Thèse de doctorat : Sciences de l'ingénieur. Optimisation : Paris 12 : 2007. / Titre provenant de l'écran-titre. Bibliogr. : 164 réf.

Thèse de doctorat : Génie biologique et médical. Optimisation : Paris 12 : 2004. / Thèse électronique uniquement consultable au sein de l'Université Paris 12 (Intranet). Titre provenant de l'écran-titre. Bibliogr. f. 142-158.

Mémoire (M.Inf.)-- Université du Québec à Chicoutimi, 2002. / Document électronique également accessible en format PDF. CaQCU

L'objectif de ce travail consiste à mettre en place des modèles d'intelligence en essaim pour l'étude de l'émergence spatiale d'organisations dans des systèmes complexes auto-organisés, sous des contraintes multi-critères. Le contexte scientique de la formalisation dans le cadre de la modélisation des systèmes complexes est développé dans ce document. Une méthodologie est présentée et conduit au développement d'une heuristique complexe tissant des liens entre des modèles élémentaires bio-inspirés des algorithmes de type fourmis. Une application est développée et concerne la modélisation de l'usage de services - notamment des services culturels - en dynamique urbaine, ainsi que la modélisation des mécanismes d'adaptation de ces services en fonction de leurs usages.

Nous abordons, dans cette thèse, la problématique de la résolution de problèmes à l'aide des systèmes multi-agent réactifs, une approche décentralisée et auto-organisée. Nous étudions comment des agents réactifs, dont les décisions ne dépendent que de leurs perceptions locales, peuvent interagir pour produire des solutions robustes et performantes. Assurer formellement les propriétés d'un tel système devient alors un enjeu particulièrement important du domaine. Nous cherchons en particulier à évaluer l'intérêt de ce type d'approches pour pour le problème de la patrouille multi-agent qui consiste à visiter l'ensemble des noeuds d'un environnement discret le plus régulièrement possible. Nous proposons le modèle EVAP qui repose sur l'utilisation d'agents fourmi se coordonnant par marquage de l'environnement à l'aide de phéromones digitales. Nous nous intéressons à ce modèle à travers les études théorique et expérimentale de son comportement. En particulier, nous prouvons que les agents s'auto-organisent vers des attracteurs cycliques stables. Ceux-ci garantissent une fréquence de visite de l'environnement quasi optimale. Nous étudions enfin la robustesse d'EVAP aux variations des hypothèses d'exécution.

Ce travail présente une méthode de distribution dynamique et adaptative, pour des applications distribuées constituées de multiples entités en interaction, dans un environnement de calcul versatile. L'équilibrage de charge ainsi que la minimisation des coûts de communication sont pris en compte. La méthode proposée repose sur la détection d'organisations au sein de l'application afin de mieux la distribuer. Les organisations sont identifiées comme des groupes d'entités en très forte communication. Les organisations évoluent, apparaissent, se renforcent, s'affaiblissent et disparaissent. Les ressources disponibles de calcul sur lesquelles l'application s'exécutent varient également. Ces contraintes imposent à la distribution de s'adapter dynamiquement. La méthode est basée sur des colonies de fourmis numériques qui tentent de recruter les entités de l'application. Les fourmis coopèrent au sein d'une même colonie et sont en compétition lorsqu'elles n'appartiennent pas à une même colonie. Elles tentent de s'approprier les organisations au sein de l'application, chaque colonie travaillant pour une ressource de calcul distincte. La compétition inter-colonies permet la répartition de la charge. La collaboration au sein de chaque colonie permet la détection des organisations, en plaçant les très fortes communications ensembles sur la même ressource de calcul. Enfin la gestion de la population permet de prendre en compte l'hétérogénéité des ressources de calcul.