Résolution de problèmes sous contrainte de ressources à l'aide de réseaux neuromimétiques : application à l'ordonnancement

Non disponible / Not availableDans un environnement dynamique, un système informatique voit ses actions contraintes par le temps et ses performances jugées par le rapport qualité sur temps. Dans cette approche l'objectif n'est plus alors de trouver la réponse de meilleure qualité à un problème donné, mais de chercher le meilleur compromis entre le temps alloué à la réponse et la qualité de la réponse fournie. Le modèle développé dans cette thèse repose sur une résolution progressive d'un problème de façon à disposer d'une première réponse rapidement, quitte à ce que sa qualité soit grossière. L'originalité de l'approche vient de l'utilisation de réseaux neuromimetiques pour la définition d'algorithmes progressifs. Les réseaux auxquels nous nous sommes intéressés réalisent en fait des optimisations de fonctions sous contraintes, ce qui permet de couvrir un large éventail de problèmes. De plus, nous avons réussi à dégager des paramètres d'affinement sur ces réseaux de façon à fournir un ensemble d'algorithmes possédant chacun une qualité et un temps de traitement différents. Ainsi un même problème peut être traité différemment selon l'échéance imposée pour l'obtention de la solution. La seconde étape de nos travaux consiste en la sélection de la suite d'algorithmes à activer en fonction d'une date limite ou d'une loi de probabilité de celle-ci de façon à garantir un résultat qui ait la meilleure qualité possible tout en étant régulièrement amélioré. Ce système a été validé sur une application fondamentale pour le fonctionnement temps-réel qui est l'ordonnancement des taches