Une double approche modulaire de l'apprentissage par renforcement pour des agents intelligents adaptatifs. (A Twofold Modular Approach of Reinforcement Learning for Adaptive Intelligent Agents)

Cette these s'est interessee a deux domaines de l'intelligence artificielle : d'une part l'apprentissage par renforcement (A/R), et d'autre part les systemes multi-agents (SMA). Le premier permet de concevoir des agents (entites intelligentes) en se basant sur un signal de renforcement qui recompense les decisions menant au but fixe, alors que le second concerne l'intelligence qui peut venir de l'interaction d'un groupe d'entites (dans la perspective que le tout soit plus que la somme de ses parties). Chacun de ces deux outils souffre de diverses difficultes d'emploi. Le travail que nous avons mene a permis de montrer comment chacun des deux outils peut servir a l'autre pour repondre a certains de ces problemes. On a ainsi concu les agents d'un SMA par A/R, et organise l'architecture d'un agent apprenant par renforcement sous la forme d'un SMA. Ces deux outils se sont averes tres complementaires, et notre approche globale d'une conception “progressive” a prouve son efficacite.