Approche auto-adaptative à base d'agents mobiles et inspirée du système immunitaire de l'Homme pour la découverte de services dans les réseaux à grande échelle

Self-adaptive approach based on mobile agent and inspired by human immune system for service discovery in large scale networks

• Auteur / Autrice : Mohamed Bakhouya
• Direction : Jaafar Gaber, Abder Koukam
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2005
• Etablissement(s) : Besançon en cotutelle avec Belfort-Montbéliard

Mots clés

Mots clés contrôlés

Réseaux à grande distance (informatique)

Agents mobiles (logiciels)

Système immunitaire

Résumé

Dans ce travail, une approche auto-adaptative, basée sur les agents mobiles et inspirée du système immunitaire de l'Homme, pour la découverte de services dans un réseau à grande échelle est présentée. Le système immunitaire possède un ensemble de principes de fonctionnement tels que l'auto-régulation et l'auto-organisation qui lui permettent de s'adapter à un environnement dont l'évolution est dynamique et aléatoire. L'utilisation de ces principes permet, d'une part, de réguler dynamiquement et d'une manière distribuée la taille d'une population d'agents mobiles et d'autre part, d'organiser les serveurs en communautés par la création de réseaux d'affinités pour représenter les services dans le réseau. L'établissement des liens affinités entre les serveurs permet de résoudre, par collaboration, les requêtes des utilisateurs. Un mécanisme d'apprentissage par renforcement des valeurs des liens d'affinités entre les serveurs est présenté. Ce mécanisme d'apprentissage permet au système de découverte de s'adapter d'une manière dynamique à la disponibilité des services et aux requêtes des utilisateurs.

In this work, a self-adaptive approach based on mobile agent paradigm and inspired by the human immune system for dynamic service discovery in large scale network is presented. The immune system has a set of organizing principles such as self-organization and self-regulation that enable it to be adapted to dynamic environment. These principles are used, in one hand, to dynamically regulate the population size of mobile agents and, in the other hand, to organize servers into communities by the creation of affinity relationships in order to represent services in the network. The establishment of relationship affinities between servers allows to solve, by collaboration, the user requests. A reinforcement learning mechanism by dynamic adjustment of relationship affinity values is presented. This reinforcement mechanism permits to the to cope with dynamic changes in the network, the services availability and the user requests.