Intelligent Mechanisms for Node Search and Task Offloading in the Internet of Things Networks

Abstract

L'internet des objets (IoT) est un nouveau paradigme de réseau mondial d’objets. Cela rend quoi que ce soit de connecter et d'interagir de partout, en utilisant que ce soit de chemin et de réseaux. En effet, les nœuds IoT peuvent générer d'énormes volumes de données pour réaliser certaines analyses et la prise de décisions afin de mettre en place des services performants et intelligents. En outre, un nouveau mécanisme de communication entre les nœuds est adopté, appelé "Internet social des objets" (SIoT), dans lequel les objets peuvent se mettre en relation comme les êtres humains pour offrir ou consommer un service donné. En revanche, la mise en place d'un mécanisme de recherche concernant de nombres nœuds et services rend l'espace d'intérêt très étendu, alors que les solutions disponibles sont diversifiées, ce qui requiert plus de temps et moins de précision. De plus, les réseaux IoT se caractérisent par des nœuds contraints et l'hétérogénéité des ressources telles que la consommation d'énergie, la capacité de stockage, la capacité de traitement ; par conséquent, la recherche des nœuds IoT qui assurent des services répondant aux exigences de la demande sans tenir compte de ces contraintes peut mener à une réduction du cycle de vie du réseau IoT. Le problème de la recherche de nœuds dans les réseaux IoT est la découverte et la sélection de services en tenant compte des contraintes des nœuds et des réseaux IoT. Dans cette thèse, nous avons proposé trois contributions. Premièrement, nous avons proposé une approche pour la découverte et la sélection de services dans l'IoT. La phase de découverte est mise en œuvre par un serveur périphérique à l'aide d'un réseau de neurones. La phase de sélection est mise en œuvre par les nœuds, afin de sélectionner le nœud adéquat dans un jeu de nœuds pertinents via l’optimisation par colonies de fourmis (ACO). Selon, les résultats expérimentaux, ceux-ci montrent des performances élevées en termes de précision (96,5 %) et une durée de vie plus longue du réseau pour les phases de découverte et de sélection, respectivement, et une courte durée pour les deux phases. Deuxièmement, nous avons proposé une approche qui améliore la navigabilité du réseau, l'accélération du processus de recherche ainsi augmente la durée de vie du réseau. Cette approche vise à mettre en place dynamiquement des groupes à travers des nœuds où chaque groupe a un nœud principal, puis utiliser un algorithme de consensus entre les nœuds principaux pour se mettre en accord avec une capacité spécifique, et après adopter une méthode de sélection des liens d'amitié pour créer un réseau social. Les nœuds amis seront triés périodiquement en vue de créer un équilibre entre la consommation d'énergie et le processus de recherche rapide6 simultanément. Les résultats de la simulation sur le jeu de données du réseau social en ligne basé sur la localisation Brightkite démontrent que notre solution est plus efficace que les méthodes de base en termes de certains paramètres de navigabilité du réseau, de longueur du chemin qui mène aux fournisseurs et du cycle de vie du réseau. Troisièmement, nous avons proposé un nouveau mécanisme qui permet aux tâches d'être exécutées par les nœuds contraints les plus performants et d'être déchargées sur les serveurs périphériques efficaces. Au départ, chaque serveur périphérique regroupe les nœuds contraints de son sous-réseau en nœuds capables et incapables. Après, la méthode d'optimisation par colonies de fourmis est améliorée pour trouver les serveurs périphériques les plus efficaces qui seront inclus dans le chemin optimal en vue du déchargement d'une tâche dans le réseau. Ainsi, en temps réel, lorsqu'une tâche d'application est envoyée à un sous-réseau IoT, un serveur périphérique peut exécuter cette tâche dans son sous-réseau ou la décharger sur d'autres serveurs périphériques via le chemin optimisé. Les résultats de la simulation sur un échantillon réel de données de réseau démontrent que notre proposition se montre plus performante que les approches les plus récentes en termes de chemin optimal et de latence pour le déchargement des tâches, ainsi qu'en termes de durée de vie du réseau, de disponibilité des nœuds d'extrémité et de taux de succès des tâches.