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 en logistique, robotique et prise de décision

Concepts Clés de l'Architecture des Agents

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

Implémentation d'Agents en Python

  • Construction d'agents à l'aide du framework Mesa
  • Modélisation des environnements et des interactions
  • Simulation du comportement des agents et visualisation

Coordination et Communication

  • Passage de messages et architectures mémoire partagée
  • Négociation, consensus et allocation des tâches
  • Algorithmes de coordination (contrat net, basés sur le marché, modèles d'essaims)

Apprentissage et Adaptation dans les Systèmes Multi-Agents

  • Apprentissage par renforcement pour plusieurs agents
  • Dynamiques d'apprentissage coopératif vs. compétitif
  • Utilisation de PettingZoo et Stable-Baselines3 pour l'ARL (Apprentissage par Renforcement Multi-Agents)

Calcul Distribué et Évolutivité

  • 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 Humain–Agent

  • Conception d'interfaces pour la coordination avec l'intervention humaine
  • Workflows hybrides avec soutien décisionnel assisté par AI
  • Considérations éthiques et opérationnelles

Projet Final

  • Concevoir et implémenter un système multi-agent en Python
  • Démontrer la coordination et l'apprentissage entre les agents
  • Présenter les résultats de simulation et les insights sur les performances

Résumé et Étapes Suivantes

Pré requis

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

Public Cible

  • Architectes de systèmes concevant des systèmes AI collaboratifs ou distribués
  • Chercheurs travaillant sur la coordination et l'intelligence collective
  • Ingénieurs développant des workflows hybrides humain–agent ou multi-agents
 28 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires