• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Programmation répartie, optimisation par agent mobile

El Falou, Salah 29 January 2006 (has links) (PDF)
Pour bien fonctionner, une application répartie nécessite de communiquer<br />et d'échanger des informations entre ces différentes entités. Les agents<br />mobiles apparaissent dans ce contexte comme une solution prometteuse<br />permettant la construction d'applications flexibles, adaptables aux<br />contraintes de l'application et de l'environnement d'exécution. Dans<br />cette thèse, la mobilité est étudiée sous deux angles. D'une part,<br />l'envoi du code sur le serveur permet d'adapter les services distants<br />aux exigences du client ce qui permet la réduction du trafic réseau.<br />D'autre part, une machine surchargée peut déléguer l'exécution de<br />certaines de ces tâches à une autre machine ce qui permet de gagner au<br />niveau du temps d'exécution. Une architecture basée sur la technologie<br />d'agents mobiles est proposée. Elle permet l'équilibrage de charge dans<br />une application répartie. L'architecture proposée est décentralisée et<br />l'équilibrage de charge se fait d'une façon dynamique. Un agent mobile<br />collecteur est utilisé afin de construire une vision globale du système.<br />Pour la réduction du trafic, nous proposons la communication par un<br />agent intelligent hybride. L'agent utilise ainsi deux modes,<br />client/serveur ou migration (échange locale), pour sa communication. Le<br />processus décisionnel de Markov est utilisé pour trouver la politique<br />optimale du déplacement de l'agent. Un travail d'expérimentation sur des<br />problèmes concrets permet de valider les algorithmes proposés.

Page generated in 0.1326 seconds