Un Système Multi-Agents Auto-Adaptatifs Sensibles aux Contextes à Boucles de Contrôle Hiérarchisées
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
UNIVERSITE 20 août 1955-Skikda
Abstract
La centralisation des décisions d’auto-adaptation hétérogènes des Systèmes Auto-* et le
couplage fort inter-constituants ont engendré des Entités Autonomiques trop volumineuses
et trop complexes à construire et à maintenir. Donc, ce travail concerne la re-ingénierie
de la partie Contrôle Autonomique des Systèmes Auto-Adaptatifs (SAAs). Il s’agit de sé-
parer les capacités d’auto-adaptations en plusieurs boucles de contrôle MAPE-K (Monitor,
Analyze, Plan, Execute et Knowledge base) spéci ques pour chaque type d’auto-adaptation.
Cependant, le modèle MAPE-K est trop basique et même les améliorations existantes de sa
conception sont très générales. Ils manquent su samment de détails concernant la structure et la dynamique de ses constituants. De plus, ces conceptions n’utilisent ni un paradigme de conception ni des modèles de conception bien établis. Nous avons donc trouvé
nécessaire de ra ner plus le modèle MAPE-K et le remodéliser utilisant un modèle à base
de composant. Ce modèle facilitera le processus de la conception des SAAs.
Lorsque le système est complexe et à grande échelle, il est nécessaire d’utiliser plusieurs boucles de contrôle. Dans la littérature, di érents modèles ont été proposés de composition de boucles de contrôle, basés sur les approches de contrôle suivantes : centralisé,
décentralisé et hiérarchique. Dans ce contexte, nous avons proposé un nouveau modèle de
contrôle partiellement centralisé basé sur le modèle MAPE-K à base de composant. Ce modèle consiste à centraliser les composants Plan et Knowledge, et à décentraliser les composants Monitor, Analyze et Execute. Nous nous sommes appuyés sur le modèle de composant
Fractal pour modéliser les composants Plan et Knowledge en tant que composants partagés.
De plus, le composant Execute doit se coordonner avec ses pairs. Ce modèle assure une dé-
cision correcte et une exécution dans un temps raisonnable. En raison de la nature évolutive
des SAAs, il existe d’autres dé s a ectent le fonctionnement des SAAs, tels que : la distribution des actions d’adaptation peut imposer un surcoût de communication important, le
composant Plan représente un point de défaillance unique et une surcharge de communication importante est e ectué sur le composant Plan. Par conséquent, nous avons développé
ce modèle en passant du contrôle partiellement centralisé au contrôle hiérarchique a n
d’améliorer la abilité globale du système.
Le contrôle hiérarchique est prouvé être un bon compromis pour gérer la complexité
de l’auto-adaptation. Cependant, il est confronté à un certain nombre de dé s, notamment
la séparation des préoccupations et l’a ectation des di érentes boucles de contrôles à différentes préoccupations. Motivés par ce fait, nous arrivons au HCLs (Hierarchical Control
Loops), une proposition architecturale qui se concentre sur trois aspects : la séparation
des préoccupations dans la modélisation des systèmes, le contrôle hiérarchique et l’adaptation des di érentes entités des boucles de contrôle MAPE-K. Pour séparer les préoccupations, nous nous appuyons sur le modèle de composant Fractal qui peut simpli er la
séparation. Dans HCLs, chaque niveau de la hiérarchie correspond à un type d’adaptation
spéci que. Trois types d’adaptation pouvant être appliqués par HCLs qui sont Adaptation
Locale, Adaptation Régionale et adaptation Supérieure. De plus, HCLs o re la possibilité de
modi er la structure et le comportement des boucles de contrôle au moment de l’exécution
sur la base de stratégies d’exploration pour l’apprentissage par renforcement en ligne utilisant le modèle de caractéristiques pour adapter di érentes entités des boucles de contrôle
MAPE-K.
En n, une expérimentation a été menée avec cette approche dans la gestion d’une
connexion Internet sans l dans un aéroport