Politiques d'allocations de ressources dans les réseaux optiques

Cette thèse s'inscrit dans le cadre du projet CARRIOCAS du pôle de compétitivité System@tic et du projet RNRT ECOFRAME. Le premier aspect que nous abordons concerne l'étude du transport de paquets dans un anneau optique sloté dans lequel les routeurs possèdent des mémoires optiques (sous forme de boucles à retard). Nous montrons que le problème de minimiser le nombre de chemins élémentaires nécessaires à l'acheminement d'un nombre donné de paquets avec contrainte de délai est un problème NP-complet. Nous analysons par simulations une heuristique simple permettant une allocation online de ressources dans l'anneau et nous avons mesurons l'impact de l'ajout de boucles à retard sur le taux d'acceptation d'applications. Le second aspect que nous étudions concerne les mécanismes de virtualisation de ressources dans le réseau. Nous étudions ce problème du point de vue des placements de graphes, et prouvons la NP-complétude des problèmes associés. Nous proposons ensuite un algorithme de routage en mode online visant la meilleure utilisation possible des ressources du réseau tout en tenant compte de contraintes dures en termes de qualité de service des applications. Nous analysons par simulations son taux d'efficacité pour placer les applications. Enfin, le troisième aspect que nous abordons concerne l'étude de politiques d'agrégations de ressources. Différentes entités composent le réseau CARRIOCAS: l'opérateur de réseau qui propose le service de connectivité et les services IT et les clients qui veulent accéder à ces services. Cependant les demandes générées par les clients sont potentiellement très nombreuses et d'une granularité trop faible pour être examinées au cas par cas par le réseau et pour permettre une allocation efficace des ressources. Il faut donc pour cela créer une entité intermédiaire, que nous appelons opérateur d'accès permettant d'agréger les demandes des clients afin d'envoyer des requêtes de taille suffisante au réseau afin de maximiser les chances que chaque requête soit acceptée. Ces choix d'agrégation sont difficiles à faire car l'opérateur d'accès ne possède pas les caractéristiques du réseau. Nous étudions l'apprentissage dynamique d'une politique d'agrégation par l'opérateur d'accès sous forme d'un jeu, où la recherche des équilibres de Nash se fait grâce à un algorithme d'apprentissage par renforcement (Linear Reward-Inaction).This thesis was done within the frame of the CARRIOCAS project of the System@tic competitiveness pole and of the ECOFRAME project. The first aspect that is studied, is the study of data transportation in a slotted optical network, in which routers have optical memories (a delay loop). We show that minimizing the overall delay of a flow (i.e. the delay of its longest elementary path) is a NP-complete problem. We analyse through simulations the efficiency of a simple heuristic algorithm allowing an online resource allocation in the ring and measure the impact of those loops for the application acceptance rate. The second aspect concerns the resource virtualization mechanisms in the network. We study this problem through graph mapping and prove the NP-completeness of the associated problems. We propose an online routing algorithm aiming for the best use of network resources while satisfying the hard QoS constraints of the applications. We analyse through simulations its efficiency to map the applications. Finally, the third aspect that we study is the study of resource aggregation policies. The CARRIOCAS network is made of several entities: the network that provides connectivity and IT services and the clients. However, the client demands generally have a too small granularity for the network to analyse them one by one and efficiently allocate its resources. We thus have to consider an intermediary entity that we name access provider that will aggregate the client demands and send requests of sufficient size to the network in order to maximize the chances that these requests are accepted. These aggregation choices are hard to make, because the access provider doesn't know the characteristics of the network. We study the dynamic learning of an aggregation policy by the access provider using a game, where the search for Nash equilibriums is made using a re-inforcement learning algorithm (Linear Reward-Inaction).VERSAILLES-BU Sciences et IUT (786462101) / SudocSudocFranceF