Algorithmes et Protocoles Distribués d'Allocation Multiressources

Distributed Multi-Resource Allocation Algorithms and Protocols

• Auteur / Autrice : Zeidan Braik
• Direction : Stefano Secci, Sahar Hoteit
• Type : Projet de thèse
• Discipline(s) : Sciences pour l'ingénieur spécialité Mathématiques appliquées
• Date : Inscription en doctorat le 18/08/2025
• Etablissement(s) : Paris, CNAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur
• Partenaire(s) de recherche : Laboratoire : Cedric - Centre d'études et de recherche en informatique et communications
• Partenaire(s) de recherche : Equipe de recherche : ROC - Réseaux et Objets Connectés

Mots clés

Mots clés libres

Équité

Traitement Réparti

Allocation Multi-Ressources

Réseaux encombrés

Optimisation

Interconnexion de réseaux (télécommunications)

Fairness

Distributed Computing

Multi-Resource Allocation

Congested Networks

Optimization

Multi-Tenant Systems

Résumé

Les problèmes d'allocation multi-ressources visent à répartir des capacités disponibles entre plusieurs demandeurs et apparaissent dans divers contextes et applications. Un défi central est la congestion, qui survient lorsque les ressources disponibles sont limitées et insuffisantes pour satisfaire la demande des utilisateurs, ce qui exige de revisiter et d'adapter les notions d'équité à de tels environnements contraints. Les approches classiques d'allocation, telles que l'équité proportionnelle et l'équité max-min, reposent sur un orchestrateur centralisé disposant d'une connaissance complète du système et de l'information. Toutefois, ces méthodes centralisées présentent des limites de passage à l'échelle, car la résolution de problèmes de grande taille devient coûteuse en termes de calcul et de communication. De plus, dans des environnements distribués, les participants adoptent souvent un comportement compétitif et sont réticents à divulguer des informations complètes aux autres ou à une autorité centrale. Cette dimension compétitive motive davantage le recours à des solutions décentralisées, et ces scénarios peuvent être modélisés de manière naturelle par la théorie des jeux coopératifs, qui fournit un cadre rigoureux pour représenter les interactions et l'équité entre agents. Cette thèse répond à ces défis en développant des règles et protocoles d'allocation multi-ressources distribués, en étendant les notions d'équité afin de prendre en compte la rareté et la connaissance partielle. Nous nous concentrons sur les cas où les demandes de ressources sont couplées par des fonctions prédéfinies ou héritées du système, conduisant à des contraintes de dépendance qui redéfinissent fondamentalement le problème d'allocation et l'interprétation de l'équité. Sur cette base, nous concevons des protocoles d'ordonnancement distribués fonctionnant en quasi temps réel et proposons une analyse théorique et formelle de leur équité et de leurs performances dans des systèmes multi-ressources congestionnés. Ces protocoles combinent une prise de décision décentralisée avec des mécanismes de consensus afin de garantir des résultats à la fois Pareto-efficients et équitables dans des conditions de forte congestion. En intégrant équité, passage à l'échelle et partage limité d'information dans un cadre mathématique rigoureux, cette thèse fait progresser la théorie et la pratique de l'allocation distribuée de ressources.

Multi-resource allocation problems aim to distribute available capacities among claimants, arising in various contexts and applications. A central challenge is congestion, which occurs when available resources are limited and not enough to satisfy users' demand, requiring fairness notions to be revisited and adapted to such constrained environments. Classical allocation approaches, such as proportional fairness and max-min fairness, rely on a centralized orchestrator with complete system and information knowledge. However, such centralized methods face scalability limitations, as solving large problems becomes computationally and communicationally expensive. In addition, in distributed settings, participants often behave competitively and are unwilling to disclose complete information to others or to a central authority. This competitive dimension further motivates decentralized solutions, and these scenarios can be naturally modeled using cooperative game theory, which provides a principled way to capture interactions and fairness among agents. This thesis addresses these challenges by developing distributed multi-resource allocation rules and protocols, extending fairness notions to account for scarcity and partial knowledge. We focus on cases where resource demands are coupled through predefined or system-inherited functions, leading to dependency-aware constraints that fundamentally redefine the allocation problem and the interpretation of fairness. Building on this foundation, we design distributed scheduling protocols that operate in near real time and provide a theoretical and formal analysis of their fairness and performance in congested multi-resource systems. These protocols combine decentralized decision-making with consensus mechanisms to ensure Pareto-efficient and fair outcomes under severe congestion. By integrating fairness, scalability, and limited information sharing into a rigorous mathematical framework, the thesis advances the theory and practice of distributed resource allocation.