Ordonnancement garantissant l’équité proportionnelle des utilisateurs mobiles basé sur une connaissance partielle des conditions futures des canaux
Auteur / Autrice : | Thi Thuy Nga Nguyen |
Direction : | Olivier Brun, Balakrishna Jitendra Prabhu |
Type : | Thèse de doctorat |
Discipline(s) : | Automatique et Informatique |
Date : | Soutenance le 30/11/2020 |
Etablissement(s) : | Toulouse, INSA |
Ecole(s) doctorale(s) : | École doctorale Systèmes (Toulouse ; 1999-....) |
Partenaire(s) de recherche : | Laboratoire : LAAS - Laboratoire d'Analyse et d'Architecture des Systèmes - Laboratoire d'analyse et d'architecture des systèmes / LAAS |
Jury : | Président / Présidente : Rachid Elazouzi |
Examinateurs / Examinatrices : Olivier Brun, Balakrishna Jitendra Prabhu, Hind Castel, Isabel Amigo, Alain Pirovano | |
Rapporteurs / Rapporteuses : Rachid Elazouzi, Hind Castel |
Mots clés
Résumé
Dans les réseaux de communication, un ordonnanceur décide quelles ressources doit être attribuée à quel utilisateur. Les ressources disponibles étant limitées et les besoins des utilisateurs étant hétérogènes, le choix de l’ordonnanceur joue un rôle important dans la conception du réseau. Avec l’augmentation de la demande en ressources réseaux, due à l'utilisation croissante d’appareils mobiles et notamment à l’émergence des véhicules connectés, ce problème d’ordonnancement devient à la fois plus critique et plus complexe. Les ordonnanceurs utilisés actuellement allouent le canal en considérant son état actuel, et éventuellement ses états passés, mais sans tenir compte de ses états futurs. Ceci conduit à une allocation sous-optimale des ressources, ce qui peux avoir un effet néfaste sur les performances du réseau dans les périodes de congestion. Dans cette thèse, nous proposons un ensemble d’algorithmes d’ordonnancement qui exploitent l’information sur les états futurs du canal pour améliorer l’utilité totale du réseau. Le premier ensemble d'algorithmes est conçu comme une amélioration de l'ordonnanceur à équité proportionnelle dont l'objectif est de maintenir un certain équilibre entre d’une part un débit total élevé et d’autre part une certaine équité entre utilisateurs garantissant à chacun un niveau minimal de service. Le deuxième ensemble d'algorithmes effectuent conjointement contrôle de puissance et allocation du canal, toujours dans le but de maximiser une fonction d’utilité basée sur le concept d’équité proportionnelle. Les expériences numériques réalisées avec des modèles simples de mobilité ainsi qu’avec des traces générées en utilisant l'environnement SUMO montrent que les algorithmes proposés améliorent l'utilité, à la fois lorsque le réseau comporte une seule station de base et lorsqu’il en comporte plusieurs. Un des inconvénients des algorithmes proposés est qu’à chaque instant de décision il est nécessaire de résoudre un problème d’optimisation convexe de grande dimension, ce qui peut être rédhibitoire pour certains scénarios. C’est pourquoi, dans la dernière partie de la thèse, nous explorons une méthode basée sur un réseau de neurones profond pour apprendre les décisions des algorithmes proposés. Cette méthode permet de générer des décisions beaucoup plus rapidement tout en ayant une faible erreur d'approximation.