Génération Aléatoire pour l'Évaluation de Performances d'Algorithmes d'Ordonnancement

par Mohamad El Sayah

Projet de thèse en Informatique

Sous la direction de Pierre-Cyrille Heam et de Louis-Claude Canon.

Thèses en préparation à Bourgogne Franche-Comté , dans le cadre de SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques , en partenariat avec FEMTO-ST Franche Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies (laboratoire) et de DISC - Département Informatique et Systèmes Complexes (equipe de recherche) depuis le 14-10-2016 .


  • Résumé

    L'objectif du travail à réaliser dans cette thèse consiste à mettre au point des techniques pour l'évaluation de la performance d'algorithmes dans le cadre de l'ordonnancement et du model-checking. Le travail consistera à proposer des protocoles expérimentaux précis pour évaluer des problèmes spécifiques d'ordonnancement et de model-checking en se restreignant par exemple à ceux qui partagent des instances similaires comme des graphes. Cela suppose d'une part d'analyser finement les problèmes considérés afin de définir ce que peuvent être des instances pertinentes. Ensuite, il faudra proposer des générateurs (aléatoires) d'instances (difficiles), puis effectuer une analyse expérimentale rigoureuse des algorithmes existants.

  • Titre traduit

    Random Generation for the Performance Evaluation of Scheduling Algorithms


  • Résumé

    The aim of this thesis is to develop techniques for the evaluation of the performance of algorithms for specific problems of scheduling and model-checking. The work will consist in proposing experimental protocols to assess specific problems of scheduling and model-checking by restricting themselves to those who share similar instances as graphs. This implies on the one hand analyzing the problems considered in order to define what can be relevant instances. Next, it will be necessary to propose generators (random) of (difficult) instances, then perform an experimental analysis of existing algorithms.