Agent intelligent

703 vues

Publié le

une petite presentation sur les agent intelligent

Publié dans : Ingénierie
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
703
Sur SlideShare
0
Issues des intégrations
0
Intégrations
13
Actions
Partages
0
Téléchargements
28
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Ebauche generale d’un agent dans un contex spécifique Prend en entrée une opservation et devrais returné une action
    Variable memory static accicible par la fonction
    Mise a jour ca mémoire
    A partire de ca mémoire prendre la melieur action action returné
    Remeter la mémoire a jour a partire de ca action
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Les méthodes formels : Des techniques et des outils basés sur les mathématiques et la logique formelle utilisé pour la spécification et la conception des systèmes informatiques
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Capacité d’apratisage et d’adaptation
  • Agent simple obtien via ses capteur une opservation permet d’avoire l’etat de l’environnement a partire de ces etat de l’environnement il va invoque des connaisance de l’agent et a des regle de conditon assosie quelle devra telle action dervra t’ill
  • Agent simple obtien via ses capteur une opservation permet d’avoire l’etat de l’environnement a partire de ces etat de l’environnement il va invoque des connaisance de l’agent et a des regle de conditon assosie quelle devra telle action dervra t’ill
  • Un model un peu complique
  • Dans ce exmple on a pas besion d’un agent qui nessiste une condition/action mais la capacité de prande la decession que va arrive si j’ai ca
    Exemple de soduku
  • Au lieu de specifie un but on va specifie une utility qui influencé a quelle point que agent sera contant
    La defference entre but et utilité => qui nous permete de destinque la qulaité de defferent action
  • Au lieu de specifie un but on va specifie une utility qui influencé a quelle point que agent sera contant
    La defference entre but et utilité => qui nous permete de destinque la qulaité de defferent action
  • Au lieu de specifie un but on va specifie une utility qui influencé a quelle point que agent sera contant
    La defference entre but et utilité => qui nous permete de destinque la qulaité de defferent action
  • Au lieu de specifie un but on va specifie une utility qui influencé a quelle point que agent sera contant
    La defference entre but et utilité => qui nous permete de destinque la qulaité de defferent action
  • Au lieu de specifie un but on va specifie une utility qui influencé a quelle point que agent sera contant
    La defference entre but et utilité => qui nous permete de destinque la qulaité de defferent action
  • Agent intelligent

    1. 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. 2. Agent Intelligent 2
    3. 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. 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. 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. 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. 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. 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. 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. 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. 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. 12. • 𝑓: [A,clean] → 𝑅𝑖𝑔ℎ𝑡 [A,dirty] → 𝑠𝑢𝑐𝑘 12 Agent Intelligent Exemple d’une aspirateur Robotisé
    13. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 28 Agent Intelligent Les types agent Agent simple réflexe Agit seulement a partir de du percept actuel et ignorée l’historique
    29. 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. 30 Agent Intelligent Les types agent Agent réflexe avec état interne
    31. 31. 31 Agent Intelligent Les types agent Agent basé sur les buts
    32. 32. 32 Agent Intelligent Les types agent Agent basé sur l’utilité
    33. 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. 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. 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. 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. 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. 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. 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. 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. 41. Merci pour Votre Attention 41
    42. 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

    ×