Thèses de Doctorat "Informatique"
URI permanent de cette collection
Parcourir par
Dépôts récents
- 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.
- ItemPattern-Oriented Data Mining and Constraint-Based Reasoning(Université Oran1, 2025-11-06)With the explosion of digital data, pattern mining has become a fundamental pillar of knowledge discovery. This thesis contributes to the body of work aimed at optimizing the discovery of signicant structures in large databases, addressing three major challenges: the exponential combinatorics of candidate patterns, informational redundancy, and the limited expressiveness of traditional specialized approaches. Our work proposes an innovative framework based on constraint programming (CP), reconciling declarative expressiveness with algorithmic effeciency. The first major contribution introduces a new global constraint based on a formally supported relaxation of the Overlap measure for extracting k-sets of diverse closed patterns. Unlike previous approaches using the Jaccard measure, our ClosedOverlap model exploits the (anti-)monotonicity properties of the relaxed Overlap measure, offering superior discriminating power. To solve the critical "first pattern" problem that affects diversication approaches, we integrate entropy optimization that minimizes false positives induced by relaxation. This modular architecture, implemented in the Choco solver in both sequential and parallel versions, effectively separates the specific sub-problems of pattern mining, allowing increased exibility while maintaining competitive computational performance. Our second contribution extends this declarative approach to user preference learning through a multi-criteria ensemble learning framework. This model elegantly combines the Analytic Hierarchy Process (AHP) with linear optimization to dynamically calibrate the weighting of heterogeneous classifiers (SVM, RF, KNN). This approach has been validated on complex multispectral satellite image classification problems, demonstrating its robustness against noise and data heterogeneity. Experimental validations conducted on reference datasets, both real and synthetic, demonstrate not only the theoretical superiority of our approaches but also their practical applicability to high-dimensional problems. Our Overlap-based approach signicantly outperforms Jaccard-based methods in terms of quality and diversity of extracted patterns, while our multi-criteria aggregation model substantially improves the classification accuracy of multispectral images. This thesis thus establishes a fruitful bridge between theoretical advances in constraint programming and concrete applications in data mining and remote sensing. It opens promising perspectives for the dynamic customization of mining constraints and extension to other types of structured data, contributing to the emergence of more interactive knowledge extraction systems adapted to user needs.
- ItemDéveloppement des politiques de réplication personnalisées pour améliorer la performativité des services Multi-tenants corrélés dans le Cloud-SaaS(Universtité Oran 1, 2025-07-02)Dans le paysage de l'infonuagique contemporain, les systèmes basés sur des services multi-locataires (SBS) sont devenus un paradigme dominant, offrant une large gamme de services régis par divers accords de niveau de service (SLA) pour répondre aux exigences distinctes performance et de qualité de service (QoS) des locataires. Néanmoins, leur complexité inhérente augmente le risque de violations des SLA, ce qui peut entraîner une dégradation des performances. La gestion des systèmes SBS pose des défis importants en raison des interdépendances complexes entre leurs composants et du large éventail d'exigences de performance. Cette nature dynamique et hautement interconnectée augmente la probabilité de violations des SLA, compromettant ainsi la fiabilité du système. Pour relever ces défis, des stratégies basées sur la réplication sont largement adoptées, l'identification des services critiques (ICS) constituant une étape fondamentale et préliminaire. L'un des principaux avantages d'ICS réside dans sa capacité à limiter le nombre de services composants nécessitant une surveillance intensifiée ou des stratégies de redondance spécialisés, optimisant ainsi l'utilisation des ressources. Cette thèse propose une double contribution. D’une part, une approche modulaire fondée sur les réseaux de Petrimultiniveaux (n-NLS) a été conçue pour modéliser les composants d’un système SBS ainsi que leurs interactions, tant verticales qu’horizontales. D’autre part, une politique novatrice d'ICS combinant des aspects contractuels et contextuels a été développée afin de renforcer la tolérance aux pannes via la réplication des systèmes SBS. Contrairement aux approches classiques centrées exclusivement sur les SLA, cette politique tient compte de facteurs contextuels, tels que la localisation géographique des locataires par rapport aux fournisseurs de services infonuagiques