L'augmentation des besoins en bande passante dans les réseaux de télécommunications pousse les opérateurs à déployer de nouvelles infrastructures. Pour le réseau d'accès fixe, la fibre optique est la technologie envisagée. Du fait des enjeux financiers et de la complexité qui vont de pair avec ce déploiement, il est crucial d'optimiser son coût tout en respectant à la fois les attentes en qualité de service et les règles d'ingénierie du déploiement. Cette thèse fait suite à des travaux antérieurs, à l'issue desquels le problème avait été modélisé sous la forme d'un programme linéaire en nombres entiers. Un travail conséquent quant à l'amélioration de la résolution de ce problème avait été fourni, et de nombreuses pistes de recherches avaient été envisagées pour faire suite à ces travaux. Parmi ces pistes, il y avait le traitement de l'incertitude sur la demande qui occupe une grande partie de cette étude. En effet, les futurs clients ne s'étant pas encore déclarés, il n'est plus possible de dimensionner le réseau par rapport à des données connues et fixées. Dans ce cas, le problème devient un problème d'optimisation combinatoire dans l'incertain. Le choix a été fait de le traiter sous l'angle de l'optimisation robuste. Cette approche permet de se prémunir contre l'incertitude en garantissant la faisabilité des solutions dans tous les cas ainsi qu'une optimisation du " pire cas ". Le formalisme qui en découle rend souvent les problèmes étudiés complexes à résoudre. En effet, ils font intervenir des formulations à plusieurs niveaux où les décisions sont prises en séquence, avant ou après la réalisation du scénario incertain. Des algorithmes adaptés ont été développés pour permettre l'application de la robustesse au déploiement des réseaux de fibres optiques. Ces algorithmes, exacts ou approchés, ont permis, via leurs résultats, d'obtenir une connaissance stratégique réelle pour les déploiements à venir. A la suite de ces investigations sur le problème du déploiement optique, certains résultats ont pu être étendus et généralisés à d'autres problèmes d'optimisation robuste, comme par exemple des bornes de probabilité sur la pertinence des ensembles d'incertitudes ou une estimation probabiliste des coûts futurs dans les problèmes d'optimisation robuste en deux étapes. En marge de ces travaux sur l'incertitude qui occupent la plus grande partie de cette étude, d'autres travaux ont été réalisés sur ce problème. En effet, dans le but d'améliorer la prise en compte des coûts futurs du réseau (maintenance, gestion, etc.) qui sont, sur le long terme, les plus importants, une approche a été développée qui permet de prendre en compte les " bonnes pratiques " de déploiement directement dans l'optimisation. L'intégration de ces considérations, regroupées sous le terme d'OA&M (pour Organisation, Administration et Maintenance), a été validée par le développement de macro-modèles de coûts, à même d'estimer les gains futurs à attendre de ces nouvelles contraintes. Enfin, nos efforts ont porté sur la résolution d'une version particulière du problème, dans des graphes qui sont des arbres, avec la prise en compte des contraintes de câblage dans l'optimisation. Pour ce problème qui avait déjà été étudié, un nouvel algorithme de programmation dynamique a été proposé. Il s'appuie fortement sur les propriétés du problème et les utilise pour n'explorer qu'un nombre très limité de solutions tout en restant exact. Les performances de l'algorithme ont montré une nette amélioration du temps de calcul par rapport à des approches de type programmation linéaire en nombres entiers. L'ensemble de ces travaux a permis de découvrir d'autres pistes de recherche, notamment sur des versions alternatives du traitement de l'incertitude, ainsi que sur une prise en compte plus fine du câblage dans l'optimisation.
| Identifer | oai:union.ndltd.org:CCSD/oai:pastel.archives-ouvertes.fr:pastel-00960733 |
| Date | 18 December 2013 |
| Creators | Hervet, Cédric |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0014 seconds