suivant

la reconnaissance de caractères est épisodique

la prédiction du système n'influence pas le prochaine caractère a

reconnaitre

le jeu du poker est séquentiel

décider si je mise ou pas un impact sur l'etat suivant de la partie

24Agent Intelligent

Caractéristiques d’un enivrement

épisodique (vs. Séquentiel)

l’environnement ne change pas lorsque agent n’agissant pas

Le jeux d’echec est statique

l’etat de jeux ne change pas si personne joue

Le jeux Pong est dynamique

La balle continue a joue même si je ne rien fait

25Agent Intelligent

Caractéristiques d’un enivrement

Statique (vs, dynamique)

Un nombre limié et clairement distinct de donnée sensorielles et

d’action

Le jeux d’echec est dans l’environnement discret

Toutes les action et état du jeu peuvent être énumérées

La conduit automatique d’une voiteur est dans un environnement

continue

L’angle du volant est un nombre réel

Le jeu de pong est dans environnement continue

La position de la balle est une paire (x,y) de nombre réels

26Agent Intelligent

Caractéristiques d’un enivrement

Discret (vs, continue)

Un agent opérant seul dans un environnement

Résoudre un sudoku est agent unique

Aucun adversaire

Le jeu d’echec est multi-agent

Il ya toujours un adversaire

27Agent Intelligent

Caractéristiques d’un enivrement

Agent unique (vs, multi-agent)

28Agent Intelligent

Les types agent

Agent simple réflexeAgit seulement

a partir de du

percept actuel

et ignorée

l’historique

29Agent Intelligent

Les types agent

Agent simple réflexe Exemple d’un code

Function SIMPLE_REFLEX_AGENT(precpt) return an action

State ←INTERRET-INPUT(precpet)

Rule ← RULE-Matche(state,rules)

Action ← ruleAction

Return action

30Agent Intelligent

Les types agent

Agent réflexe avec état interne

31Agent Intelligent

Les types agent

Agent basé sur les buts

32Agent Intelligent

Les types agent

Agent basé sur l’utilité

33Agent Intelligent

Langage de communication agent

introduction

Certains des langues de communication de l'agent comprennent

KQML (Requête connaissances et la manipulation langues), AOP

(Agent Oriented Programming) et Agent Discuter

34Agent Intelligent

Langage de communication agent

KQML

est un langage et le protocole utilisé pour échanger des

informations et des connaissances.

KQML est à la fois un format de message et d'un protocole de

gestion des messages pour soutenir le partage des connaissances

d'exécution entre les agents.

KQML peut être utilisé comme une langue pour une application

progra m d'interagir avec un système intelligent ou pour deux ou

plusieurs systèmes intelligents de partager les connaissances à

l'appui de résolution coopérative de problèmes

35Agent Intelligent

Langage de communication agent

AOP

AOP est un interprète pour les programmes écrits dans un langage appelé AO. AO est un langage de programmation pour le

paradigme de la programmation orientée-agent. Il est

actuellement en cours de développement à Stanford.

36Agent Intelligent

Langage de communication agent

Agent Talk

Agent Talk est un langage de description de la coordination protocole pour les systèmes multi-agents. Agent permet Discuter des

protocoles de coordination à définir progressivement et être

facilement personnalisés pour répondre à des domaines

d'application en incorporant un mécanisme d'héritage.

Aglets

est une plate-forme d'agent mobile basé sur Java et une bibliothèque

pour construire agents mobiles applications.

Un aglet est un agent Java qui peut de manière autonome et

spontanément passer d'un hôte à un autre portant un morceau de

code avec elle.

Il peut être programmé pour exécuter à un hôte distant et de montrer

des comportements différents à différents hôtes

37Agent Intelligent

Outils & Langues utilisées pour mettre en œuvre Intelligent Agent

Facile

qui est un haut niveau, d'ordre supérieur langage de programmation

pour les systèmes qui nécessitent une combinaison de manipulation de

données complexes et calcul distribué et parallèle.

Il combine Standard ML (SML), avec un modèle de d'ordre supérieur

esses proc concurrente basés sur le CSC.

Facile est utilisé à la SIMEC pour développer les agents des services

mobiles.

38Agent Intelligent

Outils & Langues utilisées pour mettre en œuvre Intelligent Agent

Python

qui est un, langage de programmation interprété, interactif et orienté

objet.

Il est souvent comparé à Tcl, Perl, Scheme ou Java.

Il est utilisé un peu comme un langage intégré ou l'extension des projets

hypermédias, et est utilisé un peu pour le tri des traitement de texte et

les scripts Perl administrative qui est souvent utilisé pour.

39Agent Intelligent

Outils & Langues utilisées pour mettre en œuvre Intelligent Agent

L’agent intelligent soit un logiciel rebot,,

L’agent intelligent c’est la tendance actuelle dans le monde

L’agent intelligent peu faire des économies dans les entreprise de défèrent nature (cout)

L’agent intelligent peu embauche dans différend Domain

(medicale,mecanique,jeu,,,)

L’agent intelligent capable d'agir dans un environnement

L’agent intelligent capable de percevoir (mais de manière limitée)

son environnement

40Agent Intelligent

Conclusion

Merci pour Votre Attention 41

Carroll, Jon. "Intelligent Agents." Computer Life. May 1997 v4 n5 p172

(1).

Do, Orlantha. March, Eric. Rich, Jennifer. Wolff, Tara. "Intelligent Agents

& The Internet" Online.

Frank, Mike. "Strategies for Intelligent Agent Exploration of Complex

Environments" Online. March 18, 1990.

"Virtual Intelligent Agent Search Engines" Virtual Sites,Online. 24 April

1998.

Wooldridge, Mike. "Agent, Theory and Practice" Agent Systems Groups, Online.

42Agent Intelligent

Reference