Allocation de ressources à prise de décisions distribuées dans des réseaux mobiles hétérogènes - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2010

Radio resource allocation using distributed decision making in heterogeneous mobile systems

Allocation de ressources à prise de décisions distribuées dans des réseaux mobiles hétérogènes

Résumé

In this thesis, we showed at first the need to develop radio resource allocation in heterogeneous mobile systems. The research results presented here aim to find methods enabling to perform this resource allocation. The selected approach consists in describing mathematically the resource allocation problem and then solve it in a distributed manner, using discrete and convex optimization. The convex optimization enables to reduce significantly computational costs, thanks to the use of convex optimization properties. Indeed, when using convex functions, any local minimum is also a global one. Moreover, the dual problem can be easily decomposed which enables the use of distributed solutions. We chose to model mobile technologies with discrete transmission modes between transceivers and receivers. This hypothesis relies on the fact that many existing radio technologies exchange information using a limited number of transmission modes. This hypothesis enables to reduce the number of possible solutions and consequently improves the solution proposed. Finally, we proved the efficiency of distributed approaches to solve the radio resource allocation problem within heterogeneous systems. Indeed, these methods are reactive to any change within radio conditions (transmission channel value, mobile movement, etc.) and are more efficient in terms of computational cost as the computations are divided between the base stations and the mobiles.
Dans celte thèse, nous avons mis en évidence la nécessité de développer des approches permettant d'assurer l'allocation de ressources dans un système hétérogène. Les recherches effectuées visent à pallier l'absence d'approche générique dans le domaine de l'allocation de ressources dans des réseaux hétérogènes. L'approche retenue consiste à décrire le problème de manière mathématique puis à le résoudre de manière distribuée à l'aide de l'optimisation discrète et convexe. L'optimisation convexe permet de réduire amplement la complexité calculatoire par l'utilisation des proprietés d'une fonction convexe, à savoir le fait qu'un minimum local est également minimum global, que le problème dual peut aisément être décomposé permettant ainsi l'utilisation de méthodes distribuées. La modélisation des technologies de télécommunication s'effectue à l'aide de modes de transmission discrets entre les mobiles et les stations de base. Celte hypothèse repose sur la constatation de l'utilisation, dans les technologies de communication existantes, de schémas de transmission prédéfinis et disponibles en nombre limité. Elle permet de limiter l'espace des solutions possibles et améliore ainsi l'efficacité de la solution proposée. Enfin, nous avons montré l'intérêt d'utiliser des méthodes distribuées dans le cadre l'allocation de ressources dans des systèmes variés. En effet, ces méthodes se révèlent à la fois plus réactives aux variations des conditions du scénario (valeurs des canaux de transmission, déplacement des mobiles,. . . ) et moins coûteuses en terme de calcul car celui-ci est réparti parmi les différentes entités du système.
Fichier principal
Vignette du fichier
these_gaie_vf.pdf (1.86 Mo) Télécharger le fichier
Commentaire : Version incluant le titre, l'auteur et son affiliation, l'université, la composition du jury, ainsi que la date de soutenance
Loading...

Dates et versions

tel-02884997 , version 1 (25-07-2020)

Identifiants

  • HAL Id : tel-02884997 , version 1

Citer

Christophe Gaie. Allocation de ressources à prise de décisions distribuées dans des réseaux mobiles hétérogènes. Informatique [cs]. Paris Saclay, 2010. Français. ⟨NNT : ⟩. ⟨tel-02884997⟩

Collections

SUPELEC
123 Consultations
79 Téléchargements

Partager

Gmail Facebook X LinkedIn More