Constrained hybrid soft actor–critic (CH-SAC) with a mobility-and load-aware fusion predictor

Résumé

L’informatique en brouillard (Fog computing) fournit une couche d’exécution distribuée pour les applications sensibles à la latence et pilotées par la mobilité. Cependant, son efficacité est limitée par une forte variabilité spatio-temporelle de la demande, des arrivées de trafic en rafales et des rétroactions de congestion. Dans des environnements urbains réalistes, les contrôleurs réactifs et les prédicteurs basés uniquement sur la mobilité réagissent souvent seulement après la formation des files d’attente, ce qui entraîne une congestion persistante, une augmentation de la latence de queue (tail latency), des pertes de paquets et une dégradation de la Qualité de Service (QoS). Ces limitations deviennent particulièrement sévères en présence de goulots d’étranglement de calcul, de capacités de tampon limitées et de points chauds de demande se déplaçant rapidement. Cette thèse propose CH-SAC avec un prédicteur de fusion sensible à la mobilité et à la charge pour un provisionnement proactif des ressources du brouillard. Le cadre combine une tête de mobilité Flow-GRU avec une tête de demande de charge offerte de type Holt qui opère sur la somme des requêtes acceptées et rejetées, puis fusionne ces informations au moyen d’un pondération adaptative sensible à la congestion avec des bornes de sécurité explicites (plancher et plafond). Les signaux prédictifs obtenus sont intégrés dans un contrôleur Constrained Hybrid Soft Actor–Critic (CH-SAC) soutenu par un mécanisme de garde qui surveille la pression des files d’attente, l’utilisation des ressources, les pics de latence et le taux de rejet. Le cadre est évalué à l’aide de traces réelles de mobilité issues du jeu de données Beijing T-Drive, à la fois dans un environnement YAFS piloté par traces et dans un banc d’émulation de brouillard basé sur Mininet, sous des conditions de stress CPU, de stress de file d’attente et de situations de foule soudaine / déplacement de point chaud (flash-crowd / hotspot-shift). Le cadre proposé forme une boucle de contrôle en ligne fermée dans laquelle la charge de travail induite par la mobilité est prévue à court horizon, les noeuds de point chaud sont priorisés de manière proactive et des actions continues d’ajustement des ressources sont émises avant que la congestion ne devienne dominante. Dans l’analyse comportementale sous YAFS, le prédicteur de fusion atteint une forte précision à court horizon (MAE = 3,45 taxis, corrélation de Pearson r ≈ 0,95). Selon une définition d’action proactive basée sur un redimensionnement effectué avant l’apparition d’une surcharge, le contrôleur atteint une proportion d’actions proactives de 78,2 %, un temps d’anticipation médian de 17,0 s et un score F1 de prédiction de surcharge de 0,890. Dans l’évaluation sous contrainte avec Mininet, CH-SAC avec prédicteur de fusion atteint une latence moyenne de 79,3 ms et 241 454 requêtes complétées sous stress de file d’attente, et une latence moyenne de 41,65 ms avec 162 285 requêtes complétées sous stress de foule soudaine / déplacement de point chaud. À travers ces deux niveaux d’évaluation, le cadre améliore le provisionnement proactif, la latence, le contrôle de la congestion, la fiabilité du service et le comportement de récupération par rapport aux approches basées sur des seuils, aux méthodes métaheuristiques, aux méthodes RL de base et au SAC non prédictif. Les résultats mettent également en évidence les rôles complémentaires des deux principales améliorations du cadre : le prédicteur de fusion est particulièrement important lorsque l’anticipation précoce est nécessaire, notamment dans les conditions de stress CPU et de file d’attente, tandis que le mécanisme de garde est essentiel pour la robustesse et la survie du système face aux situations soudaines de foule massive. Globalement, cette thèse montre que l’intégration d’une prévision fusionnée à court horizon avec un apprentissage par renforcement à contrôle continu et conscient des contraintes transforme le provisionnement des ressources du brouillard, passant d’une réponse réactive à la surcharge vers un contrôle proactif, résilient et orienté QoS dans des environnements urbains pilotés par la mobilité.

Date	20 juin 2026
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Michel Kadoch (Directeur(-trice))