. Ubiquity, Ubiquity offre des outils d'interaction aux agents. Pour cela, un agent est représenté par cinq supports. Ce sont : le Mailbox pour l'échange de message, l'Alias pour l'identité, le State pour l'état, le Skill pour les compétences, et l'Activity pour les activités. Ces supports encore appelés "facette" décrivent un agent dans l'espace d'interaction sociale, nous nous intéressons particulièrement aux comportements. Au lieu d'utiliser ces 5 facettes, nous en utilisons principalement deux : Alias, et Skill et Mailbox. L' objectif du comportement est décrit dans Skill. Le Mailbox intervient dans la réception et l'envoi des messages

D. Ubiquity, Pour cela, la librairie offre deux interfaces spécifiques pour cette interaction : Avatar et Participant. -L'interface Avatar représente l'ensemble des facettes définissant l'agent. Un agent est donc représenté par un et un seul Avatar dans le space, Nous avons ici le même image que comme au sein d'un réseau social où les utilisateurs interagissent en utilisant un avatar virtuel

. -l', interface Participant donne l'accès en lecture des information décrites dans l'avatar. Ses méthodes retournent par exemple les valeurs associées aux Skill

, interaction ne se limite pas uniquement à la communication explicite comme dans d'autres architectures logiciels tels que Corba, JavaSpace, ou Erlang. L'interaction inclut ici à la fois les interactions explicites, comme l'échange de message, et les interactions implicites résultants de la propagation d

, Dans le cas d'une interruption de connexion du réseau physique, l'espace d'interaction sociale sera partitionné. Les partitions fusionnent ensuite pour former un espace unique une fois que la connexion est rétablie. Une autre particularité de cet espace est qu'il n, La topologie de cet espace est dynamique et supporte l'ajout et la suppression de noeuds du réseau à tout instant

, Apports en méthodologie La contribution de cette thèse se présente sur différents aspects : modèle, système et méthodologies. L'aspect modèle est au premier plan puisqu'il constitue la base de la contribution. En outre, la contribution présente également un aspect système avec les propositions d'implémentation vues dans le chapitre 6. Ce qui constitue la base du logiciel qui va supporter le modèle. Toutefois, l'ensemble de ces deux aspects rassemblés nous apporte une importante contribution en termes de méthodologies. Ces apports marquent l'originalité de notre contribution

, La première consiste à séparer d'un côté les comportements et de l'autre côté les contraintes extérieures relatives à leur exécution. Cela favorise la réutilisation des comportements dans d'autres contextes. Pareillement, les règles relatives à ces contraintes extérieures sont réutilisables pour d'autres comportements exploitant le même environnement. La deuxième méthodologie est une nouvelle solution pour l'Action Selection Problem (l'ASP). Par la prise en compte du contexte courant du cadre opératoire et l'ajustement du comportement qui s'en suit, nous apportons une nouvelle méthode de sélection d'actions qui s'ajoute aux méthodes classiques d'arbitrage et de fusion. Nous décrivons ces deux méthodologies dans la section 3.5. Nous les montrons ensuite à travers le code de notre agent dans l'implémentation dans la section 6.3. Prévention des erreurs Notre contribution apporte une méthodologie pour la prévention des erreurs, Gestion de comportements Notre contribution apporte deux méthodologies pour la gestion de comportements, d'autant plus que notre approche est orientée comportement

. Dans, N. Stuart-anderson, A. Bredeche, G. Eiben, M. Kampis et al., 2. C'est pour cela qu'au lieu de les identifier, nous choisissons plutôt de nous focaliser sur la sureté de l'exécution et des interfaces d'action. Nous avons le contrôle sur ces éléments, ce qui n'est pas le cas pour les éventuelles situations possibles. Cela implique que nous pouvons identifier les conditions et règles garantissant cette sureté. Ce qui réduit considérablement les cas à prendre en compte. De cette manière, quelles que soient les perturbations du cadre applicatif, l'exécution demeure dans un état favorable. L'adaptation que nous obtenons est alors une prévention des situations néfastes et un ajustement de la future décision en conséquence, Adaptive Collective Systems Herding black sheep. BookSprints for ICT research, 2013.

C. Armbrust, L. Kiekbusch, and K. Berns, Using behaviour activity sequences for motion generation and situation recognition, ICINCO 2011 -Proceedings of the 8th International Conference on Informatics in Control, Automation and Robotics, vol.2, pp.120-127, 2011.

C. Bernon, V. Camps, M. Gleizes, and G. Picard, Engineering Self-Organising Systems, Nature-Inspired Approaches to Software Engineering [revised and extended papers presented at the Engineering Self-Organising Applications Workshop, ESOA, AAMAS 2003 in, vol.2977, pp.283-298, 2003.

A. Brunete, M. Hernando, E. Gambao, and J. E. Torres, A behaviour-based control architecture for heterogeneous modular, multi-configurable, chained micro-robots, Robotics and Autonomous Systems, vol.60, issue.12, pp.1607-1624, 2012.

R. A. Brooks, A robust layered control system for a mobile robot, IEEE J. Robotics and Automation, vol.2, issue.1, pp.14-23, 1986.

L. Bourgois, J. Saunier, and J. Auberlet, Towards contextual goal-oriented perception for pedestrian simulation, ICAART 2012 -Proceedings of the 4th International Conference on Agents and Artificial Intelligence, vol.2, pp.197-202, 2012.
URL : https://hal.archives-ouvertes.fr/hal-00878541

G. +-09]-yuriy-brun, . Di-marzo, C. Serugendo, H. Gacek, H. Giese et al., Engineering self-adaptive systems through feedback loops, Software engineering for self-adaptive systems, pp.48-70, 2009.

F. Castanedo, J. García, M. A. Patricio, and J. M. Molina, A multi-agent architecture based on the BDI model for data fusion in visual sensor networks, Journal of Intelligent and Robotic Systems, vol.62, issue.3-4, pp.299-328, 2011.

G. Cabri and E. Hart, Introduction to the special issue on collective adaptive systems, Scalable Computing : Practice and Experience, vol.16, issue.3, 2015.

T. Chen, A self-adaptive agent-based fuzzy-neural scheduling system for a wafer fabrication factory, Expert Syst. Appl, vol.38, issue.6, pp.7158-7168, 2011.

E. F. Codd, The Relational Model for Database Management, Version 2, 1990.

M. +-15]-francesco-colace, V. De-santo, A. Moscato, F. A. Picariello, L. Schreiber et al., Pervasive Systems Architecture and the Main Related Technologies. Data-Centric Systems and Applications, 2015.

S. G. Simon-dobson, A. Denazis, D. Fernández, E. Gaïti, F. Gelenbe et al., A survey of autonomic communications, TAAS, vol.1, issue.2, pp.223-259, 2006.

, Alois Ferscha. Pervasive computing, 2009.

J. Ferber, O. Gutknecht, and F. Michel, From agents to organizations : An organizational view of multi-agent systems, Agent-Oriented Software Engineering IV, 4th International Workshop, vol.2935, pp.214-230, 2003.
URL : https://hal.archives-ouvertes.fr/lirmm-00269681

. Springer, , 2003.

J. Ferber and J. Müller, Influences and reaction : a model of situated multiagent systems, Proceedings of Second International Conference on Multi-Agent Systems (ICMAS-96), pp.72-79, 1996.

O. Gutknecht and J. Ferber, The MADKIT agent platform architecture, Infrastructure for Agents, Multi-Agent Systems, and Scalable Multi-Agent Systems, International Workshop on Infrastructure for Multi-Agent Systems, vol.1887, pp.48-55, 2000.

N. +-14]-stéphane-galland, S. Gaud, F. Rodriguez, G. Balbo, O. Picard et al., Contextualiser l'interaction entre agents en combinant dimensions sociale et physique au sein de l'environnement, Principe de Parcimonie -JFSMA 14 -Vingt-deuxièmes Journées Francophones sur les Systèmes Multi-Agents, pp.65-74, 2014.

Y. Gangat, D. Payet, and R. Courdier, Another step toward reusability in agent-based simulation : Multi-behaviors & amvc, IEEE 24th International Conference on Tools with Artificial Intelligence, vol.2012, pp.1112-1119, 2012.
URL : https://hal.archives-ouvertes.fr/hal-01187217

S. Gottifredi, M. Tucat, D. Corbata, A. J. García, and G. R. Simari, A BDI architecture for high level robot deliberation, vol.14, pp.74-83, 2010.

D. Hanon, Modèle décisionnel orienté comportement fondé sur le vote : Application à la navigation d'agents autonomes en environnement simulé. (Behavior based decisional model using vote : Application to the autonomous navigation in simulated environments), 2006.

, Decentralized control of automatic guided vehicles : applying multi-agent systems in practice, 2008.

S. Hassas, Systèmes complexes à base de Multi-Agents situés, 2003.

D. Hanon and E. Strugeon, Sélection d'actions en environnement continu et dynamique par vote de comportements, Les Modèles de Comportements -JFSMA 07 -Quinzièmes Journées francophones sur les systèmes multi-agents, pp.223-232, 2007.

D. Hanon, E. Grislin-le-strugeon, and R. Mandiau, A behaviour based decisional model using vote, 2005 International Conference on Computational Intelligence for Modelling Control and Automation (CIMCA) 2005, International Conference on Intelligent Agents, Web Technologies and Internet Commerce (IAWTIC), pp.39-44, 2005.

F. Jacques, Les systèmes multi-agents, vers une intelligence collective, InterEditions, 1995.

O. Jeffrey, D. M. Kephart, and . Chess, The vision of autonomic computing, IEEE Computer, vol.36, issue.1, pp.41-50, 2003.

N. Kaldé, F. Charpillet, and O. Simonin, Comparaison de stratégies d'exploration multi-robot classiques et interactives en environnement peuplé, Principe de Parcimonie -JFSMA 14 -Vingt-deuxièmes Journées Francophones sur les Systèmes Multi-Agents, Loriol-sur, pp.75-84, 2014.

. Venkateswara-rao-komma, K. Pramod, N. Jain, and . Mehta, An approach for agent modeling in manufacturing on jade? reactive architecture, The International Journal of Advanced Manufacturing Technology, vol.52, issue.9, pp.1079-1090, 2011.

Y. Kubera, P. Mathieu, and S. Picault, IODA : an interactionoriented approach for multi-agent based simulations, Autonomous Agents and Multi-Agent Systems, vol.23, issue.3, pp.303-343, 2011.
URL : https://hal.archives-ouvertes.fr/hal-00825534

. +-15]-christian, F. M. Krupitzer, S. Roth, G. Vansyckel, C. Schiele et al., A survey on engineering approaches for selfadaptive systems, Pervasive and Mobile Computing, vol.17, pp.184-206, 2015.

A. Liekna, E. Lavendelis, and A. Nikitenko, Challenges in development of real time multi-robot system using behaviour based agents, Distributed Computing and Artificial Intelligence -10th International Conference, DCAI 2013, vol.217, pp.587-595, 2013.

G. Morvan, D. Dupont, J. Soyez, and R. Merzouki, Engineering hierarchical complex systems : An agent-based approach. the case of flexible manufacturing systems, Service Orientation in Holonic and Multi-Agent Manufacturing Control, vol.402, pp.49-60, 2012.

[. Bibliographie, J. Mansour, and . Ferber, Un modèle organisationnel pour les systèmes multi-agents ouverts déployés à grande échelle

, Les Modèles de Comportements -JFSMA 07 -Quinzièmes Journées francophones sur les systèmes multi-agents, pp.107-116, 2007.

F. Michel, A. Gouaich, and J. Ferber, Weak interaction and strong interaction in agent based simulations, Multi-Agent-Based Simulation III, 4th International Workshop, vol.2927, pp.43-56, 2003.
URL : https://hal.archives-ouvertes.fr/lirmm-00269715

. Springer, , 2003.

D. Frank, R. E. Macías-escrivá, . Haber, M. Raúl, V. Del-toro et al., Self-adaptive systems : A survey of current approaches, research challenges and applications, Expert Syst. Appl, vol.40, issue.18, pp.7267-7279, 2013.

D. Payet and . Meca, , 2016.

D. Payet, R. Courdier, N. Sébastien, and T. Ralambondrainy, Environment as support for simplification, reuse and integration of processes in spatial MAS, Proceedings of the 2006 IEEE International Conference on Information Reuse and Integration, IRI -2006 : Heuristic Systems Engineering, pp.127-131, 2006.

. Pdm-+-99]-enrico, . Pagello, D. Antonio, F. Angelo, F. Montesello et al., Cooperative behaviors in multi-robot systems through implicit communication, Robotics and Autonomous Systems, vol.29, issue.1, pp.65-77, 1999.

G. Picard, J. F. Hübner, O. Boissier, and M. P. Gleizes, Réorganisation et auto-organisation dans les systèmes multi-agents, Systèmes Multi-Agents, Génie logiciel multi-agents -JFSMA 09 -Dix Septièmes Journées Francophones sur les Systèmes Multi-Agents, pp.89-98, 2009.

G. Picard, Systèmes multi-agents adaptatifs : Ingénierie et utilisation dans le cadre de la résolution de problèmes. (Adaptive multi-agent systems), 2014.

P. Pirjanian, Behavior coordination mechanisms-state-of-the-art, 1999.

G. Christopher, . Prince, . A. Rodney, C. Brooks, and . Intelligence, The Early History of the New AI, vol.12, 1999.

S. Lincoln, R. M. Rocha, and . Andrade, Towards a formal model to reason about context-aware exception handling, Proceedings of the 5th International Workshop on Exception Handling, pp.27-33, 2012.

E. Rohmer, P. N. Surya, M. Singh, and . Freese, V-REP : A versatile and scalable robot simulation framework, IEEE/RSJ International Conference on Intelligent Robots and Systems, pp.1321-1326, 2013.

O. Sigaud and F. Flacher, Vers une approche dynamique de la sélection de l'action. Approche dynamique de la cognition artificielle, 2002.

, European Commission Information Society and Media. Collective adaptive system, Future and Emerging Technologies Proactive, 2009.

M. Salehie and L. Tahvildari, Self-adaptive software : Landscape and research challenges, TAAS, vol.4, issue.2, 2009.

X. Topin, C. Regis, M. Gleizes, and P. Glize, Comportements individuels adaptatifs dans un environnement dynamique pour l'exploitation collective de ressources, cerveau, corps et environnement (IAS'99), vol.25, pp.99-125, 1999.

P. Taillandier, O. Thérond, and B. Gaudou, Une architecture d'agents BDI basé sur la théorie des fonctions de croyance : application à la simulation du comportement des agriculteurs (présentation courte), Systèmes Multi-Agents : Ouverture, Autonomie, et Co-évolution -JFSMA 12 -Vingtièmes journées francophones sur les systèmes multi-agents, pp.107-116, 2012.

V. Phan-cong, Self-adaptation in collective adaptive systems, MONET, vol.19, issue.5, pp.626-633, 2014.

I. Velontrasina, D. Payet, and R. Courdier, Modèle relationnel pour la coordination des comportements des agents, July. Poster

I. Velontrasina, D. Payet, and R. Courdier, MECA : une architecture agent pour l'adaptation au niveau individuel par réutilisation du modèle influence/réaction (présentation courte), Systèmes Multi-Agents et simulation -Vingt-quatrièmes journées francophones sur les systèmes multi-agents, vol.16, pp.161-170, 2016.

I. Velontrasina, D. Payet, and R. Courdier, Regulation function for agent adaptation issues in ambient environment, Proceedings of the 11th International Conference on Computer Modeling and Simulation, ICCMS 2019, 2019.

D. Weyns, N. Boucké, and T. Holvoet, A field-based versus a protocolbased approach for adaptive task assignment, Autonomous Agents and Multi-Agent Systems, vol.17, issue.2, pp.288-319, 2008.

D. Weyns, Architecture-Based Design of Multi-Agent Systems, 2010.

M. Wooldridge and N. R. Jennings, Agent theories, architectures, and languages : A survey, Intelligent Agents, ECAI-94 Workshop on Agent Theories, Architectures, and Languages, vol.890, pp.1-39, 1994.

D. Weyns, A. Omicini, and J. Odell, Environment as a first class abstraction in multiagent systems, Autonomous Agents and Multi-Agent Systems, vol.14, issue.1, pp.5-30, 2007.

Y. Wang and J. M. Usher, Application of reinforcement learning for agent-based production scheduling, Eng. Appl. of AI, vol.18, issue.1, pp.73-82, 2005.

A. Franco-zambonelli, B. Omicini, G. Anzengruber, F. L. Castelli, G. De-angelis et al., Developing pervasive multi-agent systems with nature-inspired coordination, Pervasive and Mobile Computing, vol.17, pp.236-252, 2015.