Optimisation en ligne et apprentissage adaptatif pour les réseaux dans les bandes ISM

par Alexandre Marcastel

Projet de thèse en STIC - Cergy

Sous la direction de Inbar Fijalkow et de Elena Veronica Belmega.

Thèses en préparation à Cergy-Pontoise , dans le cadre de ED SI - Sciences et Ingénierie , en partenariat avec Equipes Traitement de l'Information et Systèmes (laboratoire) depuis le 01-10-2015 .


  • Résumé

    Étude d'algorithme dynamique d'allocation de puissance pour limiter les interférences dans des communications radio-cognitive. Étude d'algorithme dynamique d'allocation de puissance dans le cas ou les informations sur le système sont limitées

  • Titre traduit

    Online Optimization and Adative Learning for Systems Operating in Unlicensed Bands


  • Résumé

    A key challenge for ensuring self-organization capabilities in the Internet of Things is that wireless devices must be able to adapt to the network's unpredictable dynamics. In the lower layers of network design, this means the deployment of highly adaptive protocols capable of supporting large numbers of wireless ``things'' via intelligent interference mitigation and online power control. In view of this, we propose an exponential learning policy for throughput maximization in time-varying, dynamic IoT environments where interference must be kept at very low levels. The proposed policy is provably capable of adapting quickly and efficiently to changes in the network and relies only on locally available and strictly causal information. To mitigate the overall network interference, the devices aim at maximizing the tradeoff between throughput maximization and inflicted interference.