. Acceptables-dans-un-temps-cohérent, La vitesse de convergence vers la solution est garantie par un partitionnement glouton offrant un bon contrôle statistique sur la taille de la partition et sur le nombre d'objectifs contenus dans chaque région

. Dans-la-continuité-directe-de-ce-travail, nous souhaitons étudier, de façon plus approfondie, les conséquences du partitionnement sur la politique individuelle des robots. L'idée repose sur une évaluation comparative des techniques de partitionnement par rapport aux valeurs des politiques construites. Nous ne pensons , à priori, pas que le coût supplémentaire en ressources de calcul, d'une optimisation de la partition soit justifié par de réelles améliorations de la politique résultante, Cependant, cette supposition reste à vérifier

. Dans-la-continuité-directe-de-ce-travail, nous souhaitons étudier, de façon plus approfondie, les conséquences du partitionnement sur la politique individuelle des robots. L'idée repose sur une évaluation comparative des techniques de partitionnement par rapport aux valeurs des politiques construites. Nous ne pensons , à priori, pas que le coût supplémentaire en ressources de calcul, d'une optimisation de la partition soit justifié par de réelles améliorations de la politique résultante, Cependant, cette supposition reste à vérifier

B. R. Références, A markovian decision process, Journal of Mathematics and Mechanics, vol.6, pp.679-684, 1957.

B. M. Huang-h, . Keskinocak-p, E. W. Koenig-s, and G. P. Kley-wegt, Robot exploration with combinatorial auctions, International Conference on Intelligent Robots and Systems, pp.1957-1962, 2003.

B. Siarry-p, Graph Partitioning, 2011.

B. C. and D. T. Hanks-s, Decision-theoretic planning : Structural assumptions and computational leverage, Journal of Artificial Intelligence Research, vol.11, pp.1-94, 1999.

B. W. Moors-m and S. C. Schneider-f, Coordinated multi-robot exploration, IEEE Transactions on Robotics, vol.21, 2005.

D. T. Hong, L. S. Hong, and L. S. , Decomposition techniques for planning in stochastic domains, 14th International Joint Conference on Artificial Intelligence, 1995.

F. A. Trahanias-p, Real-time hierarchical pomdps for autonomous robot navigation, Robotics and Autonomous Systems, vol.55, issue.7, pp.561-571, 2007.

G. M. and J. D. Stockmeyer-l, Some simplified np-complete problems, 6h Symposium on Theory of Computing, pp.47-63, 1974.

K. B. Byun-y.-t, A robot exploration and mapping strategy based on a semantic hierarchy of spatial representations, Journal of Robotics and Autonomous Systems, vol.8, pp.47-63, 1991.

L. M. and D. T. Kaelbling-l, On the complexity of solving markov decision problems, 11th Conference on Uncertainty in Artificial Intelligence, pp.394-402, 1995.

L. G. , A. L. Beynier-a, and M. P. Mouaddib-a.-i, Map partitioning to approximate an exploration strategy in mobile robotics, Advances on Practical Applications of Agents and Multiagent Systems, pp.63-72, 2011.

L. G. , A. L. Beynier-a, and M. P. Mouaddib-a.-i, Interleaving planning and control of mobiles robots in urban environments using road-map, International Conference on Intelligent Autonomous Systems, 2012.

M. L. and L. J. Mouaddib-a, Distributed value functions for multi-robot exploration, International Conference on Robotics and Automation, 2012.

P. C. Tsitsiklis-j, The complexity of markov decision process, Mathematics of Operations Research, vol.12, pp.441-450, 1987.

S. P. Barto-a, M. Teichteil-königsbuch-f, and . Fabiani-p, Reinforcement learning : An introduction Autonomous search and rescue rotorcraft mission stochastic planning with generic dbns, IFIP AI, pp.483-492, 1998.