Exploitation de la diversité des réseaux

Nowadays, mobile users integrate multiple wireless network interfaces in their devices, like IEEE 802.11, 2G/3G/4G cellular, WiMAX or Bluetooth since these heterogeneous technologies can provide Internet access in urban areas. In this context, there is a potential for mobile users to exploit the diversity of the wireless interfaces in order to be always best connected to the networks at any given time and place. However, taking advantage of this network diversity requires an efficient mobility and multihoming management. Regarding mobility, mobile users need to discover wireless networks and perform seamless handovers between different points of attachment. In order to support multihoming and allow using multiple wireless networks simultaneously, there is a need to define network selection mechanisms to assign the applications to the different wireless interfaces in the most optimal manner. In this thesis, we first provide a characterization of the network diversity by exploring and analyzing the performance of current wireless deployments in urban areas, especially considering cellular and IEEE 802.11 community networks. Then, we focus on IEEE 802.11 mobility, particularly on the access point scanning process, by providing two adaptive algorithms that aim to set the most suitable scanning parameters for each scenario condition. We evaluate these algorithms by experimentation and compare their performance against common fixed-parameters scanning strategies. Finally, we study the network selection in such a multi-homed scenario and provide a decision-making algorithm to find optimal flow-interface assignations, considering QoS and energy consumption criteria. This decision algorithm is modelled using a multi-objective optimization problem and genetic algorithms. We evaluate, by the means of simulations, the performance of our approach against preference-based decision-making algorithms.Aujourd'hui, les utilisateurs mobiles intègrent plusieurs interfaces sans fil dans leurs dispositifs mobiles, tels que IEEE 802.11, des technologies cellulaires 2G/3G/4G, WiMAX ou Bluetooth, car ces technologies hétérogènes peuvent fournir un accès Internet dans les zones urbaines. Dans ce contexte, il existe un potentiel pour les utilisateurs mobiles d'exploiter la diversité des interfaces sans fil, afin d'être connectés aux réseaux de la meilleure manière possible, à tout moment et partout. Cependant, afin de profiter de cette diversité des réseaux il est nécessaire d'avoir une gestion efficace de la mobilité et de la multi-domiciliation. En ce qui concerne la mobilité, les utilisateurs mobiles ont besoin de découvrir les réseaux sans fil et basculer entre des points d'accès d'une façon transparente et sans coupures. Afin de supporter la multi-domiciliation et de permettre l'utilisation de plusieurs réseaux sans fil simultanément, il est nécessaire de définir des mécanismes de sélection des réseaux visant à attribuer les flux d'applications aux différentes inter- faces sans fil d'une manière optimale. Dans cette thèse, nous avons d'abord caractérisé la diversité des réseaux en explorant et en analysant les performances des déploiements sans fil actuelles dans les zones urbaines, en particulier les réseaux cellulaires et les réseaux communautaires basés sur IEEE 802.11. Ensuite, nous avons étudié la mobilité dans les réseaux IEEE 802.11, particulièrement le processus de découverte des points d'accès, en fournissant deux algorithmes adaptatifs qui visent à utiliser les paramètres de découverte les plus appropriés dans chaque scénario. Nous évaluons ces algorithmes par l'expérimentation et nous comparons leurs performances par rapport aux stratégies utilisant des paramètres par défaut. Enfin, nous étudions la sélection des réseaux dans un scénario multi-domicilié et nous proposons un algorithme de prise de décision pour trouver l'attribution optimale des flux aux différentes interfaces, en prenant en compte des critères de qualité de service et de consommation d'énergie. Cet algorithme de décision est modélisé par un problème d'optimisation multi-objectif et est résolu avec des algorithmes génétiques. Nous évaluons, par le biais de simulations, les performances de notre approche contre des algorithmes de décision basés sur des préférences