Décision et planification dans l'incertain

Ce double numero special de la revue RIA rassemble des travaux francophones sur le theme general de l'utilisation des Processus de Decision Markoviens (PDM) en Intelligence Artificielle (IA). Ce domaine est aujourd'hui tres actif du fait de ses nombreuses applications en planification dans l'incertain et en apprentissage par renforcement, dans des contextes aussi divers que la robotique (planification des actions d'un agent mobile autonome dans un contexte mal connu), les agents adaptatifs (recherche ou simulation de comportements intelligents), mais aussi le controle automatique de processus de production ou de gestion de stocks. Les PDM proposent un cadre formel pour determiner des strategies optimales de selection d'actions pour parvenir a un but donne dans un contexte ou les consequences des actions sont incertaines. La resolution d'un PDM « classique » (observabilite totale, incertain probabiliste, recompenses scalaires additives, critere de l'utilite esperee) consiste a determiner, a un horizon donne, une politique maximisant l'esperance d'une recompense globale (ou minimisant l'esperance d'un cout global), ce qui se fait generalement par programmation dynamique. [...]