Title: Approche Distribue et Autoadaptative pour la Rgulation de la taille dune population dAgents Mobiles
1Approche 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
2PLAN 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
3La 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 ?
4CONTEXTE (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)
5CONTEXTE (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 .
6CONTEXTE (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)
7CONTEXTE (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)
8Approche 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.
9Le système immunitaire de lHomme
organisation du système immunitaire
10La 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 ?
11Le 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
12Etat 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.
13LArchitecture dun Agent Mobile Autonome
- Larchitecture dun AM Autonome est composée de
deux modules linterface de lAgent avec
lenvironnement et le Contrôleur.
14Les 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)
15Approche adaptative pour la régulation
- Dans chaque Agent, réseau idiotypique immunitaire
est incorporé dans le contrôleur
16Approche adaptative pour la régulation
17Réseau idiotypique de Jerne
18Approche adaptative pour la régulation
19Lapproche 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.
20Approche adaptative pour la régulation de la
population dagents
21Approche adaptative pour la régulation de la
population dagents
22Conclusion
- 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.