Conception des réseaux maillés sans fil à multiples-radios multiples-canaux
Bibliographic record
Abstract
Généralement, les problèmes de conception de réseaux consistent à sélectionner les arcs et\nles sommets dâun graphe G de sorte que la fonction coût est optimisée et lâensemble de\ncontraintes impliquant les liens et les sommets dans G sont respectées. Une modification dans le critère dâoptimisation et/ou dans lâensemble de contraintes mène à une nouvelle représentation dâun problème différent. Dans cette thèse, nous nous intéressons au problème de conception dâinfrastructure de réseaux maillés sans fil (WMN- Wireless Mesh Network en Anglais) où nous montrons que la conception de tels réseaux se transforme dâun\nproblème dâoptimisation standard (la fonction coût est optimisée) à un problème\ndâoptimisation à plusieurs objectifs, pour tenir en compte de nombreux aspects, souvent\ncontradictoires, mais néanmoins incontournables dans la réalité. Cette thèse, composée de\ntrois volets, propose de nouveaux modèles et algorithmes pour la conception de WMNs où\nrien nâest connu à lâ avance.\nLe premiervolet est consacré à lâoptimisation simultanée de deux objectifs\néquitablement importants : le coût et la performance du réseau en termes de débit. Trois\nmodèles bi-objectifs qui se différent principalement par lâapproche utilisée pour maximiser\nla performance du réseau sont proposés, résolus et comparés.\nLe deuxième volet traite le problème de placement de passerelles vu son impact sur la\nperformance et lâextensibilité du réseau. La notion de contraintes de sauts (hop constraints)\nest introduite dans la conception du réseau pour limiter le délai de transmission. Un nouvel\nalgorithme basé sur une approche de groupage est proposé afin de trouver les positions\nstratégiques des passerelles qui favorisent lâextensibilité du réseau et augmentent sa\nperformance sans augmenter considérablement le coût total de son installation.\nLe dernier volet adresse le problème de fiabilité du réseau dans la présence de pannes\nsimples. Prévoir lâinstallation des composants redondants lors de la phase de conception\npeut garantir des communications fiables, mais au détriment du coût et de la performance\ndu réseau. Un nouvel algorithme, basé sur lâapproche théorique de décomposition en\noreilles afin dâinstaller le minimum nombre de routeurs additionnels pour tolérer les pannes\nsimples, est développé.\nAfin de résoudre les modèles proposés pour des réseaux de taille réelle, un algorithme\névolutionnaire (méta-heuristique), inspiré de la nature, est développé. Finalement, les\nméthodes et modèles proposés on été évalués par des simulations empiriques et\ndâévénements discrets.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".