La simulation multi-agent est une approche prometteuse pour la construction et la planification des villes intelligentes. Dans ce contexte, nous nous basons sur l'exemple du rechargement de véhicules électriques avec des bornes de recharge publiques. Cet exemple illustre une problématique de gestion de ressources partagées et limitées dans le temps et dans l'espace. Rolland May définit trois principales dimensions que doit intégrer le système : l'espace, l'organisation et le temps. Dans la littérature des simulations multi-agent, la dimension spatiale et la dimension sociale font l'objet de nombreuses propositions. Contrairement à cela, la considération du temps comme une dynamique du système reste sujette à très peu d'étude. De plus, si beaucoup de travaux de recherche traitent de la considération spatiale et organisationnelle dans le raisonnement de l'agent, la considération de la dynamique temporelle est souvent négligée. Cela met en évidence deux aspects sur lesquels nous aimerions contribuer : - le besoin de support d'interaction pour échanger des informations spatiale, sociale et temporelle ; - le besoin de raisonnement anticipatif prenant en compte ces informations spatiale, temporelle et organisationnelle échangées. À travers cette thèse, notre premier objectif consiste à faire évoluer le paradigme de simulation multi-agent de manière à considérer le temps comme un nouveau milieu d'interaction que nous appelons l'environnement temporel. Pour mettre en place cet environnement temporel au sein du système, nous proposons un modèle appelé Agent-Groupe-Rôle-Environnement-Temps (AGRET). Il s'agit d'une extension du modèle générique d'organisation Agent-Groupe-Rôle (AGR) et de sa variante Agent-Groupe-Rôle-Environnement (AGRE). L'originalité de notre approche consiste en la considération de la dimension temporelle comme un environnement, au même titre que l'environnement spatial et l'environnement social. L'environnement temporel est utilisé comme support pour l'échange et le stockage d'informations temporelles. Il vient en complément à l'ordonnanceur de la simulation qui gère le cycle d'activation de la simulation. L'implémentation de ce nouveau milieu d'interaction apporte de nouvelles possibilités. Une d'entre elles est l'usage des informations temporelles perçues à travers l'environnement temporel pour optimiser le raisonnement anticipatif de l'agent. Ce raisonnement anticipatif est particulièrement intéressant dans le contexte de la ville intelligente, car il augmente le réalisme de la simulation en faisant transparaître une capacité cognitive qui est propre à l'humain. Il permet également d'améliorer le mécanisme de décision de l'agent en choisissant un comportement plus pertinent qui prend en compte le contexte d'activation temporel, spatial et social de l'agent. Il se base sur des informations sur le passé, sur le présent et sur le futur planifié, que l'agent perçoit au niveau de l'environnement temporel. La prise en compte des informations futures planifiées constitue une originalité de cette approche. Pour résumer, nos deux contributions relèvent du temps. La première concerne la représentation du temps comme un milieu d'interaction : l'environnement temporel. La deuxième concerne le raisonnement temporel : un raisonnement anticipatif basé sur la perception de l'environnement spatial, de l'environnement temporel et de l'environnement social. Plus particulièrement, nous exploitons la visibilité sur la dimension future du temps qui est permise par l'environnement temporel. Dans l'exemple du rechargement des véhicules électriques, l'intégration de notre approche permet l'optimisation de la répartition des recharges dans l'espace et dans le temps. Nous montrons cela à travers une implémentation sur un modèle de simulation appelé SkuadCityModel. Plus généralement, au niveau de la ville intelligente, l'implémentation de nos contributions permet l'optimisation de la gestion des ressources dans l'espace et dans le temps.

This book constitutes the refereed proceedings of the workshops and special session co-located with the 17th International Conference on Practical Applications of Agents and Multi-Agent Systems, PAAMS 2019, held in Ávila, Spain, in June 2019. The total of 26 full and 8 short papers presented in this volume were carefully reviewed and selected from 47 submissions. The book also contains extended abstracts of the doctoral consortium contributions. The papers in this volume stem from the following meetings: Workshop on Agents-Based Solutions for Manufacturing and Supply Chain, AMSC; Second International Workshop on Blockchain Technology for Multi-Agent Systems, BTC4MAS; Workshop on MAS for Complex Networks and Social Computation; CNSC; Workshop on Multi-Agent Based Applications for Energy Markets, Smart Grids and Sustainable Energy Systems, MASGES; Workshop on Smart Cities and Intelligent Agents, SCIA; and Workshop on Swarm Intelligence andSwarm Robotics, SISR; as well as the special session on Software Agents and Virtualization for Internet of Things, SAVIoTS.

What Is Multi Agent System A multi-agent system is a type of computerized system that is made up of numerous intelligent agents that communicate with one another. It is conceivable for multi-agent systems to solve problems that a single agent or a monolithic system would have a difficult or impossible time resolving on their own. Methodical, functional, and procedural techniques, algorithmic search, and learning through reinforcement are all examples of possible types of intelligence. How You Will Benefit (I) Insights, and validations about the following topics: Chapter 1: Multi-agent system Chapter 2: Distributed artificial intelligence Chapter 3: Software agent Chapter 4: Intelligent agent Chapter 5: Agent-based model Chapter 6: Swarm intelligence Chapter 7: Swarm robotics Chapter 8: Consensus dynamics Chapter 9: Agent-based social simulation Chapter 10: Agent mining (II) Answering the public top questions about multi agent system. (III) Real world examples for the usage of multi agent system in many fields. (IV) 17 appendices to explain, briefly, 266 emerging technologies in each industry to have 360-degree full understanding of multi agent system' technologies. Who This Book Is For Professionals, undergraduate and graduate students, enthusiasts, hobbyists, and those who want to go beyond basic knowledge or information for any kind of multi agent system.

This book constitutes revised, selected, and invited papers from the First International Workshop on Agent Based Modelling of Urban Systems, ABMUS 2016, held in conjunction with AAMAS 2016 in Singapore in May 2016. The 11 papers presented in this volume were carefully reviewed and selected from 20 submissions. They were organized in topical sections named: urban systems modeling; traffic simulation in urban modeling; and applications.