agent intelligent
TRANSCRIPT
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