Approche Distribue et Autoadaptative pour la Rgulation de la taille dune population dAgents Mobiles

1
Approche Distribuée et Auto-adaptative pour la
Régulation de la taille dune population dAgents
Mobiles dans un Réseau

• M. Bakhouya, J. Gaber
• Université de Technologie de Belfort-Montbéliard
  (UTBM)
• 90010 Belfort, France
• www.utbm.fr
• bakhouya_at_gwu.edu, gaber_at_utbm.fr

JDIR 2007 - Paris
2
PLAN DE LA PRESENTATION

• PARTIE I
• Contexte et Objectifs des paradigmes
  alternatifs au Client/Serveur pour la mise en
  uvre de lubiquité.
• PARTIE II
• L approche de régulation fondée sur les agents
  mobiles et inspirée du système immunitaire

3
La Problématique

• Un agent mobile est un processus que l'on peut
  faire migrer et exécuter sur les différents sites
  d'un réseau pour réaliser une tâche pour le
  compte d'un utilisateur ou d'une application.

• Un agent mobile peut se dupliquer et de se
  multiplier dans le réseau via une opération de
  clonage.

• comment réguler la taille de la population de ces
  agents et limiter sa croissance pour éviter la
  surcharge du réseau ?

4
CONTEXTE (1/4)

• Mise en uvre de lubiquité informatique
  (Ubiquitous Computing) et linformatique diffuse
  ou ambiante (Pervasive Computing)

• Nouveaux paradigmes alternatifs au paradigme
  traditionnel Client to Server (PCS)

5
CONTEXTE (2/4)

• Ubiquitous computing (UC) et Pervasive computing
  (PC), Quelle est la différence ?
• En UC, les utilisateurs peuvent accéder à des
  services quel que soit lendroit, le moment et ce
  à partir dun terminal fixe ou mobile.
• En PC, Il sagit de la mise en uvre de
  lauto-organisation et lémergence de services
  dans le contexte des réseaux mobiles ad hoc et
  des réseaux de capteurs sans fil .

6
CONTEXTE (3/4)

• Deux nouveaux paradigmes ont été proposés comme
  alternatifs au paradigme traditionnel Client to
  Server (CSP)

• Paradigme inverse au paradigme client/serveur
  cest le service qui vient vers le client et non
  le client qui prend linitiative et demande une
  ressource ou un service en connaissant à priori
  son existence et sa localisation.
• Adaptive Services to Client Paradigm (ASCP)

7
CONTEXTE (4/4)

• Le deuxième paradigme met en uvre le principe
  de lauto-organisation pour permettre lémergence
  spontanée de nouveaux services adhoc dans un
  environnement sans aucune planification au
  préalable et dune manière imprévisible.
• Spontaneous Service Emergence Paradigm (SEP)

8
Approche fondée sur les agents mobiles et
inspirée du système immunitaire

• Le premier paradigme peut être mise en oeuvre par
  l'intermédiaire d'un middleware adaptatif à base
  dagents mobiles en sinspirant des concepts du
  système immunitaire de l'Homme.

• La requête dun utilisateur est considérée comme
  un antigène qui attaque le réseau,

• Le middleware réagit comme le système
  immunitaire en développant une réponse pour
  éliminer lantigène agresseur c'est-à-dire
  satisfaire la requête de lutilisateur.

9
Le système immunitaire de lHomme
organisation du système immunitaire
10
La Problématique du Clonage

• Un agent mobile est un processus que l'on peut
  faire migrer et exécuter sur les différents sites
  d'un réseau pour réaliser une tâche pour le
  compte d'un utilisateur ou d'une application.

• Un agent mobile peut se dupliquer et de se
  multiplier dans le réseau via une opération de
  clonage.

• comment réguler la taille de la population de ces
  agents et limiter sa croissance pour éviter la
  surcharge du réseau ?

11
Le Problème de la Régulation

• La variation de la taille de la population
  d'agents doit s'adapter aux ressources du réseau
  et ceci d'une manière distribuée.

• Dans un environnement distribué et dynamique, il
  est difficile, voire impossible, destimer à
  priori le nombre dagents mobiles présents sans
  s'appuyer sur une information centralisée.

• Un algorithme distribué de régulation
  auto-adaptative de la taille de la population
  dagents

12
Etat de lart

• Amin et Mikler ont proposé dans AM02 une
  approche, inspirée par la méthode de la colonie
  de fourmis.
• Les agents communiquent via les phéromones pour
  sélectionner, dune manière déterministe, une
  action (move, kill or clone).
• Lintensité des phéromones au niveau dun nud
  est déterminée par le temps d'inter-arrivée
  séparant les deux dernières visites de deux
  agents mobiles successifs.

13
LArchitecture dun Agent Mobile Autonome

• Larchitecture dun AM Autonome est composée de
  deux modules linterface de lAgent avec
  lenvironnement et le Contrôleur.

14
Les mécanismes de décision
Mécanismes de sélection dactions
Apprentissage par renforcement
Répertoire de comportements
Environnement Partiellement Observable
Statique (ex. Subsumption,)
Environnement Observable (ex. Value
Iteration, Q-learning)
Dynamique (ex. système immunitaire)
Avec mémoire (ex. U-Tree)
Sans mémoire (ex. descente de gradient)
15
Approche adaptative pour la régulation

• Dans chaque Agent, réseau idiotypique immunitaire
  est incorporé dans le contrôleur

16
Approche adaptative pour la régulation
17
Réseau idiotypique de Jerne
18
Approche adaptative pour la régulation
19
Lapproche auto-adaptative

• Incorporer à lintérieur de lagent un réseau
  idiotypique interne comme contrôleur pour cet
  agent.
• L'agent perçoit les valeurs de l'état de son
  environnement et active le réseau de
  comportements d'une manière non déterministe.
• Ces activations permettent de rendre compte de la
  mémoire des états déjà rencontrés par l'agent.
• Permet à lagent de mieux choisir son action en
  faisant appel à une information (i.e., un état
  interne) qui n'est pas immédiatement accessible
  dans son environnement.

20
Approche adaptative pour la régulation de la
population dagents

21
Approche adaptative pour la régulation de la
population dagents

22
Conclusion

• Incorporer dans le contrôleur de chaque agent
  mobile un réseau immunitaire interne qui lui
  permet de mieux choisir son action dans un
  environnement partiellement observable.
• La régulation et la stabilisation de la taille de
  la population émerge d'une manière globale comme
  résultante des actions locales des agents
  autonomes distribués dans le réseau.