Résilience et auto-réparation de processus de décisions multi-agents
Abstract
Nous définissons ici la notion de distribution $k$-résiliente de graphes de calculs en support aux décisions d'agents opérées sur des systèmes physiques et dynamiques. Nous proposons une méthode auto-organisée, DRPM[MGM-2], pour réparer la distribution des calculs afin d'assurer que le système effectue encore les décisions collectives suite à la disparition d'agents, grâce au déploiement de réplicas de calculs. Nous nous intéressons particulièrement à la réparation de processus d'optimisation sous contraintes distribuée, où les calculs sont des variables de décision ou des contraintes distribuées sur l'ensemble des agents. Nous évaluons expérimentalement les performances de notre méthode de réparation sur différentes topologie de systèmes multi-agents opérant des algorithmes (Max-Sum ou A-DSA) pour résoudre des DCOP classiques (aléatoire, coloration de graphe, Ising) alors que des agents disparaissent.