Adam : un gestionnaire d'applications reparties en environnement dynamique

• Auteur / Autrice : MADELEINE GIRARD FAUGERE
• Direction : Jean-Pierre Briot
• Type : Thèse de doctorat
• Discipline(s) : Sciences et techniques
• Date : Soutenance en 1998
• Etablissement(s) : Paris 6

Résumé

La creation d'applications reparties a partir de composants logiciels distribues sur un reseau est un probleme actuel, resultant d'une exigence de reutilisation de composants existants, de l'existence d'environnements heterogenes, d'une limitation des possibilites de stockage et d'execution de ces logiciels, de meme que d'une facilite de developpement multi-concepteurs. La creation d'applications reparties, consideree comme une composition d'entites modulaires variables en terme de composants logiciels et de placement sur des ressources disponibles, souleve les problemes suivants, generalement traites de maniere independante : l'analyse de la requete de l'utilisateur en fonctions des fonctionnalites souhaitees, le placement des composants logiciels de la chaine de traitements sur des ressources en fonction de leur disponibilite, la mise en uvre de l'application repartie ainsi que le maintien de ses performances au cours du temps. Nous proposons un systeme nomme adam, permettant le traitement automatique de toutes ces taches de maniere invisible a l'utilisateur. Adam, est aussi une architecture multi-agents repartie sur un reseau ainsi qu'un algorithme d'apprentissage en environnement dynamique appele k-learning. L'architecture multi-agents permet le controle de maniere distribuee des creations d'applications, le controle du transfert des donnees, ainsi que les observations de l'environnement informatique. Ce systeme presente egalement des capacites d'apprentissage et d'adaptation aux variations environnementales ainsi qu'aux preferences de l'utilisateur. Muni de deux niveaux d'adaptation independants, il permet (i) l'apprentissage de regularites temporelles pour un ensemble de configurations de memes fonctionnalites ainsi que (ii) la creation, le controle et le maintien de l'adequation du modele de l'environnement a l'environnement, modele indispensable a la creation de nouvelles configurations. Ce controle est realise par l'algorithme d'apprentissage par renforcement que nous avons developpe et qui permet grace a un meta-controle explicite, l'adaptation du modele a la dynamique de l'environnement en fonction des connaissances acquises lors des apprentissages precedents. Ce meta-controle permet de decider du <<quand>> et <<ou>> apprendre