Adaptation de services dans un espace intelligent sensible au contexte

Belaidouni, Somia (2018). Adaptation de services dans un espace intelligent sensible au contexte. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (7MB) | Prévisualisation
Prévisualisation	PDF Télécharger (2MB) | Prévisualisation

Résumé

Grâce à l’apparition des paradigmes de l’intelligence ambiante, on assiste à l’émergence de nouveaux systèmes intelligents ambiants visant à créer et gérer des environnements intelligents d’une façon intuitive et transparente. Ces environnements sont des espaces intelligents caractérisés notamment par l’ouverture, l’hétérogénéité, l’incertitude et la dynamique des entités qui les constituent. Ces caractéristiques soulèvent ainsi des defies scientifiques considérables pour la conception et la mise en place d’un système intelligent adéquat. Ces défis sont principalement au nombre de trois : l’abstraction et la gestion du contexte, la sensibilité au contexte et l’auto-adaptation face aux changements imprévisibles qui peuvent se produire dans un environnement ambiant.

Dans cette thèse, nous avons proposé une architecture d’un système intelligent capable d’adapter les services selon les besoins des utilisateurs en tenant compte, d’une part, du contexte environnemental et de ses différents équipements et d’autre part, des besoins variables exprimés par les utilisateurs. Ce système est construit suivant un modèle sensible au contexte, adaptatif et réactif aux évènements. Il se repose sur des entités modulaires de faible couplage et de forte cohésion lui permettant d’être flexible et efficace. Ce système integer également un module d’adaptation de services afin de repérer le contexte et de l’ajuster dynamiquement suivant les attentes des utilisateurs. Cette adaptation est réalisée via deux algorithmes : le premier est un algorithme par renforcement (Q-learning), le deuxième est un algorithme supervisé (CBR). L’hybridation de ces deux algorithmes permet surmonter les inconvénients de Q-learning pour aboutir à une nouvelle approche capable de gérer le contexte, sélectionner et adapter le service.

Titre traduit

Service adaptation in context aware intelligent space

Résumé traduit

With the appearance of the paradigms of ambient intelligence, new ambient intelligent systems are emerging with the aim to create and manage intelligent environments. These environments are smart spaces characterized mainly by the openness, the heterogeneity, the uncertainty and the dynamic of the entities that constitute them. These characteristics involve significant scientific challenges for the design and implementation of an appropriate intelligent system. These challenges are mostly abstraction and management of context, reactivity to events detection, context-awareness and self-adaptation to unpredictable changes that may occur in an ambient environment.

In this thesis, we proposed an architecture for system capable of adapting services according to user needs by taking into account, on the one hand, the context of the ambient environment and his various equipment and, on the other hand, the varying needs expressed by users. This system is built according a context aware model, which is adaptive and reactive to events detection. It is based on modular entities with strong cohesion and low coupling to be flexible and effective. This system also includes a module to adapt services in order to identify context and adjust dynamically the selected service according to the user requirements. This adaptation is completed by two algorithms. The first one is an reinforcement algorithm (Qlearning), and the second is an supervised algorithm (CBR). The intention of this hybridization is overcome the drawbacks of Q-learning algorithm to highlight a new approach able to handle context, select and adapt service.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thèse par articles présentée à l'École de technologie supérieure comme exigence partielle à l'obtention du doctorat en génie". Bibliographie : pages 155-169.
Mots-clés libres:	informatique ubiquitaire, intelligence ambiante, environnement intelligent, systèmes intelligents, sensibilité au contexte, auto-adaptation, apprentissage par renforcement, apprentissage supervisé, mesure de similarité
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Tadj, Chakib
Codirecteur:	Codirecteur Moeiz, Miraoui
Programme:	Doctorat en génie > Génie
Date de dépôt:	21 févr. 2019 21:33
Dernière modification:	21 févr. 2019 21:33
URI:	https://espace.etsmtl.ca/id/eprint/2209

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt