une petite presentation sur les agent intelligent

1. 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

2. Agent Intelligent
2

3.  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
3
Agent Intelligent
Pant du travail

4.  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
4
Agent Intelligent
Pant du travail

5. introduction
 un agent est n'import quelle entité qui perçoit son environnement
par des capteurs (seniors) et agit sur cet environnement par des
actionner
5
Agent Intelligent
introduction

6. 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
6
Agent Intelligent
classification

7. 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
7
Agent Intelligent
classification

8. 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
8
Agent Intelligent
classification

9. • 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
9
Agent Intelligent
Agent et environnement

10. 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
10
Agent Intelligent
Ebauche d’un agent

11. • Observation (donnée sonsorielle):position et l’etat des lieux par exemple :[A,clean]
,[A,Dirty],[B,clean],[B,Dirty]
• Action :left,right,suck,NoOp
11
Agent Intelligent
Exemple d’une aspirateur Robotisé

12. • 𝑓:
[A,clean] → 𝑅𝑖𝑔ℎ𝑡
[A,dirty] → 𝑠𝑢𝑐𝑘
12
Agent Intelligent
Exemple d’une aspirateur Robotisé

13.  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
13
Agent Intelligent
Agent rationnelle
Agent rationnelle

14.  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
14
Agent Intelligent
Agent rationnelle
Agent rationnelle

15.  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
15
Agent Intelligent
Agent rationnelle
Agent rationnelle

16.  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
16
Agent Intelligent
Agent rationnelle
Agent rationnelle

17.  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
17
Agent Intelligent
Agent rationnelle
Agent rationnelle

18.  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
18
Agent Intelligent
Modèle PEAS
Modè le PEAS

19.  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
19
Agent Intelligent
Model PEAS pour un rebot taxi
Modèle PEAS pur un rebot taxi

20.  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,,
20
Agent Intelligent
Model PEAS
Model PEAS pour diagnostique
médical automatisé

21.  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)
21
Agent Intelligent
Model PEAS
Caractéristiques d’un enivrement

22.  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
22
Agent Intelligent
Caractéristiques d’un enivrement
Complètement observables (vs .
Partiellement)

23.  '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
23
Agent Intelligent
Caractéristiques d’un enivrement
déterministe (vs .stochastique)

24.  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
24
Agent Intelligent
Caractéristiques d’un enivrement
épisodique (vs. Séquentiel)

25.  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
25
Agent Intelligent
Caractéristiques d’un enivrement
Statique (vs, dynamique)

26.  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
26
Agent Intelligent
Caractéristiques d’un enivrement
Discret (vs, continue)

27.  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
27
Agent Intelligent
Caractéristiques d’un enivrement
Agent unique (vs, multi-agent)

28. 28
Agent Intelligent
Les types agent
Agent simple réflexe
Agit seulement
a partir de du
percept actuel
et ignorée
l’historique

29. 29
Agent 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

30. 30
Agent Intelligent
Les types agent
Agent réflexe avec état interne

31. 31
Agent Intelligent
Les types agent
Agent basé sur les buts

32. 32
Agent Intelligent
Les types agent
Agent basé sur l’utilité

33. 33
Agent 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

34. 34
Agent 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

35. 35
Agent 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.

36. 36
Agent 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.

37.  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
37
Agent Intelligent
Outils & Langues utilisées pour mettre en œuvre Intelligent Agent

38.  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.
38
Agent Intelligent
Outils & Langues utilisées pour mettre en œuvre Intelligent Agent

39.  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.
39
Agent Intelligent
Outils & Langues utilisées pour mettre en œuvre Intelligent Agent

40.  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
40
Agent Intelligent
Conclusion

41. Merci pour Votre Attention 41

42. 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.
42
Agent Intelligent
Reference