Thèses de Doctorat "Informatique"
URI permanent de cette collection
Parcourir par
Dépôts récents
1 - 5 sur 218
- ItemPlateforme hyperheuristique adaptative distribuée pour la résolution de problèmes d’optimisation(Université oran1, 2026-05-13)La résolution de problèmes d’optimisation combinatoire repose fréquemment sur l’emploi de métaheuristiques, qui fournissent des solutions de haute qualité dans des temps de calcul raisonnables. Cependant, l’efficacité de ces méthodes est intrinsèquement liée au choix de l’algorithme et à la configuration fine de ses paramètres, un processus qui dépend fortement de l’expertise humaine et d’une phase de réglage empirique. Cette dépendance limite la généralisation des solveurs à de nouvelles instances ou à de nouveaux problèmes, posant un défi majeur en termes d’autonomie et d’adaptabilité. Ce travail aborde cette problématique en proposant le développement d’une plateforme hyperheuristique qui automatise la sélection de stratégies algorithmiques via l’apprentissage par renforcement. La démarche est incrémentale : une première contribution établit la faisabilité de l’intégration de l’apprentissage par renforcement pour guider une recherche locale sur le problème d’affectation quadratique en 3 dimensions (Q3AP), ce qui se traduit par une amélioration des performances. Ensuite, une hyperheuristique de sélection, GRASP-HH, est développée pour gérer un portefeuille de configurations de la métaheuristique GRASP, montrant qu’une orchestration de stratégies hétérogènes est plus efficace qu’une approche monolithique. La contribution centrale de ce travail est l’évolution de cette plateforme vers un système adaptatif, RL-GRASP-HH, intégrant un agent d’apprentissage par renforcement profond basé sur une architecture Acteur-Critique. Cet agent apprend une politique de sélection qui choisit dynamiquement la configuration la plus appropriée en fonction de l’état courant de la recherche. Les résultats expérimentaux confirment la validité de l’approche : le modèle RL-GRASP-HH montre une amélioration significative de la qualité moyenne des solutions et de la robustesse par rapport à sa version non-apprenante et aux métaheuristiques de référence. Cette synergie entre apprentissage automatique et optimisation pose les bases pour la conception de systèmes d’optimisation plus autonomes et généralistes.
- ItemUne approche dirigée par les modèles pour le Cloud Computing(Université Oran1, 2026-04-23)Le Cloud Computing constitue aujourd’hui le paradigme central du déploiement d’applications grâce à ses atouts en matière d’élasticité, de rentabilité et d’optimisation des performances. Néanmoins, la prolifération de fournisseurs et l’hétérogénéité de leurs services engendrent une complexité accrue, des processus de configuration manuels et non standardisés, ainsi qu’un risque élevé de verrouillage propriétaire. Dans ce contexte, cette recherche propose une méthodologie visant à automatiser et à simplifier le déploiement d’applications dans des environnements multi-cloud, en s’appuyant sur les fondements de l’Ingénierie Dirigée par les Modèles (IDM/MDE) et de l’Architecture Dirigée par les Modèles (MDA). Cette approche repose sur la définition de méta-modèles PIM et PSM, ainsi que sur des chaînes de transformations automatiques permettant de générer des scripts de déploiement ou des artefacts conteneurisés (Docker, Kubernetes). Les évaluations expérimentales montrent une réduction significative du temps et de l’effort de déploiement, ainsi qu’un haut niveau de portabilité et d’élasticité dans des environnements multi-cloud.
- ItemDimensionnement et optimisation des réseaux de collecte sans fil(Université Oran1, 2025-12-02)Cette thèse propose des modèles d'optimisation pour la gestion intégrée des ressources dans les réseaux d'opérateurs, s'articulant autour de deux axes majeurs : les liaisons micro-ondes fixes et les fonctions réseau virtualisées. Les réseaux de collecte (backhaul) constituent de plus en plus un goulot d'étranglement dans les réseaux mobiles face à l'explosion des demandes. Les liaisons micro-ondes fixes représentent une alternative économique à la fibre, particulièrement dans les zones peu denses, mais leur variabilité de débit selon les conditions atmosphériques complique la planification. Pour répondre à ce défi, la thèse formule le problème de dimensionnement et de routage comme un programme linéaire en nombres entiers minimisant le coût sous contrainte de fiabilité, enrichi d'inégalités valides basées sur la capacité globale du réseau et l'élimination des combinaisons bande-modulation infaisables. Une heuristique fondée sur la relaxation lagrangienne a également été développée, combinant calcul de borne inférieure et conversion vers une solution faisable. Les tests sur des topologies réelles démontrent l'efficacité des approches proposées. Les renforcements du modèle divisent par deux le temps de résolution sur les petits réseaux, tandis que l'heuristique lagrangienne atteint des solutions 68-74% plus rapidement avec seulement 7-23% d'écart par rapport à l'optimum. Dans la seconde partie, la thèse aborde l'intégration des fonctions réseau virtualisées, permettant de déployer des services réseau sous forme de machines virtuelles ou conteneurs sur des serveurs standards. L'objectif est de déterminer simultanément le routage des flux et le placement des instances de fonctions tout en respectant les chaînages imposés par chaque service. L'approche repose sur la génération de colonnes, avec deux méthodes (programmation linéaire standard et heuristique de Feillet) et deux fonctions objectif (minimisation de la consommation énergétique et minimisation de la congestion des liens). Les tests révèlent que la méthode standard du pricing permet une résolution plus rapide, tandis que la qualité de solution est généralement meilleure avec l'heuristique de Feillet. L'optimisation de la congestion maximale impacte négativement la consommation d'énergie qui peut plus que doubler, tandis que l'optimisation de l'énergie augmente la congestion entre 3 à 5 fois.
- ItemAmélioration de la qualité d'expérience dans les services de vidéo streaming pour les réseaux mobiles(Université Oran 1, 2025-12-10)La diffusion vidéo en continu représente une part significative du trafic Internet, en particulier sur les réseaux sans fil, où les fluctuations de bande passante l’instabilité du canal radio peuvent dégrader de manière significative la qualité d’expérience (QoE). Maintenir une QoE stable dans ces conditions constitue un défi important, malgré la large adoption du protocole Dynamique Adaptive Streaming over HTTP (DASH). Les algorithmes traditionnels d’adaptation du débit binaire (ABR) reposent principalement sur des règles fixes, ce qui limite leur capacité à s’adapter afficacement à la variabilité du réseau. Par conséquent, de nouvelles approches sont nécessaires pour optimiser la QoE et améliorer la satisfaction des utilisateurs, soulèvant la question de la manière de mesurer et d’améliorer efficacelent la QoE. Cette thèse se concentre sur l’amélioration de la QoE des utilisateurs du service de streaming vidéo sur les réseaux sans fil. Premièrement, nous proposons une approche basée sur l’apprentissage par renforcement profond appliqué au streaming DASH, qui ajuste dynamiquement la diffusion afin de maintenir une QoE perçue stable et élevée. Deuxièment, nous introduisons un cadre d’évaluation de la QoE de bout en bout intégré au système DASH, capable d’évaluer l’expérience utilisateur selon plusieurs mesures La stratégie d’adaptation proposée ajuste dynamiquement les transitions de qualité entre segments vidéo consécutifs pour optimiser la QoE perçue. La méthode a été évaluée via des simulations couvrant divers scénarios sans fil et contenus vidéo. Une analyse comparative avec les techniques ABR existantes montre des améliorations significatives de la stabilité du streaming et de l’éxpérience globale des utilisateurs. Par ailleurs, la thèse présente un cadre hybride d’évaluation de la QoE de bout en bout dans le système DASH, combinant des métriques objectives et le retour subjectif des utilisateurs. Le cadre prend en compte la qualité vidéo, le taux de changement de qualité, les interruptions de lecture et l’opinion des utilisateurs, en les agrégant dans un score pondéré aligné sur l’échelle MOS. Pour valider cette approche, une plateforme DASH avec connectivité sans fil et un serveur de streaming contenant des segments vidéo et des fichiers MPD a été mise en place. Des expériences comparatives avec des algorithmes ABR standards confirment que le cadre fournit une évaluation fiable et complète de l’éxpérience utilisateur dans diverses conditions réseau
- ItemDesigning and implementing a secure evacuation system using a mobile communications network(2025-05-27)The thesis presents a complex simulation system for demonstrating the evacuation process in a building, whereby people attempt to escape from a dangerous scenario. It is novel in that it integrates a range of different models: agent-based model, social force model, and psychological behaviour with emotions and norms. The method uses the communication network based on the message queuing telemetry transport protocol that assists in gathering information from the environment. The paths are modified using feelings and a rule-based expert system. It led to the development of a simulator to prevent crisis cases with recommendations for managing safer environments.