Dimensionnement et optimisation des réseaux de collecte sans fil / Alvinice Kodjo ; sous la direction de David Coudert

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : anglais / English

Catalogue Worldcat

Données -- Transmission

Commande robuste

Consommation d'énergie

Coudert, David (1973-....) (Directeur de thèse / thesis advisor)

Michelon, Philippe (Président du jury de soutenance / praeses)

Rivano, Hervé (1977-....) (Rapporteur de la thèse / thesis reporter)

Nace, Dritan (19..-....) (Rapporteur de la thèse / thesis reporter)

Jaumard, Brigitte (19..-....) (Membre du jury / opponent)

Beatini, Patrick (19..-....) (Membre du jury / opponent)

Université de Nice (1965-2019) (Organisme de soutenance / degree-grantor)

École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes) (Ecole doctorale associée à la thèse / doctoral school)

Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes) (Laboratoire associé à la thèse / thesis associated laboratory)

Laboratoire Informatique, signaux et systèmes (Sophia Antipolis, Alpes-Maritimes) (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : L’essentiel des travaux de cette thèse porte sur les réseaux de collectes de données sans fil. Nous avons étudié différents problèmes d’optimisation dans ces réseaux qui représentent de vrais challenges pour les industriels du secteur. Le premier problème porte sur l’allocation de capacités sur les liens à coût minimum. Il a été résolu par une approche de programmation linéaire avec génération de colonnes. Notre modèle permet de résoudre des problèmes de grandes tailles. Nous avons ensuite étudié le problème du partage d’infrastructure réseau entre opérateurs virtuels avec comme objectif de maximiser les revenus de l’opérateur de l’infrastructure physique tout en satisfaisant les demandes et les contraintes de qualité de service des opérateurs virtuels clients du réseau. Dans ce contexte, nous avons proposé une formulation robuste du problème en programmation linéaire en nombres entiers mixte. Un autre point de dépenses dans ce type de réseau est la consommation d’énergie. Nous avons proposé une solution robuste, de routage basée sur la consommation d’énergie du réseau. Notre solution a été formulée en utilisant un programme linéaire en nombre entiers mixte. Nous avons aussi proposé des heuristiques afin de trouver assez rapidement des solutions pour de grandes instances. Le dernier travail de cette thèse porte sur les réseaux radio cognitifs et plus précisément sur le problème de partage de bande passante. Nous l’avons formalisé en utilisant un programme linéaire mais avec une autre approche d’optimisation robuste. Nous utilisons la méthode d'optimisation robuste à 2 niveaux pour le résoudre.

Résumé / Abstract : The main work of this thesis focuses on the wireless backhaul networks. We studied different optimization problems in such networks that represent real challenges for industrial sector.The first issue addressed focuses on the capacity allocation on the links at minimum cost. It was solved by a linear programming approach with column generation. Our method solves the problems on large size networks. We then studied the problem of network infrastructure sharing between virtual operators. The objective is to maximize the revenue of the operator of the physical infrastructure while satisfying the quality of service constraints of virtual operators customers of the network. In this context, we proposed a robust model using mixed integer linear programming. In the following problem, we proposed a robust energy-aware routing solution for the network operators to reduce their energy consumption. Our solution was formulated using a mixed integer linear program. We also proposed heuristics to find efficient solutions for large networks. The last work of this thesis focuses on cognitive radio networks and more specifi- cally on the problem of bandwidth sharing. We formalized it using a linear program with a different approach to robust optimization. We based our solution on the 2-stage linear robust method.