Ordonnancement de données multiprotocoles des objets connectés dans la maison intelligente

Résumé

Au cours des dernières années, le nombre d’appareils et d’applications de l’Internet des objets (IdO) et leur volume de données génerées ont augmenté rapidement. Afin de répondre aux diverses exigences des utilisateurs en termes de transmission de données et de réduire des embouteillages dans le réseau domestique intelligent, des objets connectés intelligents multi-interfaces ont été déployés pour offrir la flexibilité d’accès à plusieurs réseaux d’accès hétérogènes. Dans ce mémoire, nous proposons un mécanisme pour affecter dynamiquement les flux de trafic de ces objets aux interfaces des passerelles d’IdO tout en satisfaisant leur qualité de service (QdS), et simultanément augmenter la quantité de données valides acceptées par les passerelles. De ce fait, nous formulons le problème d’assignation optimale des flux de données provenant des appareils IdO ayant plusieurs interfaces vers les passerelles IdO (OFAP-MIG) en tant qu’un modèle de programmation mixte non entière (PMNE). Ensuite, nous proposons une solution basée sur une approche d’apprentissage par renforcement profond (ARP) pour résoudre ce problème NP-difficile. Les agents déployés dans les passerelles IdO et le nuage informatique utilisent les réseaux de neurones profond (RNP) pour calculer une solution optimale basée sur un espace d’état, un espace d’action et une fonction de récompense. Les résultats de simulation montrent que notre solution proposée surpasse la solution centralisée, qui a été présentée dans des travaux antérieurs, en termes de la quantité totale de données transférées par les passerelles et du taux d’acceptation.

Date	20 déc. 2021
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Kim Khoa Nguyen (Directeur(-trice))