Exploration d’ensembles de modèles

Model Sets Exploration

• Auteur / Autrice : Théo Le Calvar
• Direction : Frédéric Saubion, Fabien-Sothéa Chhel, Frédéric Jouault
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 20/12/2019
• Etablissement(s) : Angers
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire d'Etudes et de Recherche en Informatique d'Angers
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Etudes et de Recherche en Informatique d'Angers / LERIA
• Jury : Président / Présidente : Régine Laleau
• Jury : Examinateurs / Examinatrices : Régine Laleau, Christophe Lecoutre, Jordi Cabot

Mots clés

Mots clés contrôlés

Ingénierie dirigée par les modèles

Programmation par contraintes

Mots clés libres

Transformation de modèles

Programmation par contraintes

Ingénierie dirigée par les modèles

Model transformation

Constraints programming

Model driven engineering

Model exploration

Cylinder Management

Résumé

La transformation de modèles a prouvé qu’elle était un moyen efficace pour produire des modèles cibles à partir de modèles sources le tout en raisonnant en terme de métamodèle. La majorité des techniques de transformation de modèles se concentrent sur la génération d’un modèle cible pour une source donnée. Cependant, il existe des situations dans lesquelles il est préférable de considérer une transformation générant un ensemble de modèles cibles. Un tel ensemble pourra ensuite être exploré par l’utilisateur afin de sélectionner un modèle ayant des propriétés spécifiques. Dans ce manuscrit, nous proposons une solution alliant transformation de modèles et programmation par contraintes pour permettre l’expression et l’exploration de ces ensembles de modèles. Nous proposons deux implémentations fonctionnelles de cette approche ainsi que plusieurs cas d’étude créés avec ces deux implémentations.

Model transformation has proven to be an effective technique to produce target models from source models. Most transformation approaches focus on generating a single target model from a given source model. However there are situations where a collection of possible target models is preferred over a single one. Such situations arise when some choices cannot be encoded in the transformation. Then, search techniques can be used to help select a target model having specific properties. In this thesis, we present an approach combining model transformation with constraint solving to generate and explore these model sets. Moreover, we present two implementations of this approach along with multiple case studies showcasing these implementations and there usefulness.