====== WELCOME ! ======

The AI research themes I focus on concern the design of self-adaptive distributed systems, thanks to the multi-agent paradigm and machine learning methods.

• The PhD thesis of Simon Pageaud (2015-2019, ARC7 financing) of AURA region with Naver Lab (ex Xerox Research Centre) in Grenoble, which focus on multi-agent simulation for the co construction and dynamic adaptation of urban politics, from a formal modeling of urban politics and local agent learning. The application scope concerns urban mobility. Description here (in French)

• GuidedCESNA is a conflict-free routing system handling shared resources. Real word applications concerned urban delivery areas management for concurrent freight deliveries. This work addresses the problem of DVRP (Dynamic Vehicle Routine Pb) and integrates resource sharing. We are working on a generic trajectory optimization system that struggles this NP-hard problem combined with concurrent access to resources by a negotiation mechanism between agents that minimizes route repairing.

====== BIENVENUE ! ======

Mes thèmes de recherche en IA concernent la conception de systèmes distribués autoadaptatifs, grâce au paradigme multi-agents et à l'apprentissage.

• La thèse de Simon PAGEAUD (2015-2019, financement ARC7) de la Région Auvergne-Rhône-Alpes avec Naver Lab (ex- Centre de Recherche XEROX) à Grenoble, sur la simulation multi-agents pour la co construction et adaptation dynamique de politiques urbaines, à partir d'un modèle formel des politiques et l’apprentissage des agents locaux. Le champ d'application est la mobilité urbaine. Description ici

• GuidedCESNA : système d'optimisation de planning sans conflit avec partage de ressources. Application aux aires de livraison en milieu urbain. Ce travail s'attaque à la problématique du DVRP (Dynamic Vehicule Routine Pb) et intègre le partage de ressources. Nous travaillons sur un système générique d'optimisation de trajectoires qui permet de traiter ce problème NP-difficile combiné à l'accès concurrent aux ressources par un mécanisme de négociation entre les agents, qui minimise les réparations de trajectoires.