Apprentissage en univers multi-agents
Systèmes multi-agents

Il n’est pas toujours possible de définir complètement et précisément, en phase de conception, l’environnement dans lequel un agent évoluera, ni les règles de coordination d’un SMA. Il est aussi difficile d’optimiser a priori les comportements de ses agents du fait du caractère ouvert, évolutif et imprédictible de l’environnement et de la complexité des situations qu’ils peuvent être amenés à rencontrer. L’ apprentissage automatique permet à un agent de découvrir et de s’adapter progressivement à son environnement, d’être plus efficace ou d’apprendre à se coordonner avec ses accointances pour réaliser une tâche complexe. L’exemple d’une équipe de robots footballeurs est un cas où l’apprentissage permet à une équipe d’établir des stratégies, à chaque coéquipier d’apprendre à tenir un rôle (gardien, défenseur, attaquant,...