Une architecture logicielle pour la modélisation et simulation orientée agents de chaînes logistiques

Transcription

1 Une architecture logicielle pour la modélisation et simulation orientée agents de chaînes logistiques Karam MUSTAPHA Domaine Universitaire de Saint-Jérôme Avenue Escadrille Normandie-Niemen MARSEILLE CEDEX 20 RÉSUMÉ. Notre recherche propose de développer une architecture logicielle pour la modélisation et simulation orientée agents de chaînes logistiques. L objectif est définir une architecture logicielle multi-modèle et multi-paradigme ainsi qu un cadre méthodologique permettant de faciliter la construction de simulation orienté agent d une chaîne logistique. Dans une première partie nous montrons notre problématique de recherche. Une deuxième partie présente plusieurs méthodologies de conceptions de système multi-agent. Une méthodologie est une démarche progressive qui commence par la définition des besoins préalables de l utilisateur pour arriver à une implémentation d un système capable de satisfaire les besoins initiaux. Enfin, une dernière partie présente notre modèle orienté agent pour la modélisation et simulation de systèmes complexes. ABSTRACT. Our research proposes to develop a software architecture for modeling and simulation agent-oriented to supply chains. The objective is to define a software architecture multi-model and multi-paradigm, and a methodological framework to facilitate the construction of simulation of a supply chain. In the first part of this paper we are showing our research problem. In the second part, we are presenting several methodolorgies for the design of multi-agent system. Methodologies are a gradual process that begins by defining the needs of the user prior to arriving at an implementation of a system capable of meeting the initial requirements.a final section presents our model for agent-oriented modeling and simulation of complex systems. MOTS-CLÉS : Simulation Orientée Agents, Systèmes Multi-Agents, Chaînes logistiques. KEYWORDS: Simulation Oriented Agents, Multi-Agent Systems, Supply Chain.

2 2 Modélisation et Simulation Orientée Agent 1. Introduction Les agents sont des entités autonomes aptes à exercer leurs fonctions sans avoir besoin d une interaction continue de la part d utilisateur. Les agents sont exploités pour la construction et ou la simulation de systèmes complexes. La simulation orientée agent (SOA - Agent Based Simulation) est aujourd hui utilisée dans un nombre croissant de domaines, citons notamment la sociologie, biologie, l économie, la physique, la chimie, l écologie et le domaine industriel. Dans tous ces domaines, elle remplace progressivement les différentes techniques de micro simulation et de simulation orientée objets. Cette tendance tout d abord est due à la capacité de la SOA à appréhender des modèles dynamiques très différents, composés d entités très simples (agents réactifs), jusqu à des entités plus complexes (sous la forme d agents délibératifs. Le concept d agent permet d abord de développer des modèles qui ont le principal intérêt d être exécutés (simulés) permettant l étude du comportement du système complexe modélisé, et donc de sa dynamique, résultant des comportements des agents en interaction. Un autre intérêt de la SOA, souvent mis en avant par rapport aux automates cellulaires, est la facilité avec laquelle elle permet à un modélisateur de manipuler différents niveaux de représentation, par exemple individus et groupe d individus. Le paradigme agent permet ainsi de modéliser et de simuler de manière distribuée, selon différents niveaux décisionnels, le comportement d une chaîne logistique. Les chaînes logistiques sont de plus en plus complexes et nécessitent en conséquence une multimodélisation avec l utilisation de différents formalismes ou paradigme de représentation. L intégration de ces modèles, ainsi que l interopérabilité de leur simulation, dans un même environnement informatique sont des problèmes complexes que l architecture logicielle envisagée devra assurer. L architecture devra d une part permettre de simuler à la fois des processus décisionnels associés à chacun des acteurs de la chaîne ainsi que les échanges d informations et de connaissances entre ces acteurs, c est l aspect décisionnel. Ces échanges permettront la coordination de la chaîne, selon une politique qui sera au préalable définie. D autre part l architecture devra aussi permettre de simuler la réalisation des opérations, qui sont sous la responsabilité de chacun des acteurs de la chaîne, tant les acteurs primaires participant à l augmentation de valeur et par là même à l élaboration du produit que pour les acteurs secondaires, comme ceux assurant le transport, c est l aspect opérationnel. Pour cela une architecture à base d agents hybrides ou une architecture hybride d agents sera envisagée, faisant coopérer des agents de types cognitifs pour l aspect décisionnel et des agents réactifs pour l aspect opérationnel. Notre contribution est de définir une architecture logicielle multi-modèle et multiparadigme ainsi qu un cadre méthodologique permettant de faciliter la construction de simulation d une chaîne logistique. Dans ce qui suit, nous définissons notre problématique de recherche (voir section 2). Ensuite nous présentons des méthodologies qui peuvent être utilisées pour la simulation orienté agent (SOA) (voir section 3). Après, nous présentons notre contribution (voir section 4). Enfin nous clôturons par une conclusion et des perspectives éventuelles.

3 JDL Journées des doctorants du LSIS, Giens 3 2. Problématique Dans [1], LABARTHE propose une démarche de modélisation qui repose sur une approche incrémentale selon laquelle différents modèles sont élaborés. Le système réel est tout d abord représenté par une approche de modélisation liée au domaine de l étude de chaînes logistiques. Ensuite, il s agit pour le modélisateur, de traduire le modèle de domaine en un modèle conceptuel. Ce dernier propose une organisation multi-agents sur la base des observables qui précisent la nature des comportements à simuler. Il s agit alors de spécifier les agents définis au niveau conceptuel afin de les rendre opérationnel. Ce modèle opérationnel constitue une solution d implémentation du modèle conceptuel, que l informaticien permet de rendre exécutable. Figure 1. Cadre méthodologique pour la modélisation et la simulation orientée agents Les différents modèles et les phases de transition pour la modélisation et la simulation orientée agents au travers du cadre méthodologique sont présentés à la figure 1. Notre problématique de recherche porte sur la modélisation et la simulation de chaînes logistiques soumises à la dynamique de l environnement. Notre travail de recherche se focalise sur la partie modélisation conceptuelle et opérationnelle. Les observables, potentiellement liés à la structure organisationnelle du système réel, ne sont pas explicitement représentés dans le modèle opérationnel. Si l on veut que dans le système multi-agents les informations soient explicites, il faut donc les décrire aux niveaux précédents (niveau conceptuel et opérationnel). Ensuite, un deuxième objectif de notre travail consiste à proposer un modèle opérationnel suffisamment ouvert sur différentes plateformes logicielles avec des facilités de traduction vers l implémentation. Cela suppose une architecture logicielle multi-modèle et multi-paradigme ainsi qu un cadre méthodologique permettant de faciliter la construction de simulation d une chaîne

4 4 Modélisation et Simulation Orientée Agent logistique. Nous étudions dans la section suivante l ensemble des approches, des concepts, des modèles pour la simulation multi-agents. 3. Méthodologies multi-agents Une méthodologie est une démarche progressive qui commence par la définition des besoins préalables de l utilisateur pour arriver à une implémentation d un système capable de satisfaire les besoins initiaux.[2] Un méthodologie se doit de fournir un ensemble approprié d abstractions pour identifier, formuler et décrire un problème ainsi que sa solution éventuelle. Cette section présente les différentes méthodologies de conception de système multi-agent : GAIA, AGR, ADELFE, CRIO et travail d Olivier LABARTHE. Nous détaillons pour chaque méthodologie : les méta-modèles qui regroupent les concepts qu elle représente, son processus de développement, une description des éventuels techniques et outils, qu elle propose pour la phase d implémentation Méthodologie GAIA GAIA est une méthodologie multi-agents la plus connues, mais elle ne couvre que les phases d analyse et de conception.[3],[4]. Concepts : Cette méthodologie est conçue, comme l illustre la figure 2, à partir d analyse du système selon 2 couches. La première couche représente le processus d analyse et la deuxième la phase de conception. Le processus d analyse est découpé en deux phases : phase de définition des rôles (roles model) et phase de définition des interactions (interactions model). Un rôle est défini comme une description abstraite de la fonction qu une entité peut avoir au sein d un système. Chaque rôle est décrit par :(1) des permissions qui identifient les ressources que le rôle a la possibilité d utiliser, (2) des responsabilités qui définissent les fonctionnalités du rôle, et donc ce qu il est capable de réaliser, (3) des protocoles qui symbolisent les interactions entre les rôles. Ils sont conçus dans la phase de définition des interactions. La couche de conception est décrite en trois modèles : celui des agents (agent model), celui des services (services model) et celui des accointances (acquaintance model). Elle est définie à partir de la couche précédente. L agrégation des rôles permet de définir les agents. L agent possède ainsi les permissions, les responsabilités et les protocoles de chacun des rôles agrégés. Les services énumère, les différents services assurés par chaque rôle. Enfin, les accointances déterminent par des graphes, les voies de communications possibles entre les agents en s appuyant principalement sur les protocoles.

5 JDL Journées des doctorants du LSIS, Giens 5 Figure 2. Méthodologie GAIA Structure du système : GAIA ne facilite pas la modélisation d un système à plusieurs niveaux d abstraction et le raffinement de ses composantes de manière itérative. Ceci est en partie dû au fait qu elle n autorise pas une décomposition récursive du système. Les rôles sont en effet des entités atomiques situées à un niveau d abstraction donné et aucun mécanisme de composition des rôles n est explicité. Relation Système-Environnement : Les informations relatives à l environnement sont implicitement traduites dans les droits et les protocoles des rôles. GAIA ne fournit pas de modèle complet de l environnement ce qui la rend inappropriée pour modéliser des applications en environnement hétérogène et dynamique.[5]. Respect des standards : La modélisation dans GAIA est associée aux langages AUML et UML. Outils et Implantation : GAIA n adresse pas la phase d implantation, et ne fournit par conséquent aucune ligne méthodologique sur cet aspect Méthodologie AGR AGR est davantage un méta-modèle qu une véritable méthodologie. Il se concentre essentiellement sur les aspects de conception. Aucun processus de développement ne lui est véritablement associé.[6][7][8][16]. Concepts : AGR est un méta-modèle organisationnel pour les SMA. Les concepts sont introduits dans le diagramme UML présenté sur la Figure 3. Les concepts d agent, de groupe et de rôle en constituent la base. Dans le méta-modèle AGR, deux niveaux d abstraction organisationnel sont pris en compte : l organisation et le groupe. Le groupe représente un ensemble d agents partageant certaines caractéristiques communes. Un rôle est la représentation abstraite de la position fonctionnelle d un agent dans un groupe et un agent est une entité active, communicante, capable de jouer plusieurs rôles dans différents groupes. Deux agents ne peuvent communiquer que s ils appar-

6 6 Modélisation et Simulation Orientée Agent Figure 3. Méta-modèle AGR tiennent à un groupe commun. Le principe de l approche méthodologique associée, consiste à identifier les principaux groupes de l application de sorte à déterminer la structure organisationnelle générale du système. Les aspects liés à la dynamique de cette structure, tels que la création dynamique des groupes ou encore la gestion de l accès et de l exclusion des agents au sein des groupes, sont ensuite spécifiés. Structure du système : AGR ne supporte pas la composition d agents ou la notion de holon. En revanche l approche organisationnelle qu il adopte, permet de modéliser un système à différents niveaux d abstraction, même si le méta-modèle AGR ne fournit pas explicitement les outils nécessaires pour la définition des contributions entre des organisations situées à des niveaux d abstraction différents. Relation Système-Environnement : AGR ne fournit pas de moyens pour modéliser l environnement et identifier la limite entre le système et l environnement. Respect des standards : La modélisation dans GAIA est associée aux langages UML. Outils et Implantation : AGR est associé à la plate-forme d implantation Madkit qui fournit les concepts de base nécessaires à l implantation du modèle organisationnel.[9] Méthodologie ADELFE ADELFE (Atelier de Développement de Logiciels à Fonctionnalité Émergente).[10][11]. ADELFE est une méthodologie spécialisée dans l étude des aspects adaptatifs et auto-organisateurs des SMA. Les concepts dans ADELFE sont introduits dans le diagramme UML présenté sur la Figure 4. ADELFE est une méthodologie coopérative, l agent coopératif est basé sur la perception de l environnement, la connaissance et de croyances. L agent a des caractéristiques qui sont des propriétés physiques. Une caractéristique peut être quelque chose que l agent peut faire pour changer ou mettre à jour ses propriétés. Chaque agent possède des représentations du système qui

7 JDL Journées des doctorants du LSIS, Giens 7 Figure 4. Méthodologie ADELFE correspond à des croyances au sujet des autres agents, de l environnement physique qui l entoure et de lui même. Ces représentations permettent à l agent de définir son comportement. Un agent peut communiquer avec les autres agents ou avec son environnement. La communication directe avec les agents fait appel aux patterns des protocoles d interaction. L agent possède un ensemble de compétences et d aptitudes, les compétences étant des connaissances particulières lui permettant de réaliser une fonction. L activité de l agent, basée sur un ensemble de règles de coopération qui lui permettent d identifier et de résoudre des situations non coopératives. Concepts : ADELFE n est pas une méthodologie organisationnelle, l organisation du SMA n est pas explicitement spécifiée. Elle demeure essentiellement centrée sur le concept d agent. Structure du système : ADELFE ne permet pas la modélisation d un système à différents niveaux d abstraction. Son processus de structuration du système est directement inspiré de l orienté-objet. Il est basé sur l exploitation des diagrammes de cas d utilisation et de séquence. Relation Système-Environnement : Dès l analyse des besoins, ADELFE consacre une activité de son processus à la caractérisation de l environnement du système et à l identification des principales entités qui le composent ainsi qu à la description de leur interaction avec le système. Respect des standards : La modélisation dans ADELFE repose sur les langages de modélisation UML et AUML. Outils et Implantation : Le travail de conception au sein d ADELFE est assisté par l outil "OpenTool".[12] Méthodologie CRIO La méthodologie CRIO cherche à exploiter les propriétés hiérarchiques des systèmes complexes pour les analyser et les modéliser.[13] Concepts : La méthodologie CRIO adopte une approche organisationnelle dont la notion de comportement est l abstraction qui en constitue la base. CRIO est un

8 8 Modélisation et Simulation Orientée Agent méta-modèle organisationnel destiné à la modélisation de systèmes complexes ouverts et de grande échelle. Un méta-modèle se doit de définir de manière exhaustive l ensemble des concepts manipulés dans le processus de développement. Le méta-modèle CRIO est issu de l intégration et l extension de deux méta-modèles existants. Le premier RIO a été proposé dans [14] et fut conçu pour la modélisation organisationnelle de systèmes multi-agents non hiérarchiques. Le second est le "framework" générique pour la modélisation de systèmes multi-agents holoniques proposé dans [15]. RIO tire son nom des trois principaux concepts sur lesquels il repose : Rôle, Interaction, et Organisation. CRIO, quant à lui précise et redéfinit certains des concepts précédemment introduits dans RIO et leur adjoint celui de Capacité. Structure du système : CRIO supporte la composition ou la notion de holon. En revanche l approche organisationnelle qu il adopte, permet de modéliser un système à différents niveaux d abstraction. Relation Système-Environnement : CRIO distribuer le point de vue adopté sur l environnement facilite la distribution des applications dans des environnements hétérogènes et distribués. Respect des standards : La modélisation dans CRIO repose sur les langages de modélisation UML. Outils et Implantation : CRIO n adresse pas la phase d implantation, et ne fournit par conséquent aucune ligne méthodologique sur cet aspect. 4. Cadre Méthodologique [Olivier LABARTHE] Olivier LABARTHE [1] propose un cadre méthodologique orienté agents pour la modélisation et simulation de chaîne logistique. Ce cadre est structuré selon trois niveaux : un modèle de domaine, modèle conceptuel et modèle opérationnel. La modélisation orientée agents de la chaînes logistique repose sur la transformation du modèle de domaine. Les éléments du modèle de domaine sont représentés dans le modèle conceptuel par des agents et des objets. Il s agit de spécifier les agents au niveau conceptuel afin de les rendre opérationnel. La transformation des éléments selon deux types d agents d un niveau conceptuel : l Agent-Acteur et l Agent-Activité. L Agent- Acteur représente un centre NetMan (Networked Manufacturing) et l Agent-Activité représente un processus de transformation de distribution ou de stockage réalisé par un Agent-Acteur. A travers la phase de spécification l informaticien transforme les agents conceptuels sur la base d architectures d agents adaptées à la modélisation opérationnelle. Cette phase repose sur la définition des processus décisionnels et opérationnels. Chaque agent conceptuel est représenté par un modèle d agent composé de deux architectures logicielles d agents : les agents cognitifs et les agents réactifs. Le modèle de l Agent Acteur représente un acteur du système réel, par son aspect comportemental, par son rôle social et par les responsabilités qu il exerce au sein de l organisation.[1] Le modèle de l Agent Acteur définit une relation de dépendance entre deux ou plusieurs agents. Il compose deux types d agents caractérisés par une

9 JDL Journées des doctorants du LSIS, Giens 9 structure interne et des fonctionnalités différentes. Un Agent Acteur en représenté par un seul agent cognitif ou bien par un seul agent réactif selon les spécificités et les caractéristiques du système à simuler. La Figure 5 montre l Architecture du modèle de l Agent Acteur. Figure 5. L Architecture du modèle de l Agent Acteur [Olivier LABARTHE] Concepts : L Agent-Acteur est une méthodologie organisationnelle. Elle demeure essentiellement centrée sur le concept d agent. Structure du système : Le modèle de l Agent Acteur permet de représenter les comportements des agents d un point de vue local et d un point de vue social. Le niveau local recouvre les comportements individuels de l agent mis en oeuvre pour l atteinte de ses objectifs propres. Le niveau social concerne les comportements collectifs des agents pour la réalisation d objectifs communs. Relation Système-Ennironnement : Le modèle de l Agent Acteur repose sur une architecture d agent particulière pour la réalisation du système multi-agents. La conception du système multi-agents découle de la phase d implémentation. Cette phase nécessite le recours à des environnements informatiques adaptés pour le développement des modèles d agents et de l organisation multi-agents. Respect des standards : Le modèle de l Agent Acteur est défini en tant que composition d agents élémentaires en interactions. Dans le modèle Agent Acteur il y a deux formalismes de spécification des comportements. Les comportements des agents réactifs sont spécifiés à l aide du langage de modélisation AUML. Les comportements des agents cognitifs sont spécifiés à l aide de formalisme RCA. Outils et Implantation : Agent Acteur est associé à la plate-forme d implantation MAJORCA et ANYLOGIC. 5. Vers une cadre méthodologique et une architecture logicielle pour la simulation de chaînes logistiques 5.1. Force et faiblesse des méthodologies existantes Dans cette section nous établissons une comparaison entre les principales méthodologies multi-agents existantes, et plus particulièrement celles qui intègrent la phase

10 10 Modélisation et Simulation Orientée Agent d implémentation. Il s agit d analyser ces méthodes au vu des besoins méthodologique, de modélisation et de traduction sur un environnement logiciel que requiert la simulation multi-niveau, multi-paradigme d une Chaîne Logistique. Pour cela, nous nous sommes appuyés sur un ensemble de critères de comparaison qui réponde au besoin de la simulation de chaînes logistiques, pour définir un modèle de modélisation et simulation orientée agent. Ces critères sont les suivants : Couverture du cycle de vie : Il vise à déterminer si le modèle de processus de développement utilisé est clairement défini, ainsi si la méthodologie étudiée couvre l intégralité du cycle de vie du logiciel de simulation orienté agent. - Analyse : Cela définit les exigences du système. - Conception : Durant cette phase, il s agit de définir tous les rôles impliqués, en particulier, comment les différents rôles seront utilisés, quels services doivent être fournis, et enfin quels sont les liens entre ces différents éléments et la manière dont ils seront pris en charge. - Concept : Focalise sur l étude du méta-modèle et des abstractions sous-jacentes. Il vise notamment à déterminer si ce méta-modèle supporte la notion de composition d agent et si la méthodologie adopte une approche organisationnelle pour l étude du système. - Modèles coopératifs : La structure de l agent coopératif est basée sur des connaissances et des croyances obtenues par la perception de l environnement, y compris les autres agents. Ensuite, les agents peuvent coopérer et refléter les comportements complexes du système réel. - Structure du système " Modèle multi-niveaux " : S intéresse à la modélisation de la structure du système. Elle se charge également de déterminer si l approche utilisée autorise ou non la modélisation d un système à un nombre arbitraire de niveaux d abstraction, ainsi que si elle offre un large panel de structures possibles pour le système. - Environnement : Ne traite pas de la modélisation de l environnement proprement dit, mais il cherche en revanche à déterminer comment l approche étudiée permet de caractériser la limite entre le système et son environnement. - Environnement de développements : Vise à déterminer la plate-forme utilisée dans chaque approche. - Notation graphique : S attache à déterminer si l approche étudiée s inscrit dans les standards actuels, notamment concernant la description de son processus et les langages de modélisation utilisés pour décrire ses produits. Toutes les approches utilisent les rôles afin de promouvoir la souplesse du processus de développement, même des différents niveaux. La plupart de celles-ci exploitent les rôles pour séparer clairement les questions relatives à la vie de l agent, tel que comme la mobilité, de questions liées à son socialité, comme l interaction des pro-

11 JDL Journées des doctorants du LSIS, Giens 11 tocoles. Toutes ces méthodologies ne propose pas d utiliser les modèles conceptuels pour obtenir une implémentation dans une plate-forme donnée. GAIA AGR ADELFE CRIO Couverture du cycle de vie Analyse, C. Analyse, C. Conception Conception Modèle organisationnels Oui Oui Non Oui Modèle Coopératifs Non Non Oui Non Notation graphique UML-AUML UML UML-AUML UML Modèle multi-niveaux Oui Oui Non Oui Prise en compte de l Env. Oui Oui Oui Oui Environnement de développements Non Oui "Madkit" Oui "ADELFE" Non Support méthodologique Moyen Moyen - - Gestion du temps Non Oui " Dans MI- Non Non MOSA" Tableau 1. Comparaison entre les méthodologies Les limites de ces méthodologies peuvent être synthétisées par les points suivants : - l absence d une démarche qui assure le passage du niveau conceptuel vers le niveau d implémentation ; - le passage de la conception à l implémentation est coûteux en temps et en efforts de développement ; - l organisation ; - multi-modélisation Propositions Un méta-modèle doit définir de manière exhaustive l ensemble des concepts manipulés dans le processus de développement. Nous proposons de définir un méta-modèle orienté agent en s appuyant sur les méthodologies existantes cités dans les paragraphes 3 et 4. Tout d abord, notre méta-modèle étend le modèle Agent Acteur. Nous essayons d apporter un support méthodologique plus fort par rapport aux autres méta-modèle. Nous avons intégré la notion de groupe comprise dans AGR qui permet d intégrer à un niveau opérationnel la notion d hybridation. Ainsi, nous avons également retenue le modèle coopératif dans le méthodologie ADELFE, pour assurer la négociation entre les agents dans un système complexe. Enfin, nous avons utilisé le modèle CRIO [13][14][15] qui permet d écrire un méta-modèle organisationnel destiné à la modélisation de systèmes complexes. Il s agit de préciser un certain nombre de propriété au niveau conceptuel qui pourront défini notamment, la structure organisationnelle au niveau conceptuel qu on puisse en tenir en compte lors de la traduction en un modèle opérationnel. Pour cela, nous avons

12 12 Modélisation et Simulation Orientée Agent proposé une approche qui s appuie sur un méta-modèle pour la modélisation et la simulation de système complexe. Notre modèle, se concentre essentiellement sur des aspects de conception et d analyse. Les concepts sont introduits dans le diagramme UML présenté dans la figure 6. Ils intègrent les notions de groupe, rôle, interaction, service et dépendance. Le groupe représente un ensemble d agents. Différents types de groupe peuvent être distingués, à savoir : des groupes de même niveau et des groupes transversaux (Groupe entre plusieurs niveaux). Le rôle représente le concept joué dans chaque groupe. Les agents seront déterminés en regroupant les rôles et les services (GAIA). En ce qui concerne la dépendance entre les groupes, plusieurs types de dé- Figure 6. Le méta-modèle orienté agent proposé pour la modélisation et la simulation de CL pendance peuvent être représentés, notamment : Abstraction, Utilisation, Instanciation, Réalisation, et Substitution. Elles seront utilisées lors de la phase de traduction. Par exemple, si les plates-formes MAJORCA et ANYLOGIC, la dépendance X pourra aider à projeter les agents d un groupe sur ces 2 environnements. 6. Conclusion et perspectives Notre travail de recherche consiste à proposer une démarche de modélisation s appuyant sur le paradigme agent pour la simulation de chaînes logistiques. Ceci nous a conduit a proposer un modèle conceptuel pour la modélisation et simulation orientée agent de chaînes logistiques. Ce modèle, noté modèle orienté agent, s est concentré essentiellement sur des aspects de conception et d analyse. Nous comptons dans nos travaux futurs proposer une architecture logicielle pour supporter la transformation du modèle conceptuel général en un modèle opérationnel. Cette architecture peut être vue comme l interaction entre différentes plateformes de simulation, une intersection qui pourra être résolue de deux manières différentes : par des signaux et par un médiateur.

13 JDL Journées des doctorants du LSIS, Giens Bibliographie [1] O. LABARTHE, Modélisation et simulation orientées agents de chaînes logistiques dans un contexte de personnalisation de masse : modèles et cadre méthodologique. [2] T. Jarraya, Réutilisation des protocoles d interaction et Démarche orientée modèles pour le développement multi-agents. : Thèse, Université de Reims, [3] M. Wooldridge et al., The GAIA methodology for agent-oriented analysis and design. Autonomous Agents and Multi-Agent Systems, [4] F. Zambonelli et al., Developing multiagent systems : the GAIA methodology. : ACM Trans. on Software Engineering and Methodology, 12(3), [5] Thomas Juan et al., Extending the GAIA methodology for complex open systems. : ROADMAP : Extending the GAIA methodology for complex open systems, [6] J. Ferber et al., From agents to organizations : an organizational view of multi-agent systems In Agent-Oriented Software Engineering IV 4th International Workshop, volume 2935 of LNCS, pages , Melbourne, Australia, mar Springer Verlag. [7] J. Ferber and O. Gutknecht, A meta-model for the analysis and design of organizations in multiagent systems. In Y. Demazeau, E. Durfee, and N.R. Jennings, editors, Third International Conference on Multi-Agent Systems (ICMAS), Paris, France, july [8] J. Ferber and O. Gutknecht., Proposition d un modèle organisationnel générique de systèmes multi-agents et examen de ses conséquences formelles, implémentatoires et méthodologiques. PhD thesis, Université du Languedoc, september [9] O. Gutknecht and J. Ferber., Madkit : a generic multi-agent platform. : autonomous agents. In AGENTS 2000, pages 78-79, Barcelona, ACM Press. [10] C. Bernon et al., ADELFE, a methodology for adaptive multi-agent systems engineering. : In Third International Workshop Engineering Societies in the Agents World (ESAW), Madrid, Spain, September Springer-Verlag. [11] G. Picard,2004. Méthodologie de développement de systèmes multi-agents adaptatifs et conception de logiciels à fonctionnalité émergente. : PhD thesis, Toulouse III, [12] M-P. Gleizes et al., OpenTool, outil pour la réalisation de systèmes multi-agents adaptatifs dans le cadre de la méthode ADELFE. : TSI, [13] Nicolas A. GAUD, Systèmes multi-agents holoniques : de l analyse à l implantation. Méta-modèle, méthodologie, et simulation multi-niveaux. : Thèse, UTBM, [14] V. Hilaire, Vers une approche de spécification, de prototypage et de vérification de Systèmes Multi- Agents. : PhD thesis, UTBM, [15] S. Rodriguez, From analysis to design of Holonic MAS : A Framework, Methodological Guidelines and Applications. : PhD thesis, UTBM, December [16] J. Ferber et al, Towards an integral approach of organizations in multi-agents systems : the MASQ approach : Semantics and dynamics of organizationel models in Virginia Dignum(ED), March 2009.