L'apport Des Outils De L'intelligence Artificielle Dans Les Systèmes Temps Réel: Ordonnancement Des Tâches

Résumé: Le problème d’ordonnancement des tâches temps réel constitue l’un des problèmes d’optimisation qui ont été largement étudiés. C’est un problème NP-difficile où chaque tâche est caractérisée par des contraintes temporelles, de préemption et avec périodicité statique à respecter strictement, en plus de la nature imprévisible des systèmes temps réel. Ce qui justifie le recours à l’intelligence artificielle. Dans ce travail de thèse, nous avons appliqué des outils avancés de l’intelligence artificielle inspirés des approches connexionnistes et des méthodes métaheuristiques pour la résolution du problème d’ordonnancement des tâches dans les systèmes temps réel monoprocesseur et multiprocesseurs. L’essentiel de nos travaux et contributions dans le domaine d’ordonnancement des tâches temps réel monoprocesseur et multiprocesseurs consiste en premier lieu à utiliser une approche connexionniste s’inspirant du fonctionnement des réseaux de neurones pour la résolution du problème d’ordonnancement. La construction du réseau est basée sur le modèle inspiré de la règle donnée par de Tagliarini et al. Elle permet d’évaluer les entrées et les poids de connexion du réseau ainsi que les différents états des neurones. La stabilité du réseau est validée en se basant sur le modèle de Hopfield et Tank et la fonction d’énergie de Grossberg. La simulation du modèle de tâches en réseau de neurones dans un environnement multiprocesseur est obtenue par l’application des règles d’extension du modèle de tâches dans un environnement monoprocesseur. En second lieu, nous nous sommes intéressés à l’application des méthodes métaheuristiques et leur hybridation pour la résolution du problème d’ordonnancement temps réel monoprocesseur. L’approche adoptée combine l’algorithme Honey Bees Mating Optimization (HBMO) avec les Algorithmes Génétiques, Greedy Randomized Adaptive Search Procedure (GRASP), Recuit Simulé (RS) et la recherché Tabou (RT). Ces procédures sont utilisées dans différentes étapes dans le processus de mating des abeilles donné dans le HBMO (étape de génération de la population initiale et étape d’amélioration des nouveaux individus générés de HBMO (couvées de la ruche des abeilles) qui peuvent remplacer la reine (meilleur plan d’ordonnancement). Le but de l’hybridation est d’exploiter l’espace de recherche dans sa globalité (par l’utilisation des métaheuristiques à recherche globale telles que HBMO, AG et GRASP) et d’intensifier la recherche dans les zones prometteuses (par l’utilisation des métaheuristiques à recherche locale telles que RS et RT).

Publié dans la revue: