COSIMIA : Combiner Simulation et Apprentissage Automatique pour Optimiser la Configuration des Réseaux IoT

International audienceL'internet des objets (IoT) couvre un large éventail d'applications qui s'appuient sur une ou plusieurs technologies réseau pour échanger des données entre les différents dispositifs IoT et les applications utilisateur. Ces technologies sont très hétérogènes et sont caractérisées par un ensemble de paramètres de configuration spécifiques à chacune. Les architectes IoT peuvent avoir recours à la simulation pour sélectionner une configuration réseau qui permette d'obtenir les meilleurs performances pour une application et un contexte cibles. Mais cette approche peut s'avérer coûteuse en temps de calcul et donc en énergie. Dans cet article, nous proposons COSIMIA, une méthode s'appuyant sur la combinaison de la Simulation et de l'Apprentissage automatique afin d'accélerer la recherche d'une configuration optimisée pour un scénario IoT donné. La méthode proposée est appliquée à deux études de cas inspirées de situations industrielles réelles, utilisant des technologies IoT différentes. Nous montrons que cette méthode permet de déterminer de bonnes configurations réseau avec un nombre réduit de simulations