Dissertations / Theses on the topic 'Traitement réparti – Planification'

La plupart des systèmes de planification distribuée sont fondés sur des modèles qui ont été développés pour de 1 planification centralisée. Ces modèles ont ensuite été adaptés au contexte de la distribution et aux problèmes pécifiques qui en découlent. Notre objectif est au contraire de développer un modèle de planification qui intègre a priori les contraintes de la distribution. Pour cela, nous développons un modèle de planification utilisant une recherche de type meilleur d'abord (nous adaptons à cette fin des algorithmes de la famille proof-number search). Nous déclinons ce modèle pour la planification d'une part sur des structures de tâches utilisées dans les systèmes multi-agents et d'autres part sur le formalisme HTN. Dans ce second cas, nous montrons en particulier comment une recherche de type meilleur d'abord permet d'accumuler au plus vite des contraintes qui permettent de fermer certaines branches de l'espace de Ia recherche. Nous nous intéressons en outre à la robustesse des plans produits, c'est-à-dire à la capacité d'un groupe ki'agents planifiants à pallier l'absence d'une ressource ou la défaillance d'un agent
Most of distributed planning systems are based on models which were developped for centralized planning. These models have then been adapted to distribution and its specific contraints. Our goal is at the opposite to design a planning model that considers these constraints as premises. We have developped a planning model that uses a best-first search (as an adaptation of the proof-number search algorithm). We have applied this model to planning over task structures (from multiagent notations) as well as to HTN planning. Ln this latter case, we have shown how a best-first search allows the planner to rapidly gather constraints that can prune branches from the search space. We have also defined plan robustness in order to mitigate the consequences of an agent failure or a resource unavailability

Permettre à plusieurs agents de planifier et de coordonner leurs activités de manière distribuée tel est l'objectif des travaux présentés dans ce mémoire. L'approche proposée s'appuie sur des opérateurs de composition de plans. Afin de gérer au mieux les interactions entre différents agents, leurs plans sont produits par IxTeT, un système de planification permettant la prise en compte de contraintes temporelles numériques et gérant le parallélisme des tâches ainsi que le partage de ressources. Les deux premiers chapitres décrivent le formalisme logique utilisé par IxTeT ainsi que le fonctionnement du planificateur lui-même et les améliorations qu'il est possible d'y apporter. Le troisième chapitre détaille alors formellement les méthodes et algorithmes permettant de réaliser des opérateurs de composition de plans: union de plans, insertion de nouveaux buts dans un plan existant. On y démontre leurs limites théoriques. Le quatrième chapitre décrit la mise en œuvre de ces opérateurs en exhibant des algorithmes tant pour améliorer les performances de la planification incrémentale mono-agent que pour réaliser un système distribué de planification multi-agents. Dans ce système, un plan global est élaboré par composition successive de plans individuels. Ce plan global reste implicite et n'est donc jamais centralisé. On présente ensuite les problèmes spécifiques rencontrés lorsque planification et exécution sont réalisées simultanément. Ces problèmes ouverts sont cruciaux dans un contexte multi-agents. Le document se termine par une illustration et une évaluation sur des exemples appliqués au domaine multi-robots permettant d'apprécier les avantages mais aussi les limites de l'utilisation de ces opérateurs de composition de plans et par une comparaison avec un autre système de planification distribuée.

Bien que l'ordinateur soit a present banal sur les lieux de travail, sa presence n'a guere modifie les relations et les contacts entre individus. Mais les technologies de l'informatique et de la communication continuent a converger et cette evolution favorise, d'une part, les collaborations entre individus, et d'autre part, la coordination des taches qu'ils executent au sein d'un veritable espace de travail electronique. Les recherches afferentes ont fait emerger un nouveau domaine scientifique appele computer-supported cooperative work (cscw) ou le travail cooperatif assiste par ordinateur (tcao). Ce domaine est vraisemblablement le plus vaste et le plus complexe qui soit du fait qu'il marie plusieurs disciplines telles que l'informatique, la psychologie, la sociologie, les sciences cognitives, l'expertise (en medecine, en education et enseignement,), etc. Les logiciels issus de ces recherches sont communement appeles groupware, ou encore collecticiels. Comme les utilisateurs d'une certaine categorie de groupware sont repartis dans l'espace et le temps, il est naturel de concevoir des systemes qui soient des systemes distribues, mettant en valeur la decentralisation des donnees et du controle. Il faut egalement considerer les groupware sous l'angle de la coordination afin que les interactions, ainsi rendues possibles, deviennent aussi efficaces que les echanges face a face, evitant tout a la fois les ruptures dans les processus de conversation (breakdowns) et les conflits. L'objectif de cette these consiste en l'etude d'architectures logicielles qui permettent la coordination des taches dans un environnement distribue. La modelisation des processus de conversation s'est appuyee sur la theorie du workflow de winograd & flores. L'accent est mis sur la coordination de taches impliquant de nombreux agents differents. Le partage des taches induit souvent des conflits entre participants. La recherche est particulierement orientee dans cet aspect resolution et prevention de conflits. Nous proposons a titre d'exemple, d'appliquer notre recherche a la coordination des taches dans les unites de soins intensifs et de reanimation ou la cohesion du travail doit etre primordiale entre medecins et infirmieres. Les defauts de coordination sont ici a l'origine de breakdowns qui peuvent etre prejudiciables au fonctionnement de l'unite medicale comme a la prise en charge des malades. Lesdits breakdowns proviennent essentiellement des mauvaises interactions entre participants.

Cette thèse s'inscrit dans le contexte de l'allocation en ligne multi-agents multi-tâches, dont le but est de coordonner efficacement un ensemble d'agents (ressources) afin de distribuer des tâches entre eux. À titre d'exemple d'application, nous pouvons citer les cas où des clients font des requêtes à un fournisseur de services qui cherchera la meilleure répartition des tâches parmi son ensemble d'agents : des taxis répondant à la demande des clients ou des robots assurant la distribution de colis.Contrairement au cadre hors ligne, qui suppose une connaissance totale du problème d'allocation à résoudre avant le début de l’allocation, dans le cadre en ligne, les tâches arrivent au cours du temps et doivent être allouées de manière dynamique. Ce cadre d'optimisation en ligne présente plusieurs défis. Tout d'abord, l'allocation répétée des tâches aux agents est un problème NP-difficile, dont une solution doit être trouvée en un temps limité, parfois très court. Ensuite, la connaissance sur l'arrivée de futures tâches (par exemple, moment d'arrivée et localisation) est en général modeste, ce qui rend difficile le raisonnement sur le long terme (c’est-à-dire optimiser le positionnement des agents pour la planification à plus long terme). Enfin, la taille du problème à traiter en termes d'agents et de tâches peut être importante, particulièrement dans un cadre réaliste où la recherche d’une solution en temps limité peut être parfois compromise.Dans ce contexte, cette thèse propose différentes contributions. Tout d'abord, cette thèse propose une approche proactive qui permet d'anticiper la disponibilité des agents dans un futur proche afin d'obtenir une coordination efficace (c’est-à-dire minimisant la distance parcourue par les agents et le temps qu'ils restent désœuvrés). Cette approche proactive a été comparée à une approche réactive classique. Les résultats obtenus dans deux problèmes de référence, l'un synthétique et l'autre basé sur des données réelles, montrent que la méthode proactive permet d'obtenir de meilleurs résultats en termes de coûts et de nombre de tâches allouées aux agents par rapport à une approche réactive, tout en diminuant le temps d'inactivité des ressources. Malgré les résultats encourageants obtenus, la méthode proposée présente des limitations de scalabilité dans notre problème de référence basé sur des données réelles. Pour pallier cette limitation, cette thèse propose une deuxième approche qui développe une méta-heuristique d'allocation multi-agent multi-tâche, appelée SKATE - Successive Rank-based Task Assignment for Proactive Online Planning, permettant le passage à l'échelle. SKATE permet de traiter des problèmes avec des milliers d'agents et de tâches en obtenant des solutions efficaces en temps limité. SKATE présente de bons résultats en termes de coût des solutions trouvées pour un tel ordre de grandeur d'agents et de tâches, comparé à des méthodes classiques de la littérature, telles qu'un algorithme génétique ou la programmation linéaire en nombres entiers. Grâce à ces résultats, cette thèse a pu envisager deux extensions à SKATE. La première extension permet d'optimiser non seulement les assignations de tâches, mais aussi le nombre d'agents à considérer. Pour cela, cette thèse développe deux méthodes qui permettent d'optimiser à la fois le nombre d'agents (économie de ressources pour le fournisseur de services) tout en garantissant la satisfaction des utilisateurs (temps d'attente avant réalisation d'une tâche). La deuxième extension couple SKATE avec des outils de calcul vérifiable, permettant d'une part aux agents de vérifier que l'assignation des tâches a été correctement effectuée par le serveur central, et d'autre part de contrer des attaques cyber-physiques qu'un réseau d'agents mobiles pourrait subir dans des environnements hostiles, par exemple
This thesis is set in the context of online multi-agent multi-task allocation, aiming to efficiently coordinate a set of agents (resources) to distribute tasks among them. As an application example, we can cite cases where clients make requests to a service provider who seeks the best distribution of tasks among its set of agents: taxis responding to customer demands or robots ensuring the delivery of parcels.Unlike the offline framework, which assumes full knowledge of the allocation problem to be solved before the start of the allocation, in the online framework, tasks arrive over time and must be allocated dynamically. This online optimization framework presents several challenges. Firstly, the repeated allocation of tasks to agents is an NP-hard problem, whose solution must be found in a limited time, sometimes very short. Secondly, knowledge about the arrival of future tasks (e.g., arrival time and location) is generally modest, making long-term reasoning difficult (i.e., optimizing the positioning of agents for long-term planning). Finally, the size of the problem to be handled in terms of agents and tasks can be substantial, especially in a realistic setting where finding a solution within a limited time can sometimes be compromised.In this context, this thesis proposes various contributions. Firstly, this thesis proposes a proactive approach that anticipates the availability of agents in the near future to achieve efficient coordination (i.e., minimizing the distance traveled by agents and the time they remain idle). This proactive approach has been compared to a classic reactive approach. The results obtained in two benchmark problems, one synthetic and the other based on real data, show that the proactive method achieves better results in terms of costs and the number of tasks allocated to agents compared to a reactive approach, while reducing the idle time of resources. Despite the encouraging results obtained, the proposed method has scalability limitations in our real-data-based benchmark problem. To address this limitation, this thesis proposes a second approach that develops a multi-agent multi-task allocation meta-heuristic called SKATE - Successive Rank-based Task Assignment for Proactive Online Planning, enabling scalability. SKATE allows for handling problems with thousands of agents and tasks, obtaining effective solutions in a limited time. SKATE shows good results in terms of the cost of the solutions found for such a scale of agents and tasks when compared to classical methods in the literature, such as a genetic algorithm or integer linear programming. Thanks to these results, this thesis subsequently considered two extensions to SKATE. The first extension optimizes not only task assignments but also the number of agents to consider. To achieve this, this thesis develops two methods that optimize both the number of agents (resource savings for the service provider) while ensuring user satisfaction (waiting time before task completion). The second extension couples SKATE with verifiable computing tools, allowing agents to verify that task assignment has been correctly performed by the central server and countering cyber-physical attacks that a network of mobile agents could face in hostile environments, for example

La dernière décennie a vu l’émergence de systèmes parallèles pour l’analyse de grosse quantités de données (DISC) , tels que Hadoop, et la demande qui en résulte pour les politiques de gestion des ressources, pouvant fournir des temps de réponse rapides ainsi qu’équité. Actuellement, les schedulers pour les systèmes de DISC sont axées sur l’équité, sans optimiser les temps de réponse. Les meilleures pratiques pour surmonter ce problème comprennent une intervention manuelle et une politique de planification ad-hoc , qui est sujette aux erreurs et qui est difficile à adapter aux changements. Dans cette thèse, nous nous concentrons sur la planification basée sur la taille pour les systèmes DISC. La principale contribution de ce travail est le scheduler dit Hadoop Fair Sojourn Protocol (HFSP), un ordonnanceur préemptif basé sur la taille qui tient en considération le vieillissement, ayant comme objectifs de fournir l’équité et des temps de réponse réduits. Hélas, dans les systèmes DISC, les tailles des job d’analyse de données ne sont pas connus a priori, donc, HFSP comprends un module d’estimation de taille, qui calcule une approximation et qui affine cette estimation au fur et a mesure du progrès d’un job. Nous démontrons que l’impact des erreurs d’estimation sur les politiques fondées sur la taille n’est pas significatif. Pour cette raison, et en vertu d’être conçu autour de l’idée de travailler avec des tailles estimées, HFSP est tolérant aux erreurs d’estimation de la taille des jobs. Nos résultats expérimentaux démontrent que, dans un véritable déploiement Hadoop avec des charges de travail réalistes, HFSP est plus performant que les politiques de scheduling existantes, a la fois en terme de temps de réponse et d’équité. En outre, HFSP maintiens ses bonnes performances même lorsque le cluster de calcul est lourdement chargé, car il focalises les ressources sur des jobs ayant priorité. HFSP est une politique préventive: la préemption dans un système DISC peut être mis en œuvre avec des techniques différentes. Les approches actuellement disponibles dans Hadoop ont des lacunes qui ont une incidence sur les performances du système. Par conséquence, nous avons mis en œuvre une nouvelle technique de préemption, appelé suspension, qui exploite le système d’exploitation pour effectuer la préemption d’une manière qui garantie une faible latence sans pénaliser l’avancement des jobs a faible priorité
The past decade have seen the rise of data-intensive scalable computing (DISC) systems, such as Hadoop, and the consequent demand for scheduling policies to manage their resources, so that they can provide quick response times as well as fairness. Schedulers for DISC systems are usually focused on the fairness, without optimizing the response times. The best practices to overcome this problem include a manual and ad-hoc control of the scheduling policy, which is error-prone and difficult to adapt to changes. In this thesis we focus on size-based scheduling for DISC systems. The main contribution of this work is the Hadoop Fair Sojourn Protocol (HFSP) scheduler, a size-based preemptive scheduler with aging; it provides fairness and achieves reduced response times thanks to its size-based nature. In DISC systems, job sizes are not known a-priori: therefore, HFSP includes a job size estimation module, which computes approximated job sizes and refines these estimations as jobs progress. We show that the impact of estimation errors on the size-based policies is not signifi- cant, under conditions which are verified in a system such as Hadoop. Because of this, and by virtue of being designed around the idea of working with estimated sizes, HFSP is largely tolerant to job size estimation errors. Our experimental results show that, in a real Hadoop deployment and with realistic workloads, HFSP performs better than the built-in scheduling policies, achieving both fairness and small mean response time. Moreover, HFSP maintains its good performance even when the cluster is heavily loaded, by focusing the resources to few selected jobs with the smallest size. HFSP is a preemptive policy: preemption in a DISC system can be implemented with different techniques. Approaches currently available in Hadoop have shortcomings that impact on the system performance. Therefore, we have implemented a new preemption technique, called suspension, that exploits the operating system primitives to implement preemption in a way that guarantees low latency without penalizing low-priority jobs

Ce travail de thèse est motivé par la proposition de modèles multi-agents pour le problème du Transport A la Demande (TAD). Le TAD est un problème dynamique de grande complexité qui se prête bien à une modélisation multi-agent. Nos propositions mettent l'accent sur les modèles d'Auto-Organisation dans les Systèmes Multi-Agents qui permettent de considérer de nouveaux critères pour l'évaluation des systèmes proposés, et qui rompent avec la considération stricte de l'utilité de l'opérateur de transport. Nous proposons dans ce travail différentes architectures multi-agents pour la réalisation du système de TAD. Après l'évaluation expérimentale des différentes architectures, nous proposons des améliorations algorithmiques de la meilleure architecture. L'objectif de ces améliorations est de pallier les inconvénients relatifs à la myopie des heuristiques d'insertion et le caractère séquentiel de leur processus d'insertion. D'une part, nous levons la contrainte de non-révocation des décisions d'affectation en permettant aux véhicules d'échanger des clients qu'ils ont déjà affectés. D'autre part, en adoptant une extension du protocole Contract Net, nous proposons aux agents Véhicule de traiter plusieurs clients en parallèle. La troisième contribution de cette thèse est la proposition de deux modèles d'Auto-Organisation (spatiale et temporelle) permettant une meilleure couverture spatiale et temporelle du réseau. Un ensemble d'expérimentations valident nos différentes propositions. Enfin, nous implémentons une plateforme permettant le déploiement de systèmes de TAD dans un contexte opérationnel
This PhD thesis is motivated by the proposal of multiagent models for the Dial A Ride Problem with Time Windows (DARPTW). The DARPTW is a highly complex dynamic problem, for which a multiagent design is relevent. Our proposals focus on Self-Organization models in multiagent systems that allows for the consideration of new criteria for the assessment of the proposed systems, which with the strict consideration of the utility of the transport operator. In our work, we propose several multiagent architectures for the implementation of the DARPTW system. After experimentally evaluating the different architectures, we popose algorrithmic improvements of the best architecture. The objective of these improvements is to palliate the drawbacks related to the myopic behavior of insertion heuristics and the sequentiality of their insertion process. On the one side, we relax the constraint on the non-revokation of assignment decisions by allowing vehicles to exchange customers that they have inserted. On the other side, by adopting an extension of the Contract Net Protocol, we propose to Vehicle agents to process several customers in parallel. The third contribution of this PhD thesis is the proposal of two Self-Organization models (spatial and temporal) allowing a better spatial and temporal coverage of the network. A set of experiments validate our proposals. Finally, we implement a platform allowing for the deployment of DARPTW systems

Dans les problèmes de planification temporelle multi-agents avec des durées incertaines, les agents doivent coordonner et synchroniser l'exécution de leurs tâches (le début et la durée d'une tâche). Ici, la coordination et la synchronisation se concentrent sur la durée des tâches qu'un agent contrôle mais qui sont incontrôlables pour les autres agents du système. Cela signifie qu'une tâche exécutée par un agent du système a une durée qui est décidée par l'agent qui l'exécute (propriétaire) mais qui est incontrôlable pour ceux qui l'observent. Cela est dû à certaines contraintes qualitatives entre les tâches (par exemple, la relation de précédence), notamment le fait qu'un autre agent (observateur) doit attendre l'achèvement de cette tâche pour exécuter les siennes. Pour un tel agent observateur, la durée de cette tâche est incontrôlable à moins d'une communication ou d'une coordination, qui peut avoir lieu avant ou pendant l'exécution du plan. Néanmoins, cet agent a besoin de trouver un plan exécutable selon qu'une telle coordination est effectuée ou non. Telles sont les questions auxquelles cette thèse vise à répondre : Comment pouvons-nous modéliser un tel problème de coordination temporelle ? Comment négocier ces durées incertaines sous le contrôle d'un agent pour réparer un plan non exécutable ? Comment les agents peuvent-ils communiquer lorsqu'ils ne partagent pas une représentation commune du temps ?Pour la première question, un nouveau modèle multi-agent est proposé en utilisant la sémantique des réseaux temporels sous incertitude pour représenter la contrainte temporelle comme un intervalle de valeur possible entre deux instants, qui peuvent être, par exemple, l'instant de début et l'instant de fin d'une tâche. Ce nouveau modèle MISTNU (Multi-agent Interdependent Simple Temporal Network under Uncertainty) représente les tâches partagées comme des contrats négociables entre agents. Ce modèle vise à garantir l'exécutabilité des plans des agents en fonction du moment où la durée des contrats est partagée entre les agents. Si le modèle est jugé incontrôlable et, par conséquent, non exécutable, une phase de réparation est initiée par les agents qui négocieront la durée de ces contrats afin de garantir la contrôlabilité du modèle. Cette thèse a proposé plusieurs solutions au problème de réparation des MISTNU : celles qui sont centralisées, en supposant un agent central doté d'une autorité et d'une observabilité totales, et celles qui n'ont pas d'agent central, ce qui fait que les agents négocient indépendamment la durée de leurs contrats jusqu'à ce qu'une solution soit trouvée (si elle existe).Pour assurer l'interopérabilité entre les agents, une ontologie formelle est fournie qui donne un vocabulaire commun pour les contraintes temporelles sur les intervalles. Cela permet aux agents de se comprendre et de répondre correctement aux demandes
In multi-agent temporal planning problems with uncertain durations, agents must coordinate and synchronize the execution of their tasks (the start and duration of a task). Here, coordination and synchronization are focused on the duration of tasks that an agent controls but are uncontrollable for other agents of the systems. This means a task being performed by one agent of the system has a duration that is decided by the agent executing it (owner) but is uncontrollable for those who observe it. This is due to some qualitative constraints amongst tasks (e.g., precedence relation), such as another agent (observer) needing to wait for the completion of this task to execute its tasks. For such an observer agent, the duration of this task is uncontrollable unless some communication or coordination is made, which can happen before or during the execution of the plan. Nonetheless, this agent needs to find an executable plan for whether such coordination is made. These are the questions this thesis aims to answer: How can we model such temporal coordination problem? How can we negotiate those uncertain durations under the control of one agent to repair a non executable plan? How can agents communicate when they do not share a common representation of time?For the first one, a new multi-agent model is proposed using the semantics of Temporal Networks under Uncertainty to represent temporal constraint as an interval of possible value between two instants, which can be, for instance, the start and end instant of a task. This new Multi-agent Interdependent Simple Temporal Network under Uncertainty (MISTNU) model represents shared tasks as negotiable contracts between agents. This model aims to guarantee the executability of agents 'plans depending on when the duration of the contracts is shared among the agents. If the model is deemed uncontrollable and, hence, not executable, then a repair phase is initiated by the agents that will negotiate the duration of these contracts to ensure the controllability of the model. This thesis proposed multiple solutions to the repair problem of MISTNUs: those that are centralized, assuming a central agent with full authority and observability, and those without such a central agent, resulting in agents independently negotiating the duration of their contracts until a solution is found (if it exists).To ensure interoperability between agents, a formal ontology is provided that gives a common vocabulary for temporal constraints on intervals. This ensures agents can understand each other and properly answer requests

Le but des travaux présentés dans cette thèse est de proposer un système d'aide à la décision pour la régulation du trafic au sein d'un réseau de transport collectif multimodal. Nous définissons la régulation comme la réaffectation, à travers différentes décisions, des horaires et des itinéraires aux différents véhicules du réseau en cas de perturbation. Afin de mieux représenter les aspects statiques et dynamiques du réseau, nous proposons une modélisation hybride du système de transport (agents et graphes). Le Système Multi-Agent d'Aide à la Décision (SMAAD) proposé réalise les deux phases principales du processus de régulation: le diagnostic des incidents et la prise de décision. Le SMAAD inclut des agents ZONEREG qui génèrent des décisions via une approche évolutionniste de régulation qui peut mener à une reconfiguration partielle du réseau. Cette approche tient compte de la flexibilité courante. Elle intègre ainsi un algorithme de recherche de chemins hamiltoniens.

Nous nous intéressons dans cette thèse à la planification pour les problèmes de prise de décision décentralisée séquentielle dans l'incertain. Dans le cadre centralisé, l'utilisation des formalismes MDP et POMDP a permis d'élaborer des techniques de planification efficaces. Le cadre Dec-POMDP permet de formaliser les problèmes décentralisés. Ce type de problèmes appartient à une autre classe de complexité que les problèmes centralisés. Pour cette raison, jusqu'à récemment, seuls de très petits problèmes pouvaient être résolus et uniquement pour des horizons très faibles. Des algorithmes heuristiques ont récemment été proposés pour traiter des problèmes de taille plus conséquente mais n'ont pas de preuve théorique de qualité de solution. Nous montrons comment une information heuristique sur le problème à résoudre représentée par une distribution de probabilité sur les croyances centralisées permet de guider la recherche approchée de politique. Cette information heuristique permet de formuler chaque étape de la planification comme un problème d'optimisation combinatoire. Cette formulation conduit à des politiques de meilleure qualité que les approches existantes
In this thesis, we focus on planning in decentralised sequentialdecision taking in uncertainty. In the centralised case, the MDP andPOMDP frameworks leads to efficient planning algorithms. The Dec-POMDPframework is used to model decentralised problems. This kind ofproblems is in a higher class of complexity than the centralisedproblem. For this reason, until recently, only very small problem could be solved and only for very small horizons. Recently, some heuristic algorithms have been proposed to handle problem of higher size but there is no theoretic proof of the solution quality. In this thesis, we show how to use a heuristic information in the problem, modelled as a probability distribution on the centralised beliefs, to guide the search for a good approximate policy. Using this heuristic information, we formulate each time step of the planning procedure as a combinatorial optimisation problem. This formulation leads to policies of better quality than previously existing approaches

La dernière décennie a vu l’émergence de systèmes parallèles pour l’analyse de grosse quantités de données (DISC) , tels que Hadoop, et la demande qui en résulte pour les politiques de gestion des ressources, pouvant fournir des temps de réponse rapides ainsi qu’équité. Actuellement, les schedulers pour les systèmes de DISC sont axées sur l’équité, sans optimiser les temps de réponse. Les meilleures pratiques pour surmonter ce problème comprennent une intervention manuelle et une politique de planification ad-hoc , qui est sujette aux erreurs et qui est difficile à adapter aux changements. Dans cette thèse, nous nous concentrons sur la planification basée sur la taille pour les systèmes DISC. La principale contribution de ce travail est le scheduler dit Hadoop Fair Sojourn Protocol (HFSP), un ordonnanceur préemptif basé sur la taille qui tient en considération le vieillissement, ayant comme objectifs de fournir l’équité et des temps de réponse réduits. Hélas, dans les systèmes DISC, les tailles des job d’analyse de données ne sont pas connus a priori, donc, HFSP comprends un module d’estimation de taille, qui calcule une approximation et qui affine cette estimation au fur et a mesure du progrès d’un job. Nous démontrons que l’impact des erreurs d’estimation sur les politiques fondées sur la taille n’est pas significatif. Pour cette raison, et en vertu d’être conçu autour de l’idée de travailler avec des tailles estimées, HFSP est tolérant aux erreurs d’estimation de la taille des jobs. Nos résultats expérimentaux démontrent que, dans un véritable déploiement Hadoop avec des charges de travail réalistes, HFSP est plus performant que les politiques de scheduling existantes, a la fois en terme de temps de réponse et d’équité. En outre, HFSP maintiens ses bonnes performances même lorsque le cluster de calcul est lourdement chargé, car il focalises les ressources sur des jobs ayant priorité. HFSP est une politique préventive: la préemption dans un système DISC peut être mis en œuvre avec des techniques différentes. Les approches actuellement disponibles dans Hadoop ont des lacunes qui ont une incidence sur les performances du système. Par conséquence, nous avons mis en œuvre une nouvelle technique de préemption, appelé suspension, qui exploite le système d’exploitation pour effectuer la préemption d’une manière qui garantie une faible latence sans pénaliser l’avancement des jobs a faible priorité
The past decade have seen the rise of data-intensive scalable computing (DISC) systems, such as Hadoop, and the consequent demand for scheduling policies to manage their resources, so that they can provide quick response times as well as fairness. Schedulers for DISC systems are usually focused on the fairness, without optimizing the response times. The best practices to overcome this problem include a manual and ad-hoc control of the scheduling policy, which is error-prone and difficult to adapt to changes. In this thesis we focus on size-based scheduling for DISC systems. The main contribution of this work is the Hadoop Fair Sojourn Protocol (HFSP) scheduler, a size-based preemptive scheduler with aging; it provides fairness and achieves reduced response times thanks to its size-based nature. In DISC systems, job sizes are not known a-priori: therefore, HFSP includes a job size estimation module, which computes approximated job sizes and refines these estimations as jobs progress. We show that the impact of estimation errors on the size-based policies is not signifi- cant, under conditions which are verified in a system such as Hadoop. Because of this, and by virtue of being designed around the idea of working with estimated sizes, HFSP is largely tolerant to job size estimation errors. Our experimental results show that, in a real Hadoop deployment and with realistic workloads, HFSP performs better than the built-in scheduling policies, achieving both fairness and small mean response time. Moreover, HFSP maintains its good performance even when the cluster is heavily loaded, by focusing the resources to few selected jobs with the smallest size. HFSP is a preemptive policy: preemption in a DISC system can be implemented with different techniques. Approaches currently available in Hadoop have shortcomings that impact on the system performance. Therefore, we have implemented a new preemption technique, called suspension, that exploits the operating system primitives to implement preemption in a way that guarantees low latency without penalizing low-priority jobs

Le travail que nous présentons dans cette thèse s'articule autour du problème de la formation de coalitions entre des agents égoïstes qui planifient leurs activités, dans les systèmes multi-agents (SMA). Nous avons proposé, dans un premier temps, un mécanisme qui se fonde sur l’analyse des actions des agents dans leurs plans et le raisonnement sur les plans des autres, grâce notamment au calcul d’un degré de croyance sur les actions. Nous nous sommes, par ailleurs, intéressés au problème de la formation de coalitions avec des contraintes dynamiques et des préférences que les agents révèlent et communiquent aux autres lors de leurs négociations. Enfin, nous avons affiné notre mécanisme de formation des coalitions en permettant une recherche des coalitions guidée par la construction d'un arbre de contraintes et d'un arbre de coalitions, qui sont ensuite exploré par le biais de l'algorithme Monte-Carlo
The work we present, in this thesis, focuses on the coalition formation problem for self-interested agents which plan their activities in multi-agents systems. As a first step, we have proposed, a mechanism that is based on the analysis of the agents' actions in their plans and reasoning about the plans of others. Additionally, we have addressed the problem of coalition formation with dynamic constraints and preferences that agents reveal and communicate to others during their negotiations. Finally, we have refined our coalition formation mechanism allowing a guided search of the coalitions by building a tree of constraints and a tree of coalitions. Each tree is explored by means of the Monte-Carlo algorithm

La multiplication des services Internet et la hausse de leur utilisation entraînent des charges importantes sur les services Internet. Ces charges peuvent de plus varier dans le temps, souvent de manière imprévisible. Cependant la qualité de service de ces applications doit toujours rester dans des limites acceptables, les utilisateurs pouvant choisir le service utilisé en fonction de la qualité de service perçue. Par ailleurs, l'impact économique et écologique de ces services peut devenir problématique, principalement à cause de la consommation électrique des serveurs. Les fournisseurs de services Internet cherchent donc à minimiser les coûts de fonctionnement, tout en préservant la qualité de service fournie aux utilisateurs. Plusieurs approches existent pour administrer des services Internet. Cependant, la plupart ne considèrent qu'un aspect de qualité de service, ne s'adaptent pas seules à toutes les variations de charge, ou se contentent d'une approche "au mieux" (best-effort), sans garantie de la qualité de service fournie. Dans cette thèse, nous proposons un contrôle adaptatif de services Internet, fournissant à la fois des garanties de performance et de disponibilité de service, tout en minimisant le coût de fonctionnement des services. Les contributions de cette thèse sont les suivantes. Tout d'abord, un modèle analytique de prédiction des performances, de la disponibilité et du coût d'un service Internet en fonction de charges et de configurations variables du service, est proposé. Puis une quantification de l'utilité du service Internet, en termes de niveaux de performance et de disponibilité et en termes de coût, est définie. Ensuite, une méthode de planification de capacité, permettant de calculer la configuration optimale d'un service Internet pour garantir des contraintes de qualité de service et minimiser le coût du service est proposée. Enfin, un contrôle adaptatif de services Internet est fourni pour prendre en compte tout type de variation de charge des services Internet et ceci via un calibrage en ligne automatique des modèles et planification de capacité sous-jacents. L'approche proposée est implantée dans un prototype fonctionnel appelé MoKa. MoKa a été appliqué avec succès pour le contrôle d'un service Internet de vente en ligne constitué de serveurs Web et de serveurs de bases de données. Les expériences menées ont montré que le service contrôlé par MoKa était capable de s'adapter en ligne à diverses variations de charge et continuait ainsi de garantir les contraintes de qualité de service tout en effectuant des économies de ressources significatives.

Durant ces dernières années, la congestion du trafic urbain et la pollution de l'air sont devenus d'énormes problèmes dans de nombreuses villes dans le monde. Afin de réduire cette congestion, nous pouvons investir dans l'amélioration des infrastructures de la ville. Toutefois, cette solution reste très coûteuse à entreprendre et de ne permet pas de réduire la pollution de l'air. C'est pourquoi nous travaillons sur la mobilité intelligente afin de disposer d'une meilleure utilisation de la voiture. L'application de nouvelles technologies de l'information, tels que les systèmes multi-agents appliqués au contrôle de l'information de la circulation urbaine, a permis de créer et de déployer une gestion plus intelligente du trafic comme le système DRT (transport à la demande). L'objectif des systèmes multi-agents basés sur le DRT est de gérer les taxis de manière intelligente, afin d'accroître le nombre de passagers dans chaque véhicule, et en même temps à réduire le nombre de véhicules dans les rues. Cela permettra de réduire les émissions de CO2 et la pollution de l'air causée par les véhicules, ainsi que la congestion du trafic et les coûts financiers associés. La simulation multi-agents est considérée comme un outil efficace pour les services dynamiques urbains de la circulation. Toutefois, le principal problème est de savoir comment construire un agent à base de modèle pour cette problématique. Ces travaux de recherche présente une solution basée sur les systèmes multi-agents réactifs pour la problématique du transport à la demande (DRT), qui adopte une approche multi-agent de planification urbaine en utilisant des services de contrôle qui satisfont aux principales contraintes : réduction de la période totale creuse, demandes spéciales du client, augmentation du nombre de places utilisées dans un même taxi, utilisation du nombre minimal de véhicules, etc. Dans cette thèse, nous proposons un modèle multi-agents multicouche hybride distribué pour des problématiques en temps réel. Dans la méthode proposée, un agent pour chaque véhicule trouve un ensemble de routes pour sa recherche locale, et choisit un itinéraire en coopérant avec d'autres agents se trouvant dans son domaine de planification. Nous avons examiné expérimentalement, l'efficacité de la méthode proposée.

Nous nous intéressons dans cette thèse à la planification pour les problèmes de prise de décision décentralisée séquentielle dans l'incertain. Dans le cadre centralisé, l'utilisation des formalismes MDP et POMDP a permis d'élaborer des techniques de planification efficaces. Le cadre Dec-POMDP permet de formaliser les problèmes décentralisés. Ce type de problèmes appartient à une autre classe de complexité que les problèmes centralisés. Pour cette raison, jusqu'à récemment, seuls de très petits problèmes pouvaient être résolus et uniquement pour des horizons très faibles. Des algorithmes heuristiques ont récemment été proposés pour traiter des problèmes de taille plus conséquente mais n'ont pas de preuve théorique de qualité de solution. Nous montrons comment une information heuristique sur le problème à résoudre représentée par une distribution de probabilité sur les croyances centralisées permet de guider la recherche approchée de politique. Cette information heuristique permet de formuler chaque étape de la planification comme un problème d'optimisation combinatoire. Cette formulation conduit à des politiques de meilleure qualité que les approches existantes.

Les travaux de recherche présentés dans cette thèse s'intègrent dans le cadre du projet national VIATIC.MOBILITE du pôle de compétitivité I-TRANS « Le ferroviaire au cœur des systèmes de transports innovants » (http://www.i-trans.org/index.htm). De nos jours, les informations liées au déplacement et à la mobilité dans un réseau de transport représentent sans aucun doute un potentiel important. En effet, on peut imaginer une infinité de services innovants liés à la mobilité, non seulement à destination du grand public, mais également à des entreprises, dans le conseil en mobilité pour leurs plans de déplacement. Le but de cette thèse est donc de fournir un système d'aide à la mobilité qui s'articule autour des motifs de déplacements quotidiens, occasionnels, de tourisme, de culture, etc. avec la possibilité de pouvoir bénéficier d'une information pertinente et exploitable.
Ces travaux de recherche visent à mettre en œuvre un Système d'Information de Transport Multimodal (SITM) pour optimiser la gestion de flux des requêtes utilisateurs qui peuvent être nombreuses et simultanées. Dans ce cas, le SITM doit pouvoir procéder par des processus de décomposition des requêtes simultanées en un ensemble de tâches indépendantes. Chaque tâche correspond à un service qui peut être proposé par plusieurs fournisseurs d'information, en concurrence, avec différents couts, formats et temps de réponse. Un fournisseur d'information voulant proposer ses services via le SITM, doit d'abord y enregistrer son système d'information, en assumant la responsabilité des aspects juridiques et qualitatifs de ses données. Le SITM est donc lié à un Réseau informatique Etendu et distribué de Transport Multimodal (RETM) qui comporte plusieurs sources d'information hétérogènes des différents services proposés aux utilisateurs de transport.
L'aspect dynamique, distribué et ouvert du problème, nous a conduits à adopter une modélisation multi-agent pour assurer au système une évolution continue et une flexibilité pragmatique. Le système multi-agent proposé s'appuie sur les métaheuristiques pour la recherche et la composition des services; la recherche des services se base sur le paradigme Agent Mobile (AM) utilisant un algorithme d'optimisation dynamique de construction des Plans De Routes (PDR). Cette première étape d'optimisation prépare les parcours des AMs en prenant en considération l'état du RETM. La composition des services utilise les algorithmes évolutionnistes pour optimiser les réponses en termes de coût et de temps, sachant qu'une réponse à une requête utilisateur ne doit pas dépasser un temps maximum autorisé et qu'un utilisateur cherche toujours à avoir le meilleur rapport qualité prix pour les services qu'il demande.
Enfin, le SITM prend en considération les éventuelles perturbations sur le RETM (pannes, goulets d'étranglements, etc.) pour satisfaire les requêtes utilisateurs dans tous les cas de figure. Dans ce contexte, nous avons créé un protocole de négociation entre les agents mobiles et les agents responsables des choix des fournisseurs d'information pour les services demandés, ces agents sont appelés agents Ordonnanceurs. Le protocole proposé dépasse les limites d'une communication agent traditionnelle, ce qui nous a incités à associer au système une ontologie flexible qui permet d'automatiser les différents types d'échanges entre les agents grâce à un vocabulaire approprié.
Les résultats expérimentaux présentés dans cette thèse justifient l'utilisation du paradigme agent mobile dans notre système qui remplace parfaitement bien les paradigmes classiques telle que l'architecture client/serveur. Les simulations présentées montrent différents scénarios de gestion d'un nombre des requêtes simultanées plus ou moins important. En effet, quelque soit le nombre de requêtes utilisateurs formulées pendant un court laps de temps , le système se charge de leur décomposition, de l'identification des services demandés et des fournisseurs d'information susceptibles d'y répondre.

Nous étudions la complexité théorique de tâches de raisonnement mettant en jeu la connaissance des agents dans les systèmes multi-agents. Nous considérons la logique épistémique dynamique (DEL) comme une façon naturelle d'exprimer la connaissance, qui permet d'exprimer la connaissance d'ordre supérieur des agents et des actions dynamiques partiellement observées. Nous montrons des résultats de complexité algorithmique pour la vérification de modèles et la satisfiabilité de formules de DEL, et définissons une approche symbolique pour ces mêmes problèmes. Nous étudions également la planification basée sur DEL ainsi que des quantifications sur certaines actions : les annonces publiques
We study the theoretical complexity of reasoning tasks involving knowledge in multi-agent systems. We consider dynamic epistemic logic (DEL) as a natural way of expressing knowledge, which allows to express nested knowledge of agents and partially observed dynamic actions. We show complexity results for model checking and satisfiability of DEL formulas, and define a symbolic approach for these problems. We also study DEL-based planning and quantification over specific actions: public announcements

Dans de nombreux domaines, la simulation est un outil puissant pour apprendre, visualiser, et comprendre l'impact d'une décision à un temps donné sur l'ensemble du système. Le domaine de la navigation aérienne ne fait pas exception. Les outils de simulation de trafic aérien sont essentiels dans la gestion du trafic aérien, et doivent être capables de générer une large variété de scénarios réalistes tout en prenant en compte différentes contraintes observables par l'utilisateur de simulations, appelées situations, telle qu'une densité de trafic, une typologie de flux, des collisions, un évènement météorologique, ou tout autre évènement émergeant. Structurer une simulation de trafic pour obtenir le réalisme et différentes situations est une tâche complexe, de par les nombreux objectifs et les nombreux critères à respecter, la diversité des entités mobiles et leurs multiples interactions, ainsi que la dynamique de l'environnement. Dans le domaine de la navigation aérienne, cette complexité est très souvent gérée par des humains, que ce soit l'expert scénariste qui génère le scénario de trafic au prix de nombreuses heures d'essais-erreur, ou par les acteurs humains lors de la simulation qui gèrent l'adaptation temps-réel du trafic si celle-ci est requise. Les approches de résolution classiques ont montré leurs limites pour faire face à la complexité de ces applications. Dans cette thèse, nous proposons de résoudre la structuration temps-réel d'une simulation de trafic multi-objective et multi-critère par l'utilisation de la théorie des AMAS (Adaptive Multi-Agents Systems). Dans ces systèmes, les agents poursuivent des buts locaux et interagissent d'une manière coopérative. Au travers de leurs interactions locales, le système est rendu plus robuste et s'auto-adapte face à la dynamique de l'environnement, permettant une émergence de la fonction globale. Suite à plusieurs études, cette théorie a montré son adéquation pour la résolution de problèmes complexes et dynamiques. L'objectif de ce travail est de modéliser et de spécialiser cette théorie pour la structuration de simulation de trafic temps-réel, multi-objectif et multi-critère. Pour cela, le modèle d'agents AGATS avec des comportements et des interactions coopératifs et locaux a été défini. Ce modèle est composé de deux sous-modèles, AGEAS, pour la structuration de la simulation en fonction d'un scénario, et CAAMAS, pour l'adaptation des entités mobiles aux scénarios et à la dynamique de la simulation. Les résultats de l'instantiation de ces deux modèles pour les simulations de trafic aérien montrent l'adéquation de l'approche proposée pour la définition pour la génération autonome de scénario
In many areas, simulation is a powerful tool to learn, visualize, and understand the impact of a decision at a given time on the entire system. The area of air navigation is not an exception. Air traffic simulation tools are essential in air traffic management, and must be able to generate a wide variety of realistic scenarios while taking into account different constraints observable by a simulation user, called situations such as traffic density, a flow typology, collisions, a weather event, or any other emerging event. Structuring traffic simulation to achieve realism and different situations is a complex task, given the many objectives and criteria to meet, the diversity of mobile entities and their multiple interactions, and the dynamics of the environment. In the field of air navigation, this complexity is very often managed by humans, whether by the scriptwriter expert who generates the traffic scenario after several hours of trial and error, or by human actors during the simulation that manage the real-time adaptation of the traffic if needed. Traditional resolution approaches have shown their limits to face the complexity of these applications. In this thesis, we propose to solve real-time structuring of a multi-objective traffic simulation by using the AMAS theory (Adaptive Multi-Agents Systems). In these systems, agents pursue local goals and interact in a cooperative manner. By their local interactions, the system is more robust and self-adapt to the dynamics of the environment, allowing the global function to emerge. After several studies, this theory has shown its adequacy to solve complex and dynamic problems. The objective of this work is to model and specialize this theory for the real-tile structuring of multi-objective and multi-criteria traffic simulation. For this purpose, the AGATS agent model with cooperative and local behaviors and interactions has been defined. This model is composed of two sub-models, AGEAS, for structuring the simulation according to a scenario, and CAAMAS, for enabling mobile entities to self-adapt to the scenarios and dynamics of the simulation. The results of the instantiation of these two models for air traffic simulation show the adequacy of the proposed approach for autonomous scenario generation

Cette recherche se place dans le domaine de l’ingénierie industrielle, plus exactement aux premières étapes du processus d´innovation (Fuzzy Front-End). Aujourd´hui dans un monde globalisé, où la technologie est à la portée de tous, les entreprises cherchent de nouvelles techniques permettant de se distinguer de la concurrence, et offrent de nouveaux et meilleurs produits ou services ; une manière de conserver leurs avantages comparatifs ou d’en acquérir de nouveaux, pour des clients toujours plus exigeants, et dont les besoins changent constamment. Partant de ce constat, l’innovation se définit comme un processus long et continu, au sein duquel s’utilisent différents modèles. Du fait de la complexité du processus, il n’existe pas de modèle unique réunissant tous les besoins des clients. C’est pourquoi le processus d’innovation, implique différents acteurs de l’entreprise et de son environnement. Ces acteurs, dont l’importance varie, sont souvent d’origines diverses et possèdent des compétences variées. Ils ont des besoins différents, et sont soumis à des contraintes de travail différentes (ressources technologiques et financières, réglementations, etc...). Il paraît ainsi essentiel pour l’entreprise de créer un modèle unique, capable d’identifier les besoins de toutes les parties prenantes, avant d’entamer le processus de développement de nouveaux produits. C’est pour l’entreprise une manière de renforcer le processus d’innovation, et de réduire le taux d´échec lors du lancement de nouveaux produits. Ainsi l’objectif de cette étude est de proposer une nouvelle méthode d’analyse des impacts de l’innovation (A.I), afin de permettre aux entreprises d’identifier les besoins dynamiques des acteurs. Celles-ci pourront ainsi mieux définir leurs nouveaux produits et s’adapter plus facilement aux évolutions du marché. Cet outil fait partie d´une méthodologie de gestion des projets innovants, et doit être utilisé avant la définition des caractéristiques fonctionnelles du nouveau produit. Ceci nous ramène aux premières phases du développement, avant la conception du produit, qui comprennent toutes les étapes depuis la définition des besoins et opportunités pour l´innovation, jusqu’à la prise de décision pour le développement du nouveau produit, appelée Fuzzy Front-End. L’apport théorique de notre travail : Il n´existe pas de définition des impacts de l’innovation (I_n), nous avons donc fait un travail bibliographique sur le concept d’impact. Celui-ci a permis d’explorer les différentes définitions d´impact au sein de différentes disciplines (ingénierie, écologie, psychologie, etc.). Nous avons proposé de cette manière, notre propre définition de l’impact adaptée au contexte de l´innovation. Cette recherche bibliographique, nous a aussi permis d’identifier les différents types d´impacts et de justifier l´utilisation de différentes méthodologies. La contribution méthodologique : l’approche proposée pour l´analyse des impacts de l´innovation (A.I) se décompose en deux étapes. La première vise à modéliser l’« écosystème d´innovation », sur la base des relations, de l´importance et des besoins individuels de chacun des acteurs face au nouveau produit. Ceci grâce à une Analyse des Besoins Dynamiques (A.B.D), qui permettra d´obtenir les besoins agrégés permettant de représenter le système complet, sans considérer les possibles perturbations du milieu extérieur ou les impacts de la même innovation. Pour bien identifier et décrire les besoins des acteurs, nous avons basé la méthodologie sur l´observation de leurs activités. Ainsi, nous avons pu identifier les différents besoins des acteurs de l´innovation sur la base de l’analyse RAR (Ressources, Activités, Résultat), ensuite nous avons classifié les besoins grâce au modèle de KANO et ses améliorations réalisées par Tontini. Une méthode originale d’agrégation des besoins de tous les acteurs est proposée.[...]
This research belongs to the industrial engineering field, focusing on the first stages of the innovation process (Fuzzy Front-End). In a globalized world, where the technology is near to everyone, enterprises are looking for new technologies to be different from their competitors, offering new and better products / services as a strategy to keep or acquire new competitive advantages. Moreover, innovation is a large and continuous process, where different management models are used. But, because of the complexity of the process, no general model is suitable for situations and projects. Thus, the innovation process involves different stakeholders from the company and its environment. These individuals come from different origins (field of knowledge), have different needs, abilities, importance and work under different restrictions (technological or financial resources, work rules, etc.). Consequently, it is essential for the enterprise to identify all the needs of the parts involved in the products. And, a model is required in order to identify the stakeholder’s needs before starting design tasks. This model aims at more robustness in the new product development process and at the reduction of the failure rate when launching new products. Thus, the objective of this PhD thesis is to propose a new method to analyze the impact of the innovation, allowing companies to identify the dynamic actors' needs, to improve the definition of their new products and to adapt to the possible changes of the market. This tool is part of an innovative projects management methodology, used before the elaboration of the functional specifications of a new product. This locates the research in the first stages of development called Fuzzy Front-End: before the genesis of the product. Fuzzy front ends integrate among others the opportunity / needs identification for innovation to the development of the new product decision taking. The proposed approach for the innovation impact analysis (A.I) consists of two stages: the first one intends to model an innovation ecosystem, integrating the relations, the importance of each stakeholder and their individual necessities in regard to the new product. Through a Dynamic Needs Analysis (A.B.D) it will be possible to get the global needs, which represent the whole system, without considering the disturbances of the environment or the impact of the same innovation. Thus, the second stage of the model, through the generation of innovation impact scenarios (S.I.I), evaluates the impact of the innovation the new product may face at its market launching. Due to a new product emergence changes emerge: actors’ performance, their interrelations, the importance and their own needs about the product [...]

Cette recherche tente de répondre à la question suivante : Comment optimiser la planification de la production (y compris la planification et l'ordonnancement des processus) pour les produits personnalisés en masse et le système de fabrication cellulaire dans un contexte d'industrie 4.0, donc dans une usine et une chaîne d'approvisionnement intelligentes et connectées ? Cette recherche propose une approche distribuée pour la gestion intelligente de la production dans les systèmes de fabrication cellulaire pour la customisation de masse. Plus précisément, il propose une approche complète pour la planification et le contrôle de la fabrication pour CMS et MC basée sur la planification et l'ordonnancement dynamiques et distribués des processus/production. Il repose sur trois niveaux de décision : 1 - Niveau usine appelé master planning, intégrant en temps réel les données de la supply chain ; 2 - Niveau cellulaire, appelé planification cellulaire ; 3 - Niveau de l'atelier appelé système d'enchères, traitant des événements inattendus. Les principales contributions à la recherche sont : 1 - L'approche distribuée complète intégrant la planification, l'ordonnancement et l'allocation de la manutention tout en tenant compte des données en temps réel de la chaîne d'approvisionnement ; 2 - Une formulation mathématique du problème d'optimisation multi-objectifs pour le master planning (niveau usine) ; 3 - Deux approches de résolution basées sur les séquences mises en œuvre sur deux métaheuristiques, l'algorithme génétique de tri non dominé II (NSGAII) et l'optimisation d'essaim de particules multi-objectifs à vitesse contrainte (SMPSO)
This research tries to answer the following question: How to optimize production planning (including process planning and scheduling) for mass customized products and cellular manufacturing system in an industry 4.0 context, hence in a smart connected factory and supply chain? It proposes a distributed approach for smart production management in cellular manufacturing systems for mass customization. More precisely, it proposes a full approach for manufacturing planning and control for CMS and MC based on dynamic and distributed process/production planning and scheduling. It is based on three decision making levels: 1 - factory level called master planning, integrating real time data from the supply chain; 2 - cell level, called cell planning; 3 - shop floor level called bidding system, dealing with unexpected events. The main research contributions are: 1 - The full distributed approach integrating planning, scheduling, and material handling allocation while considering real time data from the supply chain. 2 - A multi-objective optimization formulation for the master planning problem (factory level). 3 - Two sequence-based resolution approaches implemented on two metaheuristics, Non-dominated Sorting Genetic Algorithm II (NSGAII), and Speed-constrained Multi-Objective Particle Swarm Optimization (SMPSO)

La politique des transports dans le monde et en Europe évolue vers une vision co-modale. Cette nouvelle politique n'oppose plus la voiture au transport public mais encourage une combinaison de tous les modes de transport en espérant ainsi assurer un développement rentable et durable.Nous focalisons notre étude sur le service transport de personnes qui s'inscrit au cœur des politiques co-modales en combinant tous les modes de transport en commun (métro, bus..) et promeut de nouveaux modes d'utilisation de la voiture particulière comme le covoiturage (partage d'un véhicule personnel) ou l'AutoPartage (voiture en libre-service).Toutefois, pour générer un itinéraire exploitant les services de plusieurs opérateurs de transport, il faut consulter plusieurs sites internet. Selon le déplacement à réaliser, cette tâche de planification complexe peut être très difficile à réaliser et ne garantit pas l'optimalité de l'itinéraire sélectionné.Nous nous sommes donc intéressés à la conception d'un système d'aide au déplacement capable de fournir une information voyageur (co-modale) en mettant en relation plusieurs opérateurs de transport (en commun et individuel). Le système en question doit être capable d'assister l'utilisateur dans la phase de planification par la constitution d'un carnet de voyage proposant plusieurs itinéraires multi-opérateurs. De plus, il assiste l'utilisateur en cas de perturbation en l'informant et en lui proposant des itinéraires de secours. Ce travail est basé sur des avancées technologiques qui facilitent l'optimisation dans un environnement distribué (Multi-agent - SOA) et rendent l'information accessible grâce à un grand nombre de médias (téléphone, PDA..)

Les réseaux de transport se sont amplifiés par l’accroissement du nombre des véhicules et des stations ainsi que l’apparition de nouvelles notions essentiellement la multimodalité et l’intermodalité. Ainsi, la tâche de gestion des réseaux de transport collectif est devenue très complexe et difficile pour les régulateurs. Pour faire face à ces difficultés, on note le développement des systèmes d’aide à la décision comme solution efficace de régulation de la circulation. Ils permettent de transmettre en temps réel les informations concernant le trafic sur les réseaux de transport.Notre travail se base sur la conception d’un système de régulation des réseaux de transport multimodal. Il peut se révéler comme un outil primordial pour apporter des solutions efficaces et en temps réel à la problématique de la congestion routière. Il peut communiquer l’information nécessaire à l’usager afin de prendre sa décision de déplacement avec ou sans sa voiture. Le système proposé est une approche hybride entre une modélisation par graphes du réseau et un système multi-agents. Ceci sera appuyé par une approche évolutionniste pour la génération d’une solution de régulation optimale. Ce choix est justifié par le caractère ouvert, distribué et complexe des réseaux de transport multimodal
Transport networks have been amplified by the increasing number of vehicles and stations and the emergence of new concepts essentially multimodal and intermodal. Thus, the task of managing public transport systems has become very complex and difficult for regulators.To cope with these difficulties, there is the development of systems decision support as an effective solution to traffic control. They can transmit real-time traffic information on transport networks. Our work is based on designing a control system of multimodal transport networks. It may be as an essential tool for effective solutions and real-time to the problem of traffic congestion. It can provide the necessary information to the user in making its decision to move with or without his car. The proposed system is a hybrid between a graph modeling the network and a multi-agent system. This will be supported by an evolutionary approach for generating an optimal control solution. This is justified by the open, distributed and complex network of multimodal transport

La sécurité des services informatiques d'aujourd'hui dépend significativement de la bonne configuration des systèmes qui sont de plus en plus distribués. Au même temps, la gestion des configurations de sécurité est encore fortement basée sur des activités humaines, qui sont coûteuses et sujettes à erreurs. Au cours de la dernière décennie, il a été reporté à plusieurs reprises qu'une partie significative des incidents de sécurité et des pertes de données a été causée par des configurations incorrectes des systèmes. Pour résoudre ce problème, plusieurs techniques ont été proposées pour automatiser les tâches de gestion des configurations. Beaucoup d'entre elles mettent l'accent sur les phases de planification et de mise en œuvre, où les exigences et les politiques de sécurité abstraites sont conçues, harmonisées et transformées dans des configurations concrètes. Ces techniques nécessitent souvent d'opérer sur des politiques formelles ou très structurées qui se prêtent à un raisonnement automatisé, mais qui sont rarement disponibles dans la pratique. Cependant, moins d'attention a été consacrée aux phases de gestion de suivi et de changement des configurations, qui complètent les étapes précédentes en détectant et en corrigeant les erreurs afin d'assurer que les changements de configuration n'exposent pas le système à des menaces de sécurité. Les objectifs et les contributions de cette thèse se concentrent sur ce deuxième point de vue, de façon pragmatique sur la base des configurations de sécurité concrètes. En particulier, nous proposons trois contributions visant à analyser et à vérifier des configurations de sécurité