Distributed Decision-Making and Task<br />Coordination in Dynamic, Uncertain and<br />Real-Time Multiagent Environments - TEL - Thèses en ligne Access content directly
Theses Year : 2005

Distributed Decision-Making and Task
Coordination in Dynamic, Uncertain and
Real-Time Multiagent Environments

Sébastien Paquet
  • Function : Author
  • PersonId : 834933

Abstract

Decision-making in uncertainty and coordination are at the heart of multiagent
systems. In this kind of systems, agents have to be able to perceive their environment
and take decisions while considering the other agents. When the environment is partially
observable, agents have to be able to manage this uncertainty in order to take the
most enlightened decisions they can based on the incomplete information they have
acquired. Moreover, in the context of cooperative multiagent environments, agents
have to coordinate their actions in order to accomplish complex tasks requiring more
then one agent.
In this thesis, we consider complex cooperative multiagent environments (dynamic,
uncertain and real-time). In this kind of environments, we propose an approach of
decision-making in uncertainty that enable the agents to flexibly coordinate themselves.
More precisely, we present an online algorithm for partially observable Markov decision
processes (POMDPs).
Furthermore, in such complex environments, agent's tasks can also become quite
complex. In this context, it could be complicated for the agents to determine the
required number of resources to accomplish each task. To address this problem, we
propose a learning algorithm to learn the number of resources necessary to accomplish
a task based on the characteristics of this task. In a similar manner, we propose a
scheduling approach enabling the agents to schedule their tasks in order to maximize
the number of tasks that could be accomplish in a limited time.
All these approaches have been developed to enable the agents to efficiently coordinate
all their complex tasks in a partially observable, dynamic and uncertain multiagent
environment. All these approaches have demonstrated their effectiveness in tests done
in the RoboCupRescue simulation environment.
La prise de décision dans l'incertain et la coordination sont au coeur des systèmes multiagents. Dans ce type de systèmes, les agents doivent être en mesure de percevoir leur environnement et de prendre des décisions en considérant les autres agents. Lorsque l'environnement est partiellement observable, les agents doivent être en mesure de gérer cette incertitude pour prendre des décisions les plus éclairées possible en considérant les informations incomplètes qu'ils ont pu acquérir. Par ailleurs, dans le contexte d'environnements multiagents coopératifs, les agents doivent être en mesure de coordonner leurs actions de manière à pouvoir accomplir des tâches demandant la collaboration de plus d'un agent. Dans cette thèse, nous considérons des environnements multiagents coopératifs complexes (dynamiques, incertains et temps-réel). Pour ce type d'environnements, nous proposons une approche de prise de décision dans l'incertain permettant une coordination flexible entre les agents. Plus précisément, nous présentons un algorithme de résolution en ligne de processus de décision de Markov partiellement observables (POMDPs). Par ailleurs, dans de tels environnements, les tâches que doivent accomplir les agents peuvent devenir très complexes. Dans ce cadre, il peut devenir difficile pour les agents de déterminer le nombre de ressources nécessaires à l'accomplissement de chacune des tâches. Pour résoudre ce problème, nous proposons donc un algorithme d'apprentissage permettant d'apprendre le nombre de ressources nécessaires à l'accomplissement des tâches selon les caractéristiques de celles-ci. Dans un même ordre d'idée, nous proposons aussi une méthode d'ordonnancement permettant d'ordonner les différentes tâches des agents de manière à maximiser le nombre de tâches pouvant être accomplies dans un temps limité. Toutes ces approches ont pour but de permettre la coordination d'agents pour l'accomplissement efficace de tâches complexes dans un environnement multiagent partiellement observable, dynamique et incertain. Toutes ces approches ont démontré leur efficacité lors de tests effectués dans l'environnement de simulation de la RoboCup- Rescue.
Fichier principal
Vignette du fichier
SebastienPaquetThesis.pdf (2.2 Mo) Télécharger le fichier
Loading...

Dates and versions

tel-00092684 , version 1 (12-09-2006)

Identifiers

  • HAL Id : tel-00092684 , version 1

Cite

Sébastien Paquet. Distributed Decision-Making and Task
Coordination in Dynamic, Uncertain and
Real-Time Multiagent Environments. Other [cs.OH]. Université Laval, 2005. English. ⟨NNT : ⟩. ⟨tel-00092684⟩
165 View
317 Download

Share

Gmail Facebook X LinkedIn More