Transcript Télécharger Le PowerPoint


LARGUEM Ali Anis (Leader) - Introduction + Optimisation de la
consommation énergétique dans les réseaux sans fil fixe + simulation
 LADJOUZE Mohamed Cherif - Heuristique au problème des réseaux sans fil
fixe
 HAMZA REGUIG Ryma -Routage économe en énergie dans les réseaux
sans fil ( Network flow minimum cost
 OUADAH Zineb - Grande couverture avec un minimum d’énergie dans les
réseaux capteur

Ghoulem Fatima Zohra -Optimisation de la consommation énergétique
dans les réseaux capteur

Gahlouz Lamia

Kelfah Nebia -routage efficace en énergie (réseaux filaire )
Heuristique au problème du routage efficace en énergie
(LESS LOADED EDGE HEURISTIC
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Les technologies de l'information et de la
communication
sont responsables à elles
seules de 2% à 10% de la consommation
mondial.
Nous
nous
intéressons
à
la
consommation liée aux réseaux (filaire et non
filaire ).
On propose des programmes linéaire
pour ces problème et un heuristique; puis on
analyse
expérimentalement
par
des
simulations la quantité d’´energie qui peut être
sauvée pour certains réseaux.
Introduction
Chapitre I
La consommation dans les réseaux (filaire) est
fortement liée au nombre d'équipements du
réseau activé (indépendamment de la charge ).
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Dans un objectif de minimisation de l'énergie
dans les réseaux, il est intéressant de minimiser
le nombre d'équipements utilisés lors du routage
Introduction
Chapitre I
Chapitre II
Le réseau est modélisé par un graphe non orienté
G = (V, E, c)
C(e) ≥0 Capacité de l'arête e € E
Chapitre III
L’ensemble des demandes
Chapitre IV
le volume de trafic de s à t
Conclusion
Introduction
Chapitre I
Le premier problème consiste consiste à
décider s'il existe un routage valide des
demandes de D dans G.
Exemple:
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Avec deux demandes Ds1t1 = 10 et Ds2t2 = 10
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Donc on a comme première contrainte
(Solution au problème )
Introduction
Chapitre I
Le problème de routage arêtes minimum

Ce problème est un cas particulier de problèmes
classiques d'optimisation dans les réseaux.
Chapitre II
Chapitre III
Le problème de routage arêtes minimum consiste
à trouver un ensemble de cardinalité minimum te
qu'il existe un routage valide des demandes D
dans avec
Chapitre IV
Conclusion
Pour
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Exemple :
Introduction

Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion

Sur le même graphe G = (V, E, c) de l’exemple
précédent, on applique l’envoi de trois demandes
Ds1t1 = 10, Ds2t2 = 5 et Ds3t3 = 2.
Résultat :
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Deux solutions optimales différentes pour le problème de
routage arêtes minimum pour une même instance avec
Ds1t1 = 10,
Ds2t2 = 5
et
Ds3t3 = 2.
Si on prend un autre exemple :
Introduction
Chapitre I
Chapitre II
Conclusion


Chapitre III

Chapitre IV
Conclusion

Le problème de routage arêtes minimum n'est
pas dans APX (Algorithme Polynomial
garantissant une solution optimale ).
Le routage par plus courts chemins peut donner
une solution arbitrairement mauvaise par
rapport à une solution optimale.
C’est pour ça on propose une heuristique.
Le problème de routage est bien connu pour être
NP-complet même pour deux demandes.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Résoudre un problème d’optimisation
combinatoire, c’est trouver l’optimum d’une
fonction, parmi un nombre fini de choix,
souvent très grand.
Les heuristiques forment un ensemble
de méthodes utilisées en RO pour résoudre
des problèmes d’optimisation réputés difficiles
les heuristiques permettent, dans des temps
de calcul raisonnables, de trouver des
solutions, peut-être pas toujours optimales, en
tout cas très proches de l’optimum.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
En mathématiques, l'optimisation
recouvre toutes les méthodes qui
permettent de déterminer l'optimum d'une
fonction, avec ou sans contraintes.
L’ optimisation combinatoire consiste
à trouver la meilleure solution entre un
nombre fini de choix; autrement dit, à
minimiser une fonction, avec ou sans
contraintes, sur un ensemble fini de
possibilités.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Quand le nombre de combinaisons
possibles devient exponentiel par rapport à
la taille du problème, le temps de calcul
devient rapidement critique.
On parle alors d’optimisation difficile, ou de
problèmes NP-difficiles.
Introduction
Chapitre I
Le problème de routage consiste à
déterminer un acheminement optimal des
paquets à travers le réseau au sens d’un
certain critère de performance « la
consommation énergétique ».
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Le problème qui se pose dans le contexte des
réseaux est l’adaptation de la méthode
d’ acheminement utilisée avec le grand
nombre de nœuds existant dans un
environnement caractérisé par le changements
de topologies, de modestes capacités de calcul,
de sauvegarde, et d’énergie.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Toute conception de protocole de routage
implique l’étude de la minimisation de la
charge du réseau en optimisant le
nombre d’ envois et de réceptions des
paquets
Cette minimisation aboutit à une
consommation énergétique minimale et
une longue durée de vie du réseau.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Quelle méthodes
est utilisée pour résoudre
ces problèmes d’optimisation ?
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
La résolution d’un tel problème
d’optimisation peut se faire de manière
exacte, en modélisant le problème, puis en
appliquant un algorithme.
Parmi les méthodes exactes, on trouve
la plupart des méthodes traditionnelles telles
les techniques de séparation et évaluation
(branch-and-bound), ou (backtracking).
Mais malgré les progrès réalisés, les
méthodes exactes rencontrent généralement
des difficultés avec les applications de taille
importante.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Si les méthodes de résolution exactes
permettent d'obtenir une ou plusieurs
solutions dont l'optimalité est garantie, dans
certaines situations, on peut cependant se
contenter de solutions de bonne qualité, sans
garantie d’optimalité, mais au profit d’un
temps de calcul réduit.
On utilise pour cela une méthode
heuristique, adaptée au problème considéré,
avec cependant l’inconvénient de ne disposer
en retour d’aucune information sur la qualité
des solutions obtenues.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Dans le domaine de routage efficace
en énergie, une heuristique est un
algorithme qui fournit rapidement une
solution réalisable, pas nécessairement
optimale..
L'usage d'une heuristique est
pertinent pour calculer une solution
approchée d'un problème et ainsi accélérer
le processus de résolution exacte.
Généralement une heuristique est
conçue pour un problème particulier.
Introduction
Chapitre I
Chapitre II
La plupart des problèmes
rencontrés dans le monde de la RO sont
NP-complets, ce qui ne nous permet pas
d’avoir des méthodes exactes pour les
résoudre.
Chapitre III
Chapitre IV
Conclusion
Alors on peut se contenter
seulement de chercher une bonne
solution, en un temps raisonnable par
l’utilisation d’heuristiques.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Nous proposons une heuristique pour
le Minimum Edges Routing Problem
LESS LOADED EDGE
HEURISTIC
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
On commence par trouver un routage
valide dans G = (V,E,P ) en utilisant une
heuristique routant les demandes de manière
gloutonne par des plus courts chemins.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
BEGIN
IF
e’ = 0
e ∈ E and e =/ e’ and Min=c (e)/r (e)
and Min “P”
DELETE “e “
BEGIN
IF aucun routage valide n’est trouvé
REINSERER “e”
e’ = e
END If
END
END If
END
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Exemple …
A
D
B
E
C
F
Soit le graphe avec
E ={(A, D,1), (A, B,3), (B, C,4), (C, G,2), (C, F,8), (C, E,6),
(E, F,7), (E, B,5)
G
A
D
B
E
C
F
G
L’algorithme sélectionne le sommet « D » et supprime l’arc (A ,D)
A
D
B
E
C
F
L’algorithme ne trouve aucune bonne solution
G
A
D
B
E
C
F
G
L’algorithme réinsère l'arc (D,A) et sélectionne le sommet « G »
Puis supprime l’arc (G, G).
A
D
B
E
C
F
• L’algorithme ne trouve aucune bonne solution
G
A
D
B
E
C
F
G
L’algorithme réinsère l'arc (G,C) et sélectionne le sommet « A »
puis supprime l’arc (A, B).
A
D
B
E
C
F
G
L’algorithme ne trouve aucune bonne solution
A
D
B
E
C
F
G
L’algorithme sélectionne le sommet « B » et supprime l’arc (B, C)
A
D
B
E
C
F
G
L’algorithme trouve chemin optimal de D à G alors il valide la
surpression et passe à un autre arc du même sommet (B,E).
A
D
B
E
C
F
La suppression de (B, E) ne donne pas
une bonne solution
G
A
B
D
E
C
F
G
L’algorithme sélectionne le sommet « E » et supprime l’arc (E, C)
A
B
D
E
C
F
G
L’algorithme trouve un chemin optimal de D à G
alors il valide la surpression et passe à un autre arc du même
sommet mais la suppression de (F, E) ne donne pas une bonne
solution.
A
D
B
E
C
F
G
L’algorithme sélectionne le sommet « F » et supprime l’arc (F, C).
A
B
D
E
C
F
L’algorithme ne trouve aucune bonne solution.
G
A
D
B
E
C
F
G
ll ne reste que le sommet C et aucun arc a
supprimer alors c’est la fin de notre algorithme.
A
B
D
E
C
F
G
C’est notre solution optimale avec
E’ E’= {(A, D,1), (A, B,3), (C, G,2), (C, F,8), (E, F,7), (E, B,5)
Introduction
-Facilité d'adaptation au problème,
Chapitre I
Chapitre II
Chapitre III
-Qualité des meilleures solutions trouvées,
-Rapidité
-Très bon résultat
-Algorithmes faciles à mettre en œuvre
Chapitre IV
-Il faut faire les bons choix de paramétrage
Conclusion
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Les heuristiques constituent une
classe de méthodes approchées adaptables
au problème de routage efficace en
énergie.
Mais, si l’on a pu constater leur
grande efficacité sur de nombreuses
classes de problèmes, il existe en revanche
très peu de résultats permettant de
comprendre la raison de cette efficacité, et
aucune méthode particulière ne peut
garantir qu’une heuristique sera plus
efficace qu’une autre sur n’importe quel
problème.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Introduction
Chapitre I
Optimisation des flux dans un réseau
sans fils (routage efficace en énergie)
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Dans le but de minimiser la consommation
d’énergie dans un réseau sans fil on cherche
ici a optimiser le flux de données qui circule
entre les nœuds de ce réseau en utilisant le
«Network Flow Minimum Cost ».
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Un problème de « network flow
minimum cost » est défini par un ensemble
d’arc et un ensemble de nœuds données , ou
chaque arc a une capacité et une unité de
coût et chaque nœud a un débit fixé .
Le problème d’optimisation est de
déterminer le cout minimum à travers le
réseau afin de satisfaire l’offre et la
demande de chaque nœud .
Introduction
Soit G = (N;A) un réseau dirigé composé
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
d’un ensemble fini de nœuds N={1 ,2,….,n} et un
ensemble d’arcs dirigés A={1 ,2,….,m}.
On associe pour chaque arc un débit, un
coût par unité de débit une borne inferieur et
une borne supérieur .
A chaque i N on associe un entier , cette
valeur est déterminé par la nature du nœud i
tel que :
Si
bi < 0 , i est un nœud de demande.
bi > 0,
i est un nœud source.
bi =0,
i est un nœud de transbordement.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion

Le PL est formulé comme suit :
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Le Minimum Cost Flow Problem (MCFP)
consiste à envoyer le flux requis du nœud
d’alimentation au nœud de demande (en
respectant la contrainte de demande (2) ) avec
un cout minimum .
La contrainte de la délimitation du flux
(3) doit aussi être respectée.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Exemple…
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
L’étiquetage des arc se fait comme suit:
nous avons trois paramètres associés à
chaque nœud :
-la borne inferieur du débit l ,
-la borne supérieur u, et enfin
-le coût par unité de débit c. [l,u,c]
Introduction
Considérons le schéma suivant :
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Le nœud A est une source fournissant
jusqu'à 12 unités de débit avec un coût de
5 par unité de débit,
-le nœud C est un nœud sollicitant jusqu'à
4 unités de débit avec un revenu de 6 par
unité de débit (le coût en négatif ) ,
quand au nœud D , il sollicite 8
exactement; 8 unités de débit mais sans
coût ni revenu associés.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Le PL s’écrit comme suit :
Avec pour fonction objectif :
Min
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Perte d’énergie en minimisant le flux et
le nombre d’équipements
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Conclusion
Le problème de minimisation des
flux dans un réseau sans fils n’a qu’une
faible influence sur la consommation
énergétique et dépend principalement du
nombre d’équipements allumé de ce
réseau.
Ce qui nous amène a optimiser le
nombre d’équipements allumés
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Réseau sans file fixe
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Le réseau comprend des site distant
chacun étant servi par un RBS(Radio Base
Station ) ,ces derniers sont connecté par
des lien radio micro-ondes.
Peu importe le débit, dès qu’elle (le
couplé ) est allumé ,elle présente une
consommation énergétique qui a impact
considérables sur les dépenses du réseau.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Notre objectif est de donner une
configuration (optimale ) pour minimiser
l’énergie tout en répondant aux
demandes.
Ce type de problème étant difficile
nous proposons une heuristique qui
répond d’une manière approchée mais
rapide.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Soit un graphe orienté H= (V, E)
Chaque nœud v € V
représente une station de base.
Chaque arc vw € E
représente un lien radio
Chaque lien a une capacité Cvw (il peut être
actif ou pas ie consomme de l’énergie ou non)
Les demandes de trafic seront définies par un
nombre |D| de paires (Sd ,td ) , Sd, td € V et
par un volume moyen de la demande hd

Introduction
Le cout d’un lien actif est considéré constant
quelque soit le volume du trafic qu’il écoule : il
est égal à CL.
Chapitre I

Chapitre II
Chapitre III
Chapitre IV
Conclusion


Nous faisons également l’hypothèse (forte) que le
trafic d’une demande d peut être routé selon
différentes routes entre Sd et td
Variable de décision binaire Uvw ayant la valeur
1 si le lien vw est actif sinon 0
On considère que X (d ,uv) représente la partie
du flot de la demande d qui passe sur l’arc vw
Introduction

Chapitre I

Chapitre II
Chapitre III
Chapitre IV
Conclusion

Une telle approche donne une solution
exacte, mais le temps d’exécution ainsi que la
mémoire nécessaire peuvent être énormes.
On conclu que cette méthode ne peut être
utilisée raisonnablement que pour des
réseaux de petite taille ou des réseaux avec
de très lentes évolutions du trafic.
C’est pour ça nous avons traité une autre
méthode de résolution (heuristique ).
Introduction
C’est quoi une heuristique ?

Chapitre I
Chapitre II

Chapitre III
Chapitre IV
Conclusion
Une heuristique ou méthode approximative est
un algorithme qui fournit rapidement une
solution réalisable, pour un problème
d'optimisation NP-difficile.
Heuristique basée sur les coupes les moins
denses
Notre méthode se base sur les coupes les moins
denses d’un graphe.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Notre heuristique va donc essayer de
supprimer les arêtes du graphe en suivant
l’ordre croissant sur la charge estimée.
A chaque itération (tentative de
suppression d’une arête), la faisabilité du
routage sera vérifiée par l’intermédiaire du
programme linéaire validant ou pas la
suppression de l’arête en question.
Ensuite, et puisque les densités des
coupes vont changer, une mise à jour est
nécessaire avant de passer à l’itération
suivante.
Notre algorithme permet de maximiser le nombre de liens
supprimée
Introduction
Conclusion
Généralités sur
le traitement
d'images
La détection de
contour
Algorithme de
canny
Conception et
implementation
Conclusion

L’heuristique fournit une solution rapide
mais pas nécessairement optimale ainsi elle
détermine de manière plus efficace, les
coupes les moins denses du graphe .
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Nous remarquons bien que la méthode
exacte donne un meilleur résultat sur le long
terme ; mais s’il faut trouver une bonne
solution rapidement alors l’heuristique est à
privilégier puisqu’elle fournit souvent de
meilleurs résultats très rapidement.
Il est intéressant aussi de noter que plus
le réseau est grand plus la différence entre les
deux méthodes devient importante.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Un capteur, de par sa taille, est limité en
énergie. Dans la plupart des cas le
remplacement de la batterie est impossible.
Dans un réseau de capteurs (SensorNet),
chaque nœuds collecte des données et
envoie/transmet des valeurs.
Le dysfonctionnement de quelques
nœuds nécessite un changement de la topologie
du réseau et un ré-routage des paquets.
Toutes ces opérations sont gourmandes
en énergie, c'est pour cette raison que les
recherches actuelles se concentrent
principalement sur les moyens de réduire cette
consommation.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Définition d’un capteur :
Un réseau de capteurs sans fil
consiste en un ensemble
coopérant de nœuds capteurs
spatialement distribués
capables de surveiller l'état de
l'environnement.
Introduction
Chapitre I
Pour quoi faire ?
Pour acquérir des données et les transmettre à
une station de traitement.
Modélisation du problème :
Chapitre II
Chapitre III
oUn point de demande est une position géographique dans la région
de surveillance où un ou plusieurs phénomènes sont sentis.
oUne route est un chemin à partir d'un nœud capteur à un nœud
puit en passant éventuellement par l'intermédiaire d'autres nœuds.
oChaque phénomène perçu dans un nœud a ses données associées à
une route menant à un nœud puits.
La détermination d'une topologie:
Chapitre IV
Conclusion
qui minimise la consommation d'énergie sous contrainte de
couverture et connexité.
Introduction
Chapitre I
Une zone de communication circulaire déterminée
par la distance maximum dont deux capteurs
peuvent interagir
Chapitre II
Chapitre III
Chapitre IV
Conclusion
une route.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Grande couverture avec un
minimum d’énergie dans les réseaux
capteur :
Dans cette partie notre but est d’avoir une
couverture maximale avec un minimum
d’énergie dans les réseaux capteurs en
utilisant des équipements mobiles qui ne
consomment pas beaucoup d’énergie.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
On a proposé d’optimiser la consommation
d’énergie dans les réseaux de capteur sans fil ;
l’utilisation des équipements mobiles ou la
désactivation d’un ensemble spécifique de
capteur dans chaque intervalle de temps est
possible de réduire la consommation d’énergie
et d’éviter le partitionnement prématuré du
réseau.
Introduction
Chapitre I
Chapitre II
Chapitre III
Chapitre IV
Conclusion
Mickael cartron , Olivier Sentieys
Optimisation énergétique d'un système de communication dédié a un
réseau capteur
Claude Chaudet
réseaux de capteurs ,optimisation de la consommation énergétique )
telecom-paris tech ( 12 Novembre 2009)
D.Coudert, N.Nepomueceno, I.Tahiri
Optimisation de la consommation énergétique dans les réseaux sans
fil fixes année 2011
Aurélien Buhrig
Optimisation de la consommation des nœuds de réseaux de capteurs
sans fil PhD Thesis INP Grenoble 2008
Lehssaini
Optimisation des réseaux de capteurs (Bruxelles 2007 )
Ibrahim Amadou , Guillaume Chelius, Fabrice Valois
Routage sans connaissance du voisinage efficace en énergie CFIP2011
Derek O’Connor Colloque Francophone sur l’ingénierie des Protocoles (2011)
The Minimum Cost Flow Problem University colege Dublin August,
2003
Frédéric Giroire , Dorian Mazauric , joanna moulierac
Routage efficace en énergie) Université de Nice , Sophia Antipolis
soutenu 07 Novembre 2011
Jinjing jiang
A survey on energi efficient routing in wirless networks