Modèles de formation de coalitions stables dans un contexte ad-hoc et stochastique - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2015

Stable coalition formation mechanisms in ad-hoc and stochastic context

Modèles de formation de coalitions stables dans un contexte ad-hoc et stochastique

Résumé

An ad-hoc and stochastic context prevents : 1- the existence of a global view of the system that reflects a complete image of the deployment environment ; 2- the existence of a priori knowledge because of the lack of a centralized structure, the dynamic of the tasks and the random availability of the entities. We proposed different strategies to facilitate the dynamic stabilization of the interactions between the agents and the convergence towards better coordination states. Our conception of alliances and recommendations allows an agent to evolve independently, to dynamically identify reliable neighboring agents with whom to cooperate and to form Nash-stable or Core stable coalitions according to the requirements of the deployment environment. To face with the challenges of the correlation between local behavior of the agents and the properties of their environment, we use in an original way the Markovian models. We also focused on taking into account the interdependencies between the agents to increase their efficiency in order to optimize the imputed costs of the ad-hoc components where the agents are deployed. This led us to propose both mechanisms, the S-NRB (Sequential Non-return Broadcast) and the P-NRB (Parallel Non-return Broadcast) for distributed coordination seeking to maximize the social welfare of the agents. To highlight the intrinsic properties of our methods, our whole proposals have been studied theoretically and experimentally through our simulator
Travailler dans un contexte ad hoc et dynamique, pour les agents, empêche : 1- l'existence d'une vue globale du système qui reflète une image complète de l'environnement de déploiement ; 2- l'existence de connaissances a priori sur la manière de se coordonner en raison de l'absence d'une structure centralisée et de la disponibilité aléatoire des entités considérés. Nous avons proposé différentes stratégies comportementales pour faciliter la stabilisation dynamique des interactions entre les agents et la convergence vers les meilleurs états de coordination. Notre conception des alliances et des recommandations permet à un agent d'évoluer de manière autonome, d'identifier dynamiquement les agents voisins fiables avec qui coopérer et de former avec son voisinage des partitions Nash-stables selon les exigences de l'environnement de déploiement. Pour répondre à la difficulté de corrélation entre les comportements locaux des agents et les propriétés de l'environnement de déploiement des agents, nous utilisons de manière originale les modèles Markoviens. Nous nous sommes aussi focalisés sur la prise en compte des interdépendances entre les agents pour augmenter leur efficacité dans un souci d'optimisation les coûts imposés aux composants ad-hoc communicants où les agents sont déployés. Cela nous a amené à proposer le modèle S-NRB (Sequentiel Non-return Broadcast) et le modèle P-NRB (Parallel Non-return Broadcast) pour la coordination distribuée qui cherchent à maximiser le bien-être social des agents. Pour mettre en exergue les propriétés intrinsèques de nos méthodes, toutes nos propositions ont été étudiées de manière théorique et expérimentale grâce à notre simulateur

Domaines

Autre [cs.OH]
Fichier principal
Vignette du fichier
TH2015FayePascal.pdf (8.57 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-01167110 , version 1 (23-06-2015)

Identifiants

  • HAL Id : tel-01167110 , version 1

Citer

Pascal François Mbissane Faye. Modèles de formation de coalitions stables dans un contexte ad-hoc et stochastique. Autre [cs.OH]. Université Claude Bernard - Lyon I; Université Cheikh Anta Diop (Dakar), 2015. Français. ⟨NNT : 2015LYO10062⟩. ⟨tel-01167110⟩
244 Consultations
673 Téléchargements

Partager

Gmail Facebook X LinkedIn More