This article proposes the development of a multi-agent system with cognitive properties designed to find optimal solutions in the work environment. The Multi-Agent system consists of two agent sub-agents that contribute to maximum profits for their team. Aggregation subsystems are devoid of functions the communication capabilities. The status of an agent can only be identified in terms of his actions on the business environment. The process of finding an optimal solution is to solve the Nash equilibrium condition. The operating mode of the system is based on the structure diagram, the cognitive agent model and the knowledge and knowledge building diagram. The implementation is intended to use MCUs. Evaluation of the Nash equilibrium conversion rate was performed for 4 cases: one agent in each subunit, 5 agents in each subunit, 10 to 5 and 5 to 10 agents in each subset. The results are presented in the form of convergence graphs.
Cet article propose le développement d'un système multi-agent avec des propriétés cognitives conçues pour trouver des solutions optimales dans l'environnement de travail. Le système Multi-Agent se compose de deux sous-agents d'agents qui concourent à obtenir un maximum de profits pour leur équipe. Les sous-systèmes d'agrégation manquent de capacités de communication. Le statut d'un agent ne peut être identifié qu'en fonction de ses actions sur l'environnement d'activité. Le processus de recherche d'une solution optimale consiste à résoudre la condition d'équilibre de Nash. Le mode de fonctionnement du système est basé sur le diagramme de structure, le modèle d'agent cognitif et le diagramme de construction des connaissances et des connaissances. La mise en oeuvre est destinée à utiliser des MCU. L'évaluation du taux de conversion à l'équilibre de Nash a été effectuée pour 4 cas: un agent dans chaque sous-unité, 5 agents dans chaque sous-unité, 10 à 5 et 5 à 10 agents dans chaque sous-ensemble. Les résultats sont présentés sous la forme de graphiques de convergence.