Réseaux dynamiques - des données aux modèles et applications. Anh-Dung Nguyen ISAE-Université de Toulouse
|
|
|
- Basile Beaudry
- il y a 8 ans
- Total affichages :
Transcription
1 Réseaux dynamiques - des données aux modèles et applications Anh-Dung Nguyen ISA-Université de Toulouse 1
2 Plan Contexte! Modélisation des réseaux dynamiques! Structure petit-monde! Impact du désordre! Application au routage centré sur le contenu! Application au mobile cloud computing! Conclusion & Perspectives 2
3 Réseaux opportunistes Internet d aujourd hui :! Basé sur l infrastructure! De plus en plus des ressources de communication à la périphérie! Réseaux opportuniste mobiles : réseaux crées par des contacts intermittents entre noeuds, pas de garantie de la connectivité de bout en bout! Usage des réseaux opportunistes mobiles pour :! Réduire la charge au coeur du réseau! Complémenter les réseaux basés sur l infrastructure! Offrir des services de communication potentiellement gratuits! x: offloading, crowdsourcing, distribution/partage de contenu, internet des objets! L humain est le point central de ces réseaux besoin de comprendre, modéliser les impacts de l humain sur ce type de réseau 3
4 Plan Contexte! Modélisation des réseaux dynamiques 4
5 Modéliser des réseaux opportunistes La mobilité est une propriété intrinsèque de ces réseaux! Mobilité = générateur des contacts! Modèles de mobilité humaine existants! simples mais pas réalistes/complexes mais difficiles à configurer! lacunes en terme de modélisation des caractéristiques spatio-temporelles souvent observées sur des traces réelles! Besoin d un nouveau modèle capable de couvrir un large spectre de schémas de mobilité humaine STPS 5
6 STPS Caractéristiques des mouvements humains! Les gens se déplacent entre un nombre fini de zones! Périodicité! Certains sites sont plus visités que d autres! Certaines personnes sont plus mobiles que d autres! Principes de mobilité humaine portés par STPS! Attachement préférentiel! Attraction 6
7 STPS Mobilité humaine modélisée par une chaîne de Markov! État = zone d attachement! Transitions = mouvements entre zones! Choix de la distribution de probabilité?! Résultats déjà trouvés pour la distribution des distances parcourues, temps d inter-contact/contact, temps de pause! Comportement de lois de puissance observé sur les traces réelles A C B D 7
8 STPS Définition! STPS = Spatio-Tmporal Parameter Stepping! 1 tore divisé en N zones! distance métrique entre zones! chaque noeud est associé à une zone préférentielle! dans chaque zone, les noeuds bougent selon RWP! le mouvement entre zones est régi par!! P [Z = z i ]=d z 0 z i Un large spectre de mobilité humaine!! 0: comportement nomade! =0!1: comportement localisé : comportement uniforme! A
9 STPS Résultats! Capacité de STPS! Capturer les caractéristiques fondamentales de la mobilité humaine observées sur les traces réelles! Reproduire les performances de routage observées sur les traces réelles! Comprendre des propriétés structurelles du graphe dynamique sous-jacent STPS Infocom STPS Infocom P(x>t) P(x>t) x t x t 9
10 Publications STPS-A New Approach for Human Mobility Modeling Anh-Dung Nguyen, Patrick Senac, Victor Ramiro, Michel Diaz IFIP NTWORKING 2011! Behavioral and Structural Analysis of Mobile Cloud Opportunistic Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz Opportunistic Mobile Social Networks, CRC Press, 2014! Modeling Opportunistic Networks - from Mobility to Structural and Behavioral Analysis Anh-Dung Nguyen, Patrick Senac, Michel Diaz lsevier Ad Hoc Networks, 2014 (en soumission) 10
11 Plan Introduction! Modélisation! Structure petit-monde 11
12 Analyse structurelle Comprendre les propriétés fondamentales des réseaux dynamiques pour! Évaluer les performances et la sensibilité des protocoles! Adapter ces protocoles à ces propriétés! Graphe dynamique - un domaine de recherche récent nécessitant! Étude des propriétés! Nouveaux modèles! Définition des métriques permettant de quantifier, classifier les graphes! Nouveaux algorithmes (problème du plus court chemin, clustering, détection de communauté,...)! Approche : STPS + analyses de traces Propriétés structurelles des réseaux dynamiques Adaptation du routage aux propriétés structurelles 12
13 Structure petit-monde 1969 : xpérience de Milgram! 1998 : Modèle de Watts et Strogatz pour les graphes statiques!!!! Phénomène de petit-monde observé dans des nombreux réseaux statiques réels : fort taux de clusterisation + faible longueur du chemin caractéristique! Structure de petit-monde diffusion de l information aussi rapide que dans des réseaux aléatoires! Résultats se limitant au contexte statique et ignorant les réseaux dynamiques! Besoin de l étude sur l émergence et la modélisation de ce phénomène dans les réseaux dynamiques 13
14 Métriques Métriques qualifiant la structure petitmonde dynamique! Longueur du plus court chemin dynamique! Taux de clusterisation dynamique 14
15 Longueur du plus court chemin dynamique Chemin dynamique : l ensemble ordonné de liens temporels permettant à un message d être transmis entre 2 noeuds selon le paradigme stocker-bouger-envoyer! 2 métriques! délai : somme des temps inter-contacts! nombre de sauts : nombre de liens 15
16 Longueur du plus court chemin dynamique Chemin dynamique le plus court : le chemin donnant le délai minimum, si il y en a plusieurs, on prend celui qui donne le plus faible nombre de sauts!! L t 0 ij =inf{t t 0 9p ij (t 0,t)} La longueur du chemin caractéristique d un réseau de N noeud est la moyenne des longueurs de chemins les plus courts entre toutes les paires de noeuds! Algorithme efficace basé sur la matrice d adjacence pour calculer les longueurs des plus cours chemins dynamiques entre toutes les paires de noeuds dans un graphe dynamique * * Understanding and modeling the small-world phenomenon in dynamic networks! Anh-Dung Nguyen, Patrick Senac, Michel Diaz! ACM MSWIM
17 Taux de clusterisation dynamique Réseaux statiques! Modèle WS : mesure de cliquishness d un cercle d amis! Newman (2001) : transitivité! Réseaux dynamiques! Tang et al. (2009) : une généralisation de WS pour les graphes temporels, fortement dépendant de l intervalle de mesure 17
18 Taux de clusterisation dynamique Chemin dynamique transitif : un chemin de i à j est transitif s il existe un noeud k et des instants t1, t2, t3 tels que i est connecté à k à t1, k est connecté à j à t2, i est connecté à j à t3 et t1<=t2<=t3! Le taux de clusterisation dynamique d un noeud i à partir du temps t0 est mesuré par l inverse du temps t-t0 tel que t est le premier instant à partir de t0 où un chemin transitif issu de i est formé C t 0 i =(t t 0 ) 1 Le taux de clusterisation dynamique d un réseau est la moyenne des taux de clusterisation dynamique de tous les noeuds à partir du temps t0 18
19 Analyses de traces Dynamic clustering coefficient Dynamic shortest path distance Dynamic clustering coefficient Dynamic shortest path length Normalized value Normalized value Normalized value Time (hours) Dynamic clustering coefficient Dynamic shortest path distance Normalized value Time (hour) Dynamic clustering coefficient Dynamic shortest path distance Time (hour) Time (hour) pattern périodique des 2 métriques avec une période typique de 24 heures et un changement de phase chaque 12 heures! pendant les phases dynamiques, ces réseaux possèdent un fort taux de clusterisation dynamique et une faible longueur du chemin caractéristique phénomène de petit-monde Comment cette structure émerge? 19
20 mergence du phénomène Modèle WS : émergence du phénomène de petit-monde = introduire aléatoirement des raccourcis (recablage)! Notre postulat : dans les réseaux dynamiques, les noeuds nomades introduisent des raccourcis et donc contribuent à l émergence du phénomène de petit-monde 20
21 Émergence de structure petit-monde Modéliser le phénomène sous STPS! 2 types de noeuds! sédentaires : restent dans leurs zones de prédilection! nomades : se déplacent entre zones! Recablage = variation du ratio des noeuds nomades entre 0 et 100% Dynamic clustering coefficient Dynamic shortest path length Fraction of nomadic nodes Condition suffisante : La structure petit-monde émerge dès que l on a 10% de noeuds nomades
22 Diffusion dans les petit-mondes dynamiques Modèle épidémique SI! Approche systèmes dynamiques : exprimer la dynamique de la progression épidémique par une équation différentielle 100 p m = 0.1% 100 Fraction of infected nodes (%) p m = 1% p m = 10% p m = 100% Fraction of infected nodes (%) p m = 1% (simu) p m = 1% (theory) p = 10% (simu) m p = 10% (theory) m p m = 100% (simu) p m = 100% (theory) Time (time unit) Time (time unit) La structure petit-monde augmente significativement la vitesse de propagation de l épidémie 22
23 Synthèse Modèle pour mettre en évidence une condition suffisante pour l émergence du phénomène petit-monde dans les réseaux dynamiques! Recablage = introduction de noeuds nomades! Les noeuds nomades jouent le rôle de ponts en réduisant significativement la longueur caractéristique, et donc contribuent à l émergence du phénomène petit-monde dans les réseaux dynamiques! 10% de noeuds nomades constituent une condition suffisante pour l émergence du phénomène de petit monde! La structure petit-monde améliore significativement la diffusion de l information dans les réseaux dynamiques 23
24 Publications Understanding and Modeling the Small-world Phenomenon in Dynamic Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz ACM MSWIM 2012! Behavioral and Structural Analysis of Mobile Cloud Opportunistic Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz Opportunistic Mobile Social Networks, CRC Press, 2014! Modeling Opportunistic Networks - from Mobility to Structural and Behavioral Analysis Anh-Dung Nguyen, Patrick Senac, Michel Diaz lsevier Ad Hoc Networks, 2014 (en soumission) 24
25 Plan Contexte! Modélisation des réseaux dynamiques! Structure petit-monde! Impacts du désordre 25
26 Structure et ordre Les schémas de contacts humains s opèrent selon un certain degré de périodicité et de régularité! Cet ordre a t-il un impact sur les performances de routage?! Peut t-on tirer parti de cet ordre pour router efficacement dans un réseau dynamique? 26
27 Modèle* Schéma de contact régulier : n1-n2, n2-n3, n3-n4,...! Désordre = probabilité de recablage p! Processus de recablage :! p = 0 réseau régulier! p = 1 réseau aléatoire! varier p de 0 à 1 injecter le désordre dans le réseau * On the Impact of Disorder on Dynamic Network Navigation! Anh-Dung Nguyen, Patrick Senac, Michel Diaz! I INFOCOM 2013, Student Workshop 27
28 Mesure de désordre Algorithme pour estimer le niveau de désordre! Niveau de désordre observé : de 13% à 40% Dataset Size (nodes/days) nvironment p real (%) Cambridge05 12/6 laboratory Intel 9/6 laboratory Cambridge06 36/54 city Infocom06 98/4 conference MIT 104/246 campus,city Infocom05 41/4 conference Milan 49/19 university
29 Ordre et structure temporelle Structure temporelle! Distance spatio-temporelle entre noeuds f(délais, sauts)! hops = 1 Chaque noeud maintient pour chaque destination connue 2 scalaires explicitant la distance spatio-temporelle vers cette destination Relation d ordre entre noeuds Champ de gradient vers un noeud hops = 2 hops = 1 hops = 1 t0 target node hops = 2 t1 hops = 2 t2 gradient (delay, hops) 29
30 Principes de routage Routage dans les réseaux opportunistes = trouver un chemin temporel d une source à une destination qui minimise une fonction de coût! Compromis performance/ressources! Solution pire cas : seule 1 copie de message! Notre algorithme * : les messages suivent le champ de gradient spatio-temporel selon un principe de descente (GRAD-DOWN) ou de montée (GRAD-UP) de gradient * How Disorder Impacts Routing in Human-Centric Disruption Tolerant Networks! Anh-Dung Nguyen, Patrick Senac, Michel Diaz! ACM SIGCOMM 2013 Workshop on Future Human-Centric Multimedia Networking! 30
31 Résultats Delivery Delay (time units) 3,500 3, , , GRAD-UP et GRAD-DOWN délivrent de meilleures performances que les solutions classiques (PROPHT, dlif, FirstContact, DirectDelivery)! GRAD-DOWN atteint sa performance optimale pour un niveau de désordre de 20%! Ce niveau de désordre est compatible avec celui observé dans les traces réelles GRAD DOWN GRAD UP FirstContact DirectDelivery PROPHT dlife p Delivery Probability (%) GRAD DOWN GRAD UP 0.2 FirstContact DirectDelivery PROPHT dlife p p Délais Taux de délivrance Overhead 36 Overhead GRAD DOWN GRAD UP DirectDelivery PROPHT dlife Average message passing chain length (hop) Le désordre introduit! des raccourcis! p 31
32 Synthèse Maintenir les distances spatio-temporelles entre noeuds est simple et efficace! Le routage peut être basé sur cet indice pour suivre les pentes du champs de gradient vers le noeud destinataire! Ces algorithmes utilisant ce gradient sont plus efficaces que les approches traditionelles! Quand le niveau du désordre est de 20%, la structure résultante permet d exploiter ces algorithmes efficacement! Le niveau de désordre des traces réelles est conforme avec celui pour lequel ce type d algorithme est efficace 32
33 Publications How Disorder Impacts Routing in Human-Centric Disruption Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz ACM SIGCOMM 2013 Workshop on Future Human-Centric Multimedia Networking! On the Impact of Disorder on Dynamic Network Navigation Anh-Dung Nguyen, Patrick Senac, Michel Diaz I INFOCOM 2013, Student Workshop! On the Impact of Disorder on Dynamic Network Navigation Anh-Dung Nguyen, Patrick Senac, Michel Diaz NetSci 2013! Impact of ntropy on Routing in Delay Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz lsevier Ad Hoc Networks, 2014 (en soumission) 33
34 Plan Introduction! Modélisation! Structure petit-monde! Impacts du désordre! Application au routage centré sur le contenu 34
35 Réseaux centrés sur le contenu Trafic d internet d aujourd hui : 90% dissémination des données! Architecture centré sur les hôtes! Internet d aujourd hui : Identité = localisation! Content-centric : découpage de la relation Identité/localisation! Libérer des utilisateurs des systèmes de gestion et résolution d adresses! Le caching améliore la délivrance des contenus, réduit la congestion,...! CCN + DTN = CCDTN, une solution naturelle pour faire du routage dans les réseaux opportunistes 35
36 Swarm Intelligence Based Routing Paradigme de communication pub/sub! Dissémination des contenus! algorithme GRAD-DOWN! Dissémination des intérêts de contenu! emploie de Binary Spray and Wait! diffusion du triplet [Souscription, Délai, Sauts]! Chaque noeud maintient pour chaque contenu une fonction d utilité f(délai,sauts) qui résume la distance spatio-temporelle entre un noeud et un utilisateur du contenu! Mise à jour des fonctions d utilité via les contacts opportunistes! Émergence d un champ de gradient entre les fournisseurs et les utilisateurs 36
37 Dissémination des intérêts 37
38 Dissémination des intérêts A 37
39 Dissémination des intérêts A t0 37
40 Dissémination des intérêts A t0 Noeud Souscription Délai Sauts A
41 Dissémination des intérêts A B t0 t1 Noeud Souscription Délai Sauts A
42 Dissémination des intérêts A B t0 t1 Noeud Souscription Délai Sauts A
43 Dissémination des intérêts A B t0 t1 Noeud Souscription Délai Sauts A
44 Dissémination des intérêts A B t0 t1 Noeud Souscription Délai Sauts A - - B
45 Dissémination des intérêts A B C t0 t1 t2 Noeud Souscription Délai Sauts A - - B t2-t
46 Dissémination des intérêts A B C t0 t1 t2 Noeud Souscription Délai Sauts A - - B t2-t
47 Dissémination des intérêts B A C t0 t1 t2 Noeud Souscription Délai Sauts A - - B t2-t
48 Dissémination des intérêts B A C t0 t1 t2 Noeud Souscription Délai Sauts A - - B t2-t1 0 1 C
49 Dissémination des intérêts B D A C t0 t1 t2 t3 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 0 1 C t3-t
50 Dissémination des intérêts B D A C t0 t1 t2 t3 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 0 1 C t3-t
51 Dissémination des intérêts B D A C t0 t1 t2 t3 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 0 1 C t3-t
52 Dissémination des intérêts B D A C t0 t1 t2 t3 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 0 1 C t3-t2 0 1 D t3 2 37
53 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 0 1 C t3-t2 t4-t2 0 1 D t4-t1 t3 2 37
54 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 0 1 C t3-t2 t4-t2 0 1 D t4-t1 t3 2 37
55 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 0 1 C t3-t2 t4-t2 0 1 D t4-t1 t3 2 37
56 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 0 1 C t3-t2 t4-t2 t5-t2 0 1 D t4-t1 t5-t1 t3 2 37
57 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 0 1 C t3-t2 t4-t2 t5-t2 0 1 D t4-t1 t5-t1 t3 2 37
58 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 0 1 C t3-t2 t4-t2 t5-t2 0 1 D t4-t1 t5-t1 t5-t2 t3 2 37
59 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 t6 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 t6-t1 0 1 C t3-t2 t4-t2 t5-t2 t6-t2 0 1 D t4-t1 t5-t1 t5-t2 t6-t2 t3 2 37
60 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 t6 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 t6-t1 0 1 C t3-t2 t4-t2 t5-t2 t6-t2 0 1 D t4-t1 t5-t1 t5-t2 t6-t2 t3 2 37
61 Dissémination des intérêts B D A C t0 t1 t2 t3 t4 t5 t6 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 t6-t1 0 1 C t3-t2 t4-t2 t5-t2 t6-t2 0 1 D t4-t1 t5-t1 t5-t2 t6-t2 t3 2 37
62 Dissémination des intérêts A B D F x C t0 t1 t2 t3 t4 t5 t6 t7 Noeud Souscription Délai Sauts A - - B t2-t1 t3-t1 t4-t1 t5-t1 t6-t1 0 1 C t3-t2 t4-t2 t5-t2 t6-t2 0 1 D t4-t1 t5-t1 t5-t2 t6-t2 t3 2 37
63 Dissémination des contenus A B D F x x x x C Noeud Souscription Délai Sauts A - - B t6 1 C 0 1 D t6 2 38
64 Dissémination des contenus A B D F x x x x C t7 Noeud Souscription Délai Sauts A - - B t7-t1 t6 1 C t7-t6 0 1 D t7-t2 t6 2 38
65 Dissémination des contenus A B D F x x x x C t7 Noeud Souscription Délai Sauts A - - B t7-t1 t6 1 C t7-t6 0 1 D t7-t2 t6 2 38
66 Dissémination des contenus A B D x x F x x C t7 Noeud Souscription Délai Sauts A - - B t7-t1 t6 1 C t7-t6 0 1 D x t7-t2 t6 2 38
67 Dissémination des contenus A B D x x F x x C t7 t8 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t6 1 C t7-t6 t8-t6 0 1 D x t7-t2 t8-t2 t6 2 38
68 Dissémination des contenus A B D x x F x x C t7 t8 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t6 1 C t7-t6 t8-t6 0 1 D x t7-t2 t8-t2 t6 2 38
69 Dissémination des contenus A B D x x F x x C t7 t8 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t6 31 C t7-t6 t8-t6 0 1 D x t7-t2 t8-t2 t6 2 38
70 Dissémination des contenus A B D x x F x x C t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t6 2 38
71 Dissémination des contenus A B D x x F x x C t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t6 2 38
72 Dissémination des contenus A B D x x F x x C t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
73 Dissémination des contenus A B D x F x x C x t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
74 Dissémination des contenus A B D x F x x C x t7 t8 t9 Noeud Souscription Délai Sauts A - - B t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t7-t6 t8-t6 t9-t6 0 1 D x t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
75 Dissémination des contenus A B D x F x x C x t7 t8 t9 t10 Noeud Souscription Délai Sauts A - - B t10-t2 t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t10-t6 t7-t6 t8-t6 t9-t6 0 1 D x t10-t6 t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
76 Dissémination des contenus A B D x F x x C x t7 t8 t9 t10 Noeud Souscription Délai Sauts A - - B t10-t2 t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t10-t6 t7-t6 t8-t6 t9-t6 0 1 D x t10-t6 t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
77 Dissémination des contenus x A B D x F x x C x t7 t8 t9 t10 Noeud Souscription Délai Sauts A - - B t10-t2 t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t10-t6 t7-t6 t8-t6 t9-t6 0 1 D x t10-t6 t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
78 Dissémination des contenus x A B D x F x x C x t7 t8 t9 t10 Noeud Souscription Délai Sauts A x - - B t10-t2 t7-t1 t8-t1 t8-t2 t9-t2 t6 31 C x t10-t6 t7-t6 t8-t6 t9-t6 0 1 D x t10-t6 t7-t2 t8-t2 t9-t2 t9-t6 t6 2 38
79 Résultats Cohérence de la fonction d utilité 4 x Shortest path length (s) C = 0.95 y = 2.2*x 2.4e Utility values (s) x 10 4 Corrélation entre les valeurs d utilité et la longueur du chemin le plus court mesurée sur les traces réelles 39
80 Résultats Average delivery delay (hour) Time (hour) SIR vs solution optimale SIR path Optimal path x y = 0.87*x + 8.8e+02 Correlation x 10 4 Residuals x x 10 4 SIR Solution optimale 40
81 Résultats Comparaison de performances! SIR vs PROPHT vs BSAW! Mobilité : STPS! Scénarios! Impact de la mobilité! Impact de la connectivité! Impact du nombre de noeuds SIR délivre dans tous les cas de meilleures performances que PROPHT et BSAW 41
82 Synthèse Routage intelligent à partir des comportements simples des individus! Passant à l échelle (2 scalaires par contenu)! Ressources contrôlées (par BSAW)! Bonnes performances 42
83 Publications STIgmergy Routing (STIR) for Content-Centric Delay Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz Latin-American Workshop on Dynamic Networks (LAWDN) 2010 Swarm-based Intelligent Routing (SIR) - A New Approach for fficient Routing in Content-Centric Delay Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz ACM MOBIWAC 2011! Pervasive Intelligent Routing in Content Centric Delay Tolerant Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz I PICom
84 Plan Introduction! Modélisation! Structure petit-monde! Impacts du désordre! Routage centré sur le contenu! Application au Mobile Cloud Computing 44
85 Mobile Cloud Computing Cloud Computing : virtualisation des ressources pour offrir aux utilisateurs des services à la demande! MCP : 2 écoles - approche centralisée vs décentralisée! Question : comment la mobilité influe sur la capacité de traitement distribuée du mobile cloud?! Évaluation de la qualité de service d un mobile cloud! Mobilité : STPS! Service : optimiser une fonction en utilisant un algorithme réparti de type Particle Swarm Optimization! Le service est considéré terminé quand l optimum global atteint une précision prédéfinie par l utilisateur 45
86 Particle Swarm Optimisation Méthode d optimisation multimodale basée sur l intelligence par essaim! 1 particule = 1 candidat de solution! Particules se déplacent dans l espace de recherche! Mouvement des particules = f(meilleure solution locale, meilleure solution globale)! L essaim progresse collectivement vers l optimum! Dans le contexte des réseaux dynamiques! Particule = noeud mobile! Voisinage = contacts opportunistes! La vitesse de convergence dépend de la mobilité? 46
87 Impact de la mobilité/structure Simulation : Mobilité et structure petit-monde augmentent! significativement la capacité de traitement des MCs 47
88 Résilience des MCs Comment MCC résiste à la perte de noeuds?! Défaillance/départ des noeuds selon un processus de Poisson! Évaluation du délai de convergence du PSO sous différentes intensités de défaillance/départ de noeuds 2 x x x x Convergence delay (s) Convergence delay (s) Convergence delay (s) Convergence delay (s) /15 1/12.5 1/10 1/7.5 1/5 Inactive node rate (nodes/s) 0.5 1/15 1/12.5 1/10 1/7.5 1/5 Inactive node rate (nodes/s) 0.5 1/15 1/12.5 1/10 1/7.5 1/5 Inactive node rate (nodes/s) 0.5 1/15 1/12.5 1/10 1/7.5 1/5 Inactive node rate (nodes/s) 0% des! noeuds nomades 10% des! noeuds nomades 50% des! noeuds nomades 100% des! noeuds nomades Structure petit-monde et mobilité renforcent la résilience des MCs 48
89 Publications How Mobility Increases Mobile Cloud Computing Processing Capacity Anh-Dung Nguyen, Patrick Senac, Victor Ramiro, Michel Diaz I NCCA 2012! Behavioral and Structural Analysis of Mobile Cloud Opportunistic Networks Anh-Dung Nguyen, Patrick Senac, Michel Diaz Opportunistic Mobile Social Networks, CRC Press,
90 Plan Introduction! Modélisation! Structure petit-monde! Impacts du désordre! Routage centré sur le contenu! Application au Mobile Cloud Computing! Conclusion & Perspective 50
91 Conclusion Modèle couvrant un large spectre de patterns de mobilité humaine! Analyses approfondies de la structure des réseaux dynamiques et ses impacts sur le routage! Structure de petit-monde! Impact du désordre! Protocole de routage centré sur le contenu, simple, efficace et passant à l échelle! Étude sur le Mobile Cloud Computing 51
92 Perspectives STPS! xtension du modèle : Multiple zones de prédilection, comportement humain dans les réseaux sociaux (zone = sujet d intérêt)! Analyse plus fine sur la capacité à reproduire des performances de routage! xpression analytique complète! Structure de petit-monde :! analyses de grandes traces! Structure et ordre! Une version adaptative de GRAD-DOWN et GRAD-UP! identifier d autres conditions suffisantes et nécessaires pour l émergence de la structure! Modèle plus réaliste : considération des différentes fréquences de contacts pour chaque noeuds,...! Les réseaux structurés autour d une activité sociale adaptent-il leur niveau de désordre pour optimiser la capacité de communication? (analyse de traces de divers types)! tude de la propriété scale free des réseaux dynamiques! tude sur l application crowdsourcing décentralisé! SIR! Étude plus approfondie sur le cas de multiples utilisateurs! tude et optimisation du temps d initialisation! MCC! Intégrer des contraintes relatives à la bufferisation et à la bande passante! 52
93 Thanks! 53
Revue d article : Dynamic Replica Placement for Scalable Content Delivery
Revue d article : Dynamic Replica Placement for Scalable Content Delivery Marc Riner - INSA Lyon - DEA DISIC Introduction Cet article [1] présente une technique innovante de placement de réplicats et de
Clustering pour l optimisation de la durée de vie des réseaux de capteurs sans fil.
Clustering pour l optimisation de la durée de vie des réseaux de capteurs sans fil. ALGOTEL 2012 INRIA Lille - Nord Europe Tony Ducrocq, Nathalie Mitton, Michaël Hauspie 29 Mai 2012 Projet BinThatThinks
Partie 1. La structure des réseaux sociaux
Partie 1. La structure des réseaux sociaux Analyse et Modélisation des Réseaux, Université Bordeaux IV Sections : Introduction 1 Introduction 2 3 L expérience de Milgram Les réseaux aléatoires 4 Le clustering
Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS
Sauvegarde collaborative entre pairs 1 Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS Sauvegarde collaborative entre pairs 2 Introduction Pourquoi pair à pair? Utilisation de ressources
Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume
COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION Jean-Loup Guillaume Le cours Enseignant : Jean-Loup Guillaume équipe Complex Network Page du cours : http://jlguillaume.free.fr/www/teaching-syrres.php Évaluation
Ebauche Rapport finale
Ebauche Rapport finale Sommaire : 1 - Introduction au C.D.N. 2 - Définition de la problématique 3 - Etat de l'art : Présentatio de 3 Topologies streaming p2p 1) INTRODUCTION au C.D.N. La croissance rapide
Modélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Monitoring continu et gestion optimale des performances énergétiques des bâtiments
Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et
Caches web. Olivier Aubert 1/35
Caches web Olivier Aubert 1/35 Liens http://mqdoc.lasat.com/online/courses/caching/ (prise en compte des caches dans la conception de sites) http://mqdoc.lasat.com/online/courses/proxyserver http://www.web-caching.com/mnot_tutorial/
Ré-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules
Ré-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules M. Shawky, K. Chaaban, P. Crubillé Heudiasyc UMR 6599 CNRS, Univ. Tech. De Compiègne 1 ADAS (Advanced Driving Aid System) Reactive
Introduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)
Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 - Evénements et architectures - Spécifications de performances
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Analyse empirique et modélisation de la dynamique de la topologie de l Internet
Analyse empirique et modélisation de la dynamique de la topologie de l Internet Sergey Kirgizov Directrice de thèse: Clémence Magnien Complex Networks, LIP6, (UPMC, CNRS) Paris, 12 décembre 2014 Plan 1
Hypervision et pilotage temps réel des réseaux IP/MPLS
Hypervision et pilotage temps réel des réseaux IP/MPLS J.M. Garcia, O. Brun, A. Rachdi, A. Al Sheikh Workshop autonomique 16 octobre 2014 Exemple d un réseau opérateur national 8 technologies : 2G / 3G
transformer en avantage compétitif en temps réel vos données Your business technologists. Powering progress
transformer en temps réel vos données en avantage compétitif Your business technologists. Powering progress Transformer les données en savoir Les données sont au cœur de toute activité, mais seules elles
Contributions à l expérimentation sur les systèmes distribués de grande taille
Contributions à l expérimentation sur les systèmes distribués de grande taille Lucas Nussbaum Soutenance de thèse 4 décembre 2008 Lucas Nussbaum Expérimentation sur les systèmes distribués 1 / 49 Contexte
Ordonnancement sous contraintes de Qualité de Service dans les Clouds
Ordonnancement sous contraintes de Qualité de Service dans les Clouds GUÉROUT Tom DA COSTA Georges (SEPIA) MONTEIL Thierry (SARA) 05/12/2014 1 Contexte CLOUD COMPUTING Contexte : Environnement de Cloud
Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Réplication adaptative sur les réseaux P2P
Réplication adaptative sur les réseaux pair à pair 10 mars 2006 1 Introduction 2 Réseaux pair à pair et tables de hachage distribuées 3 Le protocole app-cache 4 Le protocole LAR 5 Tests de performance
Graphes d attaques Une exemple d usage des graphes d attaques pour l évaluation dynamique des risques en Cyber Sécurité
Graphes d attaques Une exemple d usage des graphes d attaques pour l évaluation dynamique des risques en Cyber Sécurité Emmanuel MICONNET, Directeur Innovation WISG 2013, UTT le 22/1/13 2 / CyberSécurité,
4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
MEAD : temps réel et tolérance aux pannes pour CORBA
MEAD : un intergiciel temps-réel et tolérant aux pannes pour CORBA Master 2 Informatique Recherche Université de Marne-la-Vallée Vendredi 3 mars 2006 Plan 1 Introduction 2 Solutions existantes 3 Concilier
Chapitre 2 : Systèmes radio mobiles et concepts cellulaires
Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Systèmes cellulaires Réseaux cellulaires analogiques de 1ère génération : AMPS (USA), NMT(Scandinavie), TACS (RU)... Réseaux numériques de 2ème
INF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Towards realistic modeling of IP-level topology dynamics
Towards realistic modeling of IP-level topology dynamics Clémence Magnien, Amélie Medem, Fabien Tarissan LIP6, CNRS et UPMC Sorbonne Universités Algotel 2012 Mai 2012 La Grande Motte, Hérault, France Etude
Perspectives pour l entreprise. Desktop Cloud. JC Devos IBM IT Architect jdevos@fr.ibm.com. 2010 IBM Corporation
Perspectives pour l entreprise Desktop Cloud JC Devos IBM IT Architect jdevos@fr.ibm.com Principe technique Disposer d un poste de travail virtuel accessible par la plupart des terminaux disponibles Ce
Réseaux grande distance
Chapitre 5 Réseaux grande distance 5.1 Définition Les réseaux à grande distance (WAN) reposent sur une infrastructure très étendue, nécessitant des investissements très lourds. Contrairement aux réseaux
Texte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Une Architecture de Bureaux Graphiques Distants Sécurisée et Distribuée
Une Architecture de Bureaux Graphiques Distants Sécurisée et Distribuée J. Rouzaud-Cornabas Laboratoire d Informatique Fondamentale d Orléans Université d Orléans Batiment IIIA, Rue Léonard de Vinci 45067
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Figure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
Les lières. MSc in Electronics and Information Technology Engineering. Ingénieur civil. en informatique. MSc in Architectural Engineering
Ingénieur civil Ingénieur civil Les lières MSc in Electronics and Information Technology Engineering MSc in Architectural Engineering MSc in Civil Engineering MSc in Electromechanical Engineering MSc
Introduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
APPROCHE DE MODELISATION DE LA PROPAGATION DE L INCENDIE DANS UN EDIFICE ET SON INTEGRATION DANS UN SYSTEME DECISIONNEL
APPRCHE DE MDELISATIN DE LA PRPAGATIN DE L INCENDIE DANS UN EDIFICE ET SN INTEGRATIN DANS UN SYSTEME DECISINNEL Sanae KHALI ISSA (*), Abdellah AZMANI (*), Karima ZEJLI (**) sanaeissa@gmail.com, abdellah.azmani@gmail.com,
Découverte et analyse de dépendances dans des réseaux d entreprise
Découverte et analyse de dépendances dans des réseaux d entreprise Samer MERHI Sous la direction de: Olivier FESTOR LORIA - Equipe MADYNES - Université Henri Poincaré June 24, 2008 1 / 24 Plan 1 Introduction
Efficacité énergétique des réseaux de cœur et d accès
Efficacité énergétique des réseaux de cœur et d accès David Coudert Joanna Mouliérac, Frédéric Giroire MASCOTTE I3S (CNRS/Université Nice Sophia-Antipolis) INRIA Sophia-Antipolis Méditerranée 1 Contexte
M1 Informatique, Réseaux Cours 9 : Réseaux pour le multimédia
M1 Informatique, Réseaux Cours 9 : Réseaux pour le multimédia Olivier Togni Université de Bourgogne, IEM/LE2I Bureau G206 olivier.togni@u-bourgogne.fr 24 mars 2015 2 de 24 M1 Informatique, Réseaux Cours
Modélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Enseignant: Lamouchi Bassem Cours : Système à large échelle et Cloud Computing
Enseignant: Lamouchi Bassem Cours : Système à large échelle et Cloud Computing Les Clusters Les Mainframes Les Terminal Services Server La virtualisation De point de vue naturelle, c est le fait de regrouper
BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Correction du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
NIMBUS TRAINING. Administration de Citrix NetScaler 10. Déscription : Objectifs. Publics. Durée. Pré-requis. Programme de cette formation
Administration de Citrix NetScaler 10 Déscription : Cette formation aux concepts de base et avancés sur NetScaler 10 permet la mise en oeuvre, la configuration, la sécurisation, le contrôle, l optimisation
TP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Julien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
Big Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Modélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
3A-IIC - Parallélisme & Grid GRID : Définitions. GRID : Définitions. Stéphane Vialle. Stephane.Vialle@supelec.fr http://www.metz.supelec.
3A-IIC - Parallélisme & Grid Stéphane Vialle Stephane.Vialle@supelec.fr http://www.metz.supelec.fr/~vialle Principes et Objectifs Evolution Leçons du passé Composition d une Grille Exemple d utilisation
Sommaire. Introduction. I. Notions de routage a) Technologies actuelles b) Avantages et désavantages
Sommaire Introduction I. Notions de routage a) Technologies actuelles b) Avantages et désavantages II. Routage et fourmis a) Principe et avantages b) Structure du simulateur III.Implémentation a) Présentation
Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et
Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et l'anglais. L'étudiant a le choix entre deux filières
Introduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Big Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Découverte et investigation des menaces avancées PRÉSENTATION
Découverte et investigation des menaces avancées PRÉSENTATION AVANTAGES CLÉS RSA Security Analytics offre les avantages suivants : Surveillance de la sécurité Investigation des incidents Reporting sur
Modélisation d un réseau sociotechnique Application à la gestion de crise. Guillaume Philippe (UBS / CAMKA System) Christine Chauvin (UBS)
Modélisation d un réseau sociotechnique Application à la gestion de crise Guillaume Philippe (UBS / CAMKA System) Christine Chauvin (UBS) 1 Sommaire I. La gestion de crise: quelles problématiques? II.
Caractéristiques des ondes
Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace
2009/2010 DESCRIPTIF DES UNITES D ENSEIGNEMENT OPTIONNELLES SPECIALITE RIM
DESCRIPTIF DES UNITES D ENSEIGNEMENT OPTIONNELLES SPECIALITE RIM Réseaux d infrastructure L évolution du marché des télécommunications conduit à cette dualité : du côté applicatif : il y a une convergence
Flex Multipath Routing
Flex Multipath Routing Regroupement des liens privés et publics pour les réseaux étendus (WAN) d entreprise Flex Multipath Routing (FMR) Regroupement des liens privés et publics pour les réseaux étendus
Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Baccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Conception de réseaux de télécommunications : optimisation et expérimentations
Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Parcours en deuxième année
Parcours en deuxième année Unités d Enseignement (UE) ECTS Ingénierie des réseaux haut 4 débit Sécurité des réseaux et 4 télécoms Réseaux mobiles et sans fil 4 Réseaux télécoms et 4 convergence IP Infrastructure
Apprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Virtualiser un serveur de fax
Virtualiser un serveur de fax Mars 2012 IMECOM Groupe prologue - Z.A. Courtaboeuf II - 12, avenue des Tropiques - B.P. 73-91943 LES ULIS CEDEX - France Phone : + 33 1 69 29 39 39 - Fax : + 33 1 69 28 89
FaceBook aime les Maths!
FaceBook aime les Maths! Michel Rigo http://www.discmath.ulg.ac.be/ http://orbi.ulg.ac.be/ Réseaux Visualizing my Twitter Network by number of followers. Michael Atkisson http://woknowing.wordpress.com/
Conception des systèmes répartis
Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan
Quantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Chapitre 11 : Le Multicast sur IP
1 Chapitre 11 : Le Multicast sur IP 2 Le multicast, Pourquoi? Multicast vs Unicast 3 Réseau 1 Serveur vidéo Réseau 2 Multicast vs Broadcast 4 Réseau 1 Serveur vidéo Réseau 2 Multicast 5 Réseau 1 Serveur
Chapitre I. La couche réseau. 1. Couche réseau 1. Historique de l Internet
Chapitre I La couche réseau 1. Couche réseau 1 Historique de l Internet Né 1969 comme projet (D)ARPA (Defense) Advanced Research Projects Agency; US Commutation de paquets Interconnexion des universités
Les réseaux du future
Les réseaux du future Nguyen Thi Mai Trang LIP6/PHARE Thi-Mai-Trang.Nguyen@lip6.fr UPMC - M1 Réseaux - UE RTEL 1 Plan Virtualisation Clouds Réseaux «Green» Radio cognitive Femtocell Multi-homing Codage
Web Science. Master 1 IFI. Andrea G. B. Tettamanzi. Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice.
Web Science Master 1 IFI Andrea G. B. Tettamanzi Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice.fr 1 Annonce : recherche apprenti Projet Géo-Incertitude Objectifs
Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test
11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif
Description des UE s du M2
Parcours en deuxième année Unités d Enseignement (UE) ECTS Ingénierie des réseaux haut 4 débit Sécurité des réseaux et 4 télécoms Réseaux mobiles et sans fil 4 Réseaux télécoms et 4 convergence IP Infrastructure
Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
La gestion des flux de trafic aérien en Europe : état de l art, problèmes et perspectives
La gestion des flux de trafic aérien en Europe : état de l art, problèmes et perspectives Marc Bisiaux Contexte: La gestion des flux aériens et des capacités de trafic aujourd hui. Le trafic aérien en
Expérience de la mise en place s une solution de gestion de capacité pour supporter la migration des Datacenter
Expérience de la mise en place s une solution de gestion de capacité pour supporter la migration des Datacenter Gilles HANUSSE Responsable services Monitor & Operate Sanofi Global Infrastructure Services
Sécuristation du Cloud
Schémas de recherche sur données chiffrées avancés Laboratoire de Cryptologie Thales Communications & Security 9 Avril 215 9/4/215 1 / 75 Contexte Introduction Contexte Objectif Applications Aujourd hui
Journée SITG, Genève 15 octobre 2013. Nicolas Lachance-Bernard M.ATDR Doctorant, Laboratoire de systèmes d information géographique
Monitorint spatio-temporel intégré de la mobilité urbaine Monitoring spatio-temporel de l ADN urbain Une réponse aux défis, problèmes, enjeux et risques des milieux urbains Nicolas Lachance-Bernard M.ATDR
Introduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Polar. Nouveautés Polar
Polar Nouveautés Polar POLAR ELECTRO Fondé en 1977 Premier moniteur de fréquence cardiaque sans fil au monde Travail en collaboration avec les plus grands instituts sportifs & universités Reconnu comme
Modèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
La Qualité de Service le la Voix sur IP. Principes et Assurance. 5WVOIP rev E
La Qualité de Service le la Voix sur IP Principes et Assurance 5WVOIP rev E Introduction La généralisation des infrastructures IP dans les entreprises s accompagne du développement de techniques d amélioration
Echantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
L e r ôle de l optimi s a t i o n W A N v i r t u el le d a ns le
L I V R E B L A N C I D C L e r ôle de l optimi s a t i o n W A N v i r t u el le d a ns le d a t acenter de n o uvelle g é nératio n Décembre 2012 Adapté de «Worldwide WAN Application Delivery 2011 2016
La VoIP & la convergence
République Algérienne Démocratique D et Populaire Autorité de Régulation R de la Poste et des Télécommunications La VoIP & la convergence Par M me Leila CHERID Département Veille Technologique Direction
ECTS CM TD TP. 1er semestre (S3)
Organisation du parcours M2 IRS en alternance De façon générale, les unités d enseignements (UE) sont toutes obligatoires avec des ECTS équivalents à 3 sauf le stage sur 27 ECTS et réparties sur deux semestres
SIP. Plan. Introduction Architecture SIP Messages SIP Exemples d établissement de session Enregistrement
SIP Nguyen Thi Mai Trang LIP6/PHARE Thi-Mai-Trang.Nguyen@lip6.fr UPMC - M2 Réseaux - UE PTEL 1 Plan Introduction Architecture SIP Messages SIP Exemples d établissement de session Enregistrement UPMC -
PROJET ACCLIMATE ETUDE SIM-CLIM THEME 3 Etude bilan des possibilités d une simulation climatique régionale
Commission de l Océan Indien Projet ACCLIMATE 1 PROJET ACCLIMATE ETUDE SIM-CLIM THEME 3 Etude bilan des possibilités d une simulation climatique régionale Résumé Commission de l Océan Indien Projet ACCLIMATE
Solution de stress test Moody s Analytics
Solution de stress test Moody s Analytics Solution de stress test Moody s Analytics Moody s Analytics propose aux établissements financiers une couverture exhaustive de l intégralité du processus de stress
Expérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Les Content Delivery Network (CDN)
Les Content Delivery Network (CDN) Paris Californie : + 45 ms Paris Sidney : + 85 ms Amazon : 100 ms de temps de chargement supplémentaires 1% de ventes en moins Poids moyen des pages d'accueil : 2000
Virtual Data Center d Interoute. Prenez la main sur votre Cloud.
Virtual Data Center d Interoute. Prenez la main sur votre Cloud. Faites évoluer vos ressources informatiques à la demande Choisissez la localisation d hébergement de vos données en Europe Le réseau européen
CONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Conception et contrôle des SMA tolérants aux fautes
Conception et contrôle des SMA tolérants aux fautes Une plate-forme multiagents tolérante aux fautes à base de réplication Nora FACI Contexte SMA large échelle Nombre important d agents Ressources éloignées
Gestion optimale des unités de production dans un réseau compte tenu de la dynamique de la température des lignes
Gestion optimale des unités de production dans un réseau compte tenu de la dynamique de la température des lignes M. Nick, R. Cherkaoui, M. Paolone «Le réseau électrique de demain» - EPFL, 21.05.2015 Table