Rpublique Algrienne Dmocratique et Populaire

Ministre de lEnseignement Suprieur et de la Recherche Scientifique

- Universit Mentouri de Constantine Facult des sciences de lingnieur

Dpartement dInformatique

N attribu par la bibliothque

|__|__|__|__|__|__|__|__|__|__|

THESE
Pour lobtention de grade de
DOCTEUR EN SCIENCE
Prsente et soutenue publiquement par :

M. Chaker MEZIOUD
Le :

26 /05/ 2011

Recherche sur la Rsolution des Problmes

Complexes dAffectation de Frquences
Basses Bandes pour les Oprateurs
de la Tlphonie Mobile
Directeur de thse : Mohamed Khireddine KHOLLADI

JURY

M. CHIKHI Salim
M. SERIDI Hamid
M. OKBA Kazar
M. CHAOUI Allaoua
M. KHOLLADI M-K

Professeur
Professeur
Matre de confrences
Matre de confrences
Matre de confrences

Prsident
Examinateur
Examinateur
Examinateur
Rapporteur

Ddicaces

A tous ceux qui ont fait de moi ce que je suis.

Remerciements

Je tiens remercier toute personne ayant particip, de loin ou de prt la ralisation

de ce travail.

Je suis extrmement reconnaissant envers Monsieur Mohamed Khireddine KHOLLADI,

matre de confrences et chef de dpartement informatique luniversit de Constantine
davoir accept dtre mon Directeur de thse,

je le remercie galement pour la

disponibilit sans rserve dont il a fait preuve mon gard, les nombreuses discussions
que jai eues avec lui ainsi que les prcieuses et judicieuses aides. Je tiens aussi
remercier les nombreux collgues qui ont partag mon quotidien.

Je remercie particulirement les membres de jury de mavoir accord lhonneur

daccepter lvaluation de ce travail.

Pour finir, jai une pense toute particulire pour mes proches et mes parents qui nont
jamais cess de me fournir lessentiel. A jamais merci pour me pousser toujours
dpasser mes limites.

Rsum

Les rseaux GSM (Global System for Mobile communication) ne cessent dvoluer
afin dassurer une qualit de couverture toujours plus importante. Dans ce cadre, les
solutions des problmes doptimisation dynamique, sont dveloppes dans un contexte
multicritres associant les critres financiers (cots du rseau), les critres techniques
(assurance, disponibilit) et les critres de vente (qualit de services). Pour de telles
raisons, nous allons prsenter une approche base sur les ontologies spatiales qui sont
une voie prometteuse pour dcrire et partager des informations agres par une
communaut de personnes, qui permettent une description prcise des sources de
donnes ainsi les SMA (Systme multi-agents) qui sintressent aux comportements
collectifs produits par les interactions de plusieurs entits autonomes et flexibles
appeles agents. Cette approche contient deux phases qui sont: la planification initiale
du rseau cellulaire ayant pour objectif une laboration optimale du rseau en outre,
c'est une solution qui sera adapte n'importe quelle zone gographique, et le
processus de dploiement qui a pour objectif le ramnagement automatique, pour
pallier aux pannes et aux alas.

Mots-Cls : GSM, Rseaux cellulaire, Optimisation Dynamique, Ontologies Spatiales,

Systmes Multi Agents.

Table des matires

INTRODUTION GENERALE
Avant propos ............................................................................................................................ 1
Problmatique ........................................................................................................................... 2
Objectifs.................................................................................................................................... 3
Plan du mmoire

................................................................................................................... 3

CHAPITRE I : LA TELEPHONIE MOBILE

Introduction....................................................................................................................... 5

1. Historique ........................................................................................................................... 6
2. Architecture gnrale des rseaux GSM .............................................................................. 7
2.1 Sous-systme radio (BSS) .............................................................................................. 7
2.1.1. Le mobile .............................................................................................................. 7
2.1.2. Fonctions de la BTS (Base Transceiver Station) .................................................. 8
2.1.3. Fonctions du BSC (Base Station Controller)......................................................... 8
2.2. Le sous-systme rseau (NSS)........................................................................................ 9
2.2.1. Fonctions du MSC ................................................................................................ 9
2.2.2. Fonctions du HLR ................................................................................................. 9
2.2.3. Fonctions du VLR ................................................................................................. 9
2.3. Sous systme dexploitation et de maintenance OSS .....................................................10
2.3.1. Ladministration du rseau ....................................................................................10
2.3.2. Centre dauthentification AuC (Authentication Center) ..............................................11

2.3.3. Enregistreur de lidentit des quipements EIR (Equipment Identity Register) ........11
2.3.4. Centre dopration et de maintenance OMC (Operation and Maintenance Center)...11
2.3.5. Centre Rseau et Gestion NMC (Network and Management Center) ....................11
3. Le Concept Cellulaire ..........................................................................................................11
3.1. La division cellulaire ...................................................................................................13
3.1.1. La dfinition dune cellule ..................................................................................14
3.2.2. Intrt de la division cellulaire ...........................................................................14
3.2. Rutilisation des frquences ........................................................................................14
3.3. Densification ................................................................................................................15
3.4. Itinrance (roaming) ....................................................................................................17
3.5. Handover et macrodiversit .........................................................................................18
4. Planification du rseau cellulaire .........................................................................................18
4.1. Principes dun rseau cellulaire .....................................................................................18
4.2. Avantages des rseaux cellulaires .................................................................................19
4.3. Fonctions remplir ........................................................................................................19
5. Critres de performances d'un rseau GSM ........................................................................19
5.1. Critres de cot ............................................................................................................19
5.2. Cots de fonctionnement ..............................................................................................20
6. Problmes de transmission .................................................................................................20
6.1. Fading ..........................................................................................................................20
6.2. Alignement de temps ...................................................................................................21
6.3. Dispersion de temps .....................................................................................................21

Conclusion ........................................................................................................................22

CHAPITRE II : LES METHODES DOPTIMISATION

Introduction.......................................................................................................................23

1. Notions de base ..................................................................................................................23

2. Optimisation combinatoire .................................................................................................23
2.1 Dfinitions ...................................................................................................................24
2.2. Complexit .................................................................................................................25
3. Les diffrents types des mthodes .......................................................................................25
3.1 Les mthodes exactes ..................................................................................................25
3.2 Les mthodes approches ............................................................................................25
3.3. Les mtaheuristiques ..................................................................................................26
3.3.1 Dfinition............................................................................................................26

3.3.2 Classifications possibles des mtaheuristiques..................................................26

3.4. Les principales mtaheuristiques .................................................................................28
3.4.1 Les approches population .........................................................................28
3.4.1.1 Les algorithmes gntiques....................................................................28
3.4.1.2 Les algorithmes de colonies de fourmi .................................................30
3.4.2 Les approches trajectoire .............................................................................31
3.4.2.1 Principes de recherche locale ..................................................................31
3.4.2.2 Structure de voisinage et minimum local ..............................................31
3.4.2.3 Les mthodes de recherche locale ..........................................................32
a. La mthode de descente (Hill climbing)..............................................32
b. La mthode recuit simul ....................................................................34
c. La mthode recherche Tabou ..............................................................35

Conclusion ........................................................................................................................42

CHAPITRE III : LES ONTOLOGIES

Introduction

1. Dfinitions multiples de lontologie ...................................................................................43

2. Les principales entits dune ontologie .............................................................................43
Les Concepts ......................................................................................................................45
Les Relations ......................................................................................................................45
Les Axiomes .......................................................................................................................45
Les Instances ......................................................................................................................46
3. Les types dontologie..........................................................................................................46
Les ontologies de type thesaurus ........................................................................................46
Les ontologies descriptives.................................................................................................46
Les ontologies gographiques.............................................................................................46
Dfinitions ..........................................................................................................................47
Les besoins des ontologies spatiales...................................................................................47
Spcificits des ontologies spatiales ...................................................................................50
Lintgration des composantes : Espace et Temps .............................................................51
4. Construction dontologie ....................................................................................................51
5. Conception dune ontologie................................................................................................51
La dmarche de conception ................................................................................................53
5.1.1. Conceptualisation .............................................................................................53
5.1.2. Ontologisation...................................................................................................54

5.1.3. Oprationnalisation.............................................................................................54
6. Interrogation des ontologies .................................................................................................55
7. Comparaison entre les ontologies et les bases de donnes ...................................................56
8. Interoprabilit......................................................................................................................56
8.1. Les objectifs de linteroprabilit .................................................................................57
8.2. Spcificits de linteroprabilit des SIG .....................................................................58
9. Outils de dveloppement dontologies .................................................................................59
9.1. Langage pour les ontologies .........................................................................................60
9.2. Les diteurs dontologies ..............................................................................................61

Conclusion ........................................................................................................................61

CHAPITRE IV : LES SYSTEMES MULTI AGENTS

Introduction.......................................................................................................................62

1. Le monde dagents..............................................................................................................62
Dfinition dagent ..............................................................................................................62
Caractristiques dun agent.................................................................................................63
Les types dagents...............................................................................................................64
Les agents collaboratifs ......................................................................................................65
Les agents mobiles..............................................................................................................65
Les agents dinformation ...................................................................................................66
Les agents intelligents ........................................................................................................66
Classification dagents .......................................................................................................67
Agents ractifs ...................................................................................................................67
Agents cognitifs .................................................................................................................68
Agent dlibratif ................................................................................................................68
La communication entre agents .........................................................................................69
Dfinition dinteraction ......................................................................................................69
Le but de linteraction.........................................................................................................70
Diffrentes formes dinteractions .......................................................................................70
2. Les Systmes Multi-Agents (SMA)....................................................................................72
Dfinition des SMA ...........................................................................................................72
L'architecture multi-agents .................................................................................................72
Domaines d'application des SMA ......................................................................................74
Exemples dun SMA...........................................................................................................74
Avantages des systmes multi-agent ................................................................................75

Conclusion .......................................................................................................................76

CHAPITRE V : PLANIFICATION INITIALE

Introduction.......................................................................................................................77

1. La planification initiale ......................................................................................................77

La reprsentation gographique dune zone .......................................................................78
1.1.1 L'image satellitaire ...........................................................................................78
1.1.2 Les donnes gographiques .............................................................................79
1.1.2.1 Les informations smantiques ................................................................80
1.1.2.2 Les informations gomtriques................................................................80
La description vectorielle de la zone gographique ...........................................................82
La dfinition intentionnelle des concepts spatiaux .............................................................84
La reprsentation dune rgion par lontologie spatiale ....................................................84
Reprsentation schmatique dune rgion par une ontologie .............................................85
Le dictionnaire des attributs ...............................................................................................86
Le dictionnaire des relations ..............................................................................................87
Exemples daxiomes gnraux de la description dune rgion .........................................87
Les axiomes spatiaux .........................................................................................................88
2. Algorithme de planification du rseau cellulaire ...............................................................89
Principe de lAlgorithme ...................................................................................................91
Exemple de simulation du rseau cellulaire ......................................................................92

Conclusion .......................................................................................................................93

CHAPITRE VI : DEPLOIEMENT

Introduction.......................................................................................................................94
1. Processus de dploiement ...........................................................................................95
Le Tilt

..96

LAzimut ............................................................................................................................96
La Puissance des pilotes ....................................................................................................96
2. Larchitecture gnrale du systme ..............................................................................97
Agent Evaluateur ................................................................................................................97
Agent Historique.................................................................................................................97
Agent Ontologie..................................................................................................................97
Agent Calendrier................................................................................................................. 97
Agent Superviseur .............................................................................................................. 98

3. Interaction entres les diffrents agents ......................................................................... 98

Description textuelle de linteraction.................................................................................. 98
3.2

Schma dinteraction, cas de : surcharge des cellules ................................. 99

4. Mthode doptimisation ............................................................................................... 99

Principe de lalgorithme propos........................................................................................100
5. Etude de cas .................................................................................................................101

Conclusion ........................................................................................................................103

CONCLUSION GENERALE & PERSPECTIVES ...........................................................104

BIBLIOGRAPHIE....................................................................................................................106
TABLE DES FIGURES ...........................................................................................................111
LISTE DES TABLEAUX ........................................................................................................113
GLOSSAIRE ............................................................................................................................114
ANNEXE

.............................................................................................................................115

INTRODUCTION GENERALE

Avant propos

L'industrie des communications mobiles a connu un essor prodigieux au cours de cette dernire dcennie.
Elle est dveloppe, au-del de toutes les attentes. Ainsi, actuellement, des millions d'abonns profitent
des services offerts par les rseaux cellulaires. La plupart utilise les rseaux GSM (Global System for
Mobile Communications) avec des frquences basses (dans la bande 900 MHz). Concevoir un rseau
cellulaire est indubitablement le dfi le plus ambitieux de toute la tlphonie mobile. Raison pour laquelle
lutilisation doutils de modlisation des zones gographiques doit tre ajuste en fonction de mesures
ralises sur le terrain, en particulier dans le cas des environnements urbains et des constructions
obstacle. Les rseaux cellulaires sont des systmes forts facteurs de tensions. Lajustement en temps rel
de la solution tant actuellement impossible. Laspect dynamique rajoute une nouvelle dimension au
problme de conception (design) des rseaux cellulaires. Loptimisation sert alors anticiper les
modifications oprer sur le rseau afin doptimiser les performances du rseau pendant son volution et
rduire les cots de son ramnagement. Lanalyse dtaille et comprhensive du comportement du
trafic dans le temps et dans lespace est un processus indispensable pour la planification des systmes
radio mobiles. Le dimensionnement statique du rseau de faon offrir un niveau de service minimum
lheure de pointe a pour effet de gaspiller les ressources du systme lorsque celles-ci ne sont pas bien
exploites.

Problmatique

Les frquences basses (infrieures 1 GHz) ont des proprits de propagation bien meilleures (porte,
pntration dans les btiments) que les frquences hautes (suprieures 1 GHz). Le dploiement de la
3me gnration du rseau cellulaire, dans la bande 900 MHz permet ainsi de diminuer le nombre de sites
dmission radiolectrique ncessaires. Ce qui a soulev le problme dallocation de frquence (PAF), qui
est un problme NP-DIFICILE (NP-COMPLEXE), pour le rsoudre il nexiste pas des algorithmes exacts
de rsolutions. La conception de grands rseaux cellulaires devient un problme complexe, qui tourne
autour dun grand impact : la qualit du service, le maximum de couverture et le cot du rseau. Avec la
croissance continue et rapide du trafic de communication, la planification grande chelle devient de plus
en plus difficile. Les algorithmes automatiques ou interactifs et les outils d'optimisation seraient trs
utiles. Les avances dans ce secteur mneront certainement aux amliorations importantes au sujet de la
qualit de service et du cot de dploiement. Dans ce sujet, les solutions des problmes doptimisation,
devront dtres dveloppes dans de nouveaux contextes. Loptimisation dans le domaine de tlphonie
mobile rside dans loptimisation du rseau cellulaire, dont il reprsente le concept capital. Ce dernier, est
bas principalement sur ltude des caractristiques et de la flexibilit de la zone gographique. Le
systme doit tre capable de fonctionner en configuration localise ou tendue dans des aires urbaines de
haute densit comme dans des aires rurales de faible densit. La planification des rseaux radiolectriques
(implantation des stations, allocation des frquences, etc.) est la condition dune maitrise des couts
dinvestissement de loprateur, et surtout de lutilisation optimale de la ressource spectrale.

Donc, lide nous mne rflchir au dveloppement dun processus de design capable de grer les
changements survenant sur le rseau pendant ses phases de croissance et de maturation. La demande en
trafic varie dans le temps et dans lespace. Le rseau est sujet, en plus, des changements long terme,
exigs par la monte du trafic, relative la croissance de la clientle, aux changements comportementaux
des usagers ainsi qu lvolution de la couverture. Le rseau est amen sadapter et saccrotre.
Toutefois, selon le point de vue des chercheurs, les objectifs du fournisseur du rseau et les conditions
spcifiques de lapplication, plusieurs modles sont considrer, et donc, plusieurs approches sont
adoptes pour les rsoudre. Pour de telles raisons nous nous retrouverons devant le dfi de prsenter une
fiable approche, qui puisse rpondre aux exigences prcdemment cites.

Objectifs

Notre travail, consiste proposer aux oprateurs de la tlphonie mobile une nouvelle approche pour la
planification du rseau cellulaire et la gestion de son dploiement. La principale contribution consiste
faire une tude pousse de lespace gographique, permettant dlaborer un rseau cellulaire qui

permettra galement de rpondre aux besoins de couverture et de qualit. Notre approche vise atteindre
les objectifs suivants :
 Une planification initiale optimale du rseau cellulaire, adapte nimporte quelle zone gographique.
 Un suivi du dploiement, travers un processus de ramnagement automatique, qui ragit aux
pannes et aux alas, capable de traiter des problmes dont les donnes ne sont que partiellement
connues, et pour lesquelles les informations arrivent au cours du temps.
De ce fait, il devient essentiel d'intgrer la connaissance au sujet de la structure du problme. On pourra
proposer les ontologies ce niveau, qui semble tre une voie prometteuse pour dcrire et partager des
informations et leurs smantiques. Aussi, concevoir des mthodes auto adaptives qui peuvent ragir la
forme du problme et qui ncessitent la coopration de plusieurs mthodes, permettra de rsoudre le
problme dans sa globalit.

Raison pour laquelle nous nous retrouvons devant le besoin de faire

intervenir les systmes multi agents. Une discipline qui sintresse aux comportements collectifs produits
par les interactions de plusieurs entits autonomes et flexibles appeles agents, que ces interactions
tournent autour de la coopration, de la concurrence ou de la coexistence entre ces agents.

Plan du mmoire

Notre mmoire est compos de six chapitres :

Le premier chapitre aborde un tat de lart sur notre domaine dtude, quest la tlphonie mobile. En
commenant par la dfinition de la norme GSM dans sa totalit, passant par son architecture gnrale puis
la description de ses diffrents sous systmes, et ses entits. Nous abordons par la suite le concept
cellulaire (la cellule, la division cellulaire, la rutilisation des frquences, densification, litinrance, et le
hand-over), pour terminer par les diffrents problmes de transmission, auxquels sont confronts les
oprateurs du domaine.

Dans le deuxime chapitre intitul Les mthodes doptimisation, nous tudions les diffrentes mthodes
doptimisation et leur utilisation pour la rsolution des problmes combinatoires. En particulirement les
mthodes de recherche locale au niveau de leurs principes, avantages et inconvnients.

A travers le troisime chapitre, nous prsentons les importants concepts lis aux agents, commenant par
la dfinition de ce dernier jusquaux types dagents, larchitecture multi-agents, ainsi que les types
dinteraction entre ces agents. Nous terminons ce chapitre par quelques exemples des systmes multiagents (SMA).

Le quatrime chapitre est consacr en premier lieu la dfinition des ontologies dans ses diffrents
domaines, ainsi que ses entits principales, ensuite nous citons les diffrents types dontologies en
accordant une importance aux ontologies gographiques et spatiales, juges ncessaires pour notre tude.

Nous reportons notre contribution dans les deux derniers chapitres. Nous abordons, dans un premier
temps et travers le cinquime chapitre la phase de la planification initiale du rseau cellulaire, en
proposant une approche base sur les ontologies spatiales, une technique qui sintresse ltude des
caractristiques spatiales de la zone gographique concerne par le rseau.

Tout en veillant sur le dploiement de du rseau cellulaire, nous rservons le sixime chapitre pour la
description dun processus de design capable de grer les changements survenant sur le rseau pendant
ses phases de croissance et de maturation. A la fin nous illustrons ce chapitre par une tude de cas.

Nous concluons par un bilan des diffrentes tapes traverses durant notre tudes, suivi des perspectives
de recherche pouvant faire suite ce travail.

Chapitre 1

La Tlphonie Mobile

Introduction
Le tlphone est un outil de communication fixe ou mobile, il convertit la voix en un signal

lectrique mis sous forme dondes de radio frquences qui se propagent par lintermdiaire de lantenne
du tlphone jusqu une antenne-relais. Le rseau GSM (Global System for Mobile communications)
constitue au dbut du 21me sicle le standard de tlphonie mobile le plus utilis en Europe. Il s'agit d'un
standard de tlphonie dit de seconde gnration (2G). Contrairement la premire gnration de
tlphones portables, les communications fonctionnent selon un mode entirement numrique. Cest le
premier service de tlphonie mobile universel, efficace et satisfaisant les exigences dinterconnexion et
de mobilit tout en divisant le terrain en zones de couverture dites cellules. Il possde certaines
caractristiques qui lui sont propres. Il a pour premier rle de permettre des communications entre
abonns mobiles (GSM) et abonns du rseau tlphonique commut (RTC rseau fixe). Le rseau
GSM sinterface avec le rseau RTC et comprend des commutateurs. Dans ce chapitre, nous dcrivons le
contexte gnral de notre tude portant sur le rseau GSM, sa liaison radio ainsi que son fonctionnement.

1. Historique
Les premiers travaux sur la tlphonie mobile ont t entrepris pour des raisons militaires. Dtroit a t la
premire ville bnficier dun systme dappels groups, servant aux voitures de police pour la
transmission dinstructions en 1921. A la suite et pendant les annes 30, les avances de la modulation de
frquence aidrent lamlioration de la qualit des conversations notamment pour les vhicules en
mouvement. Cependant, le manque de canaux de communication limitait srieusement la qualit des
services.

Les annes 70 ont vu merger de nombreux rseaux de radiotlphonie analogique dsigns par la suite
par le terme de systmes de 1re gnration. Lincompatibilit subsistante entre ces diffrents rseaux,
principalement lie aux diffrences de normes (NMT 450, NMT 900, TACS, C450, Radiocom 2000,
RTMS) et de bandes de frquences, a rendu impossible la cration de rseaux vocation internationale.
Pour ces raisons, des dmarches ont t entreprises vers ltablissement dune norme unique pour les
communications avec les mobiles.
En 1982, la CEPT (Confrence Europenne des Postes et Tlcommunications) fixa des bandes de
frquences communes toute lEurope dans la bande des 900 MHz. Un groupe de normalisation, GSM,
fut install la mme anne, dont la tche tait dtablir un systme de communication mobile numrique.
En 1990, une nouvelle norme, DCS 1800, reprsentant une adaptation de la norme GSM, fut tablie pour
supporter les rseaux de tlcommunications dans la bande des 1800 MHz. Les systmes numriques :

GSM, DCS1800 (Europe) ou encore IS-95 (USA) et PDC (Japon) reprsentent les systmes de 2me
gnration.

De nouvelles normes sont actuellement ltude dsignes par le terme de systmes radiomobiles de 3me
gnration. Le principal objectif de tels systmes est d'offrir des services de communication hauts dbits
(services multimdias) avec de plus grandes facilits de mobilit (itinrance internationale). Le label IMT2000 fait rfrence l'ensemble des travaux de normalisation accomplis par l'UIT (Union Internationale
des Tlcommunications) l'chelle mondiale. L'UMTS dsigne quant lui la partie de cette recherche
conduite en Europe [MAB03].

Dsignation

Caractristiques gnrales

Systmes de premire gnration

Se basent sur la transmission analogique.

Gnralement, ce sont des rseaux nationaux ne
permettant pas l'itinrance.

Systmes de deuxime gnration

(GSM, DCS, IS-95, GPRS)

Systmes de troisime gnration

(UMTS,CDMA2000)

Utilisent la transmission numrique. Ce sont des

systmes
qui
supportent
l'itinrance
internationale mais leurs faibles dbits
restreignent leurs utilisations la communication
vocale.
Fournissent des services de communications
hauts dbits (jusqu' 2 Mbit/s), ouvrant ainsi la
porte la transmission des donnes et aux
services multimdia.

Tableau 1 : Les diffrentes gnrations des rseaux radio mobiles.

2. Architecture gnrale des rseaux GSM

Le but d'un rseau de tlphonie mobile est d'assurer un ensemble de services de tlcommunications aux
utilisateurs quelques soient leurs dplacements l'intrieur d'un territoire. A cette fin l'abonn mobile
utilise deux lments distincts :

Un quipement mobile, ou terminal, qui fournit les capacits radio et logicielles ncessaires au
dialogue avec le rseau.

Une carte amovible SIM (Subscriber Identity Module) ou USIM (Universal Subscriber Identity
Module) dans la norme UMTS, qui stocke les caractristiques de l'abonn et ses droits, en
particulier son identit internationale, l'IMSI.

Le mobile est rattach au rseau par voie radio. La partie du rseau en charge de grer la liaison avec la
station mobile est appele interface radio. Cette dernire fait elle mme partie du sous-systme radio
(Base Station Subsystem - BSS) qui avec le sous-systme fixe (Networkand Switching Subsystem - NSS)
constituent les deux principaux composants des rseaux GSM [MAB03].

Figure 1 : Architecture gnrale dun rseau GSM [GIR01]

2.1 Sous-systme radio (BSS)

Le sous systme radio gre la transmission radio. Il comprend les parties suivantes :

2.1.1. Le mobile
Le tlphone et la carte SIM (Subscriber Identity Module) sont les deux seuls lments auxquels un
utilisateur a directement accs. Ces deux lments suffisent raliser l'ensemble des fonctionnalits
ncessaires la transmission et la gestion des dplacements [DAY05].

2.1.2. Fonctions de la BTS (Base Transceiver Station)

Une BTS est compose de plusieurs metteurs/rcepteurs appels TRX. Sa capacit maximale est de 8
porteuses lui permettant de grer une cinquantaine de communications en parallle. La BTS s'occupe des
aspects physiques de la transmission : la modulation et dmodulation des signaux, le codage correcteur
d'erreurs, le chiffrement, le multiplexage TDMA [LAG00]. Elle ralise aussi un ensemble de mesures

radio permettant le contrle de la qualit d'une communication en cours. Ces informations sont
directement envoyes au BSC [MAB03].

Figure 2 : Exemple de BTS [REV02].

On distingue deux types de BTS :

Les BTS normales, dont les stations de base classiques utilises dans les systmes cellulaires avec des
quipements complmentaires installs dans des locaux techniques et des antennes sur les toits.

Les micro-BTS sont utilises pour couvrir les zones urbaines denses avec des micros cellules. Il sagit
dquipements de faible taille et de faible cot, qui permettent de mieux couvrir un rseau dense
comme le quartier dune ville forte affluence [GIR01].

2.1.3. Fonctions du BSC (Base Station Controller)

Un BSC contrle une ou plusieurs BTS. Il est charg de la gestion de la ressource radio : allocation des
canaux, procdure de handover. Il exploite les mesures fournies par les BTS afin de rgler les puissances
d'mission des BTS et des mobiles. Il constitue de plus le lien entre le sous systme radio BSS (BTS +
BSC) et le sous systme d'acheminement ou rseau fixe, NSS (Network Sub-System).
2.2. Le sous-systme rseau (NSS)
Il prend en charge les tches d'tablissement des communications et de gestion de la mobilit
(localisation). Dans les rseaux GSM et UMTS, le sous systme NSS contient un centre de commutation
MSC (Mobile-services Switching Center) ainsi que des bases de donnes : VLR pour Visitor Location
Register et HLR pour Home Location Register.

2.2.1. Fonctions du MSC

Il effectue toutes les fonctions ncessaires la gestion des appels de provenance ou destination des
abonns localiss dans sa zone. Il gre aussi les informations lies la mobilit des clients, utilisant pour
cela les enregistreurs de donnes VLR et HLR.

2.2.2. Fonctions du HLR

La base de donnes HLR contient des informations concernant le profil des abonns. A chaque abonn est
associ une et une seule entre dans le HLR dsignant la description de ses droits ainsi que son numro
international IMSI et son numro d'abonn mobile MSISDN. En plus il tient jour une information qui
pointe sur un VLR, lequel indique la zone de localisation o se trouve l'abonn actuellement.

2.2.3. Fonctions du VLR

Dans la base de donnes d'une VLR on ne retrouve que les informations ncessaires L'tablissement des
appels en provenance ou destination d'abonns se trouvant sur son aire. Ces informations consistent en
l'identit internationale de l'abonn, IMSI, l'identit temporaire TMSI et la zone de localisation o l'abonn
s'est manifest pour la dernire fois [MAB03].

Larchitecture des sous systmes BSS et NSS, est illustre par la figure 3 :

Figure 3 : Architecture des sous systmes BSS et NSS [DAY05]

2.3. Sous systme dexploitation et de maintenance OSS

2.3.1. Ladministration du rseau
Ladministration du rseau comprend toutes les activits qui permettent de mmoriser et de contrler les
performances dutilisation et les ressources de manire offrir un niveau correct de qualit aux usagers.
On distingue 5 fonctions dadministration :
 Ladministration commerciale :
La dclaration des abonns et des terminaux, la facturation, les statistiques etc.
 La gestion de la scurit :
La dtection des intrusions, le niveau dhabilitation etc.
 Lexploitation et la gestion des performances :
Lobservation du trafic et de la qualit (performance), les changements de configuration pour
sadapter la charge du rseau, la surveillance des mobiles de maintenance etc.
 Le contrle de configuration du systme :
Les mises niveau des logiciels, les introductions des nouveaux quipements ou des nouvelles
fonctionnalits etc.
 La maintenance :
Les dtections de dfauts, les tests dquipements etc [GIR01].
2.3.2. Centre dauthentification AuC (Authentication Center)
Lorsqu'un abonn passe une communication, l'oprateur doit pouvoir s'assurer qu'il ne s'agit pas d'un
intrus. Le centre d'authentification remplit cette fonction de protection des communications. LAuC
mmorise pour chaque abonn une cl secrte utilise pour authentifier les demandes de services et
chiffrer les communications [DAY05].

2.3.3. Enregistreur de lidentit des quipements EIR (Equipment Identity Register)

Malgr les mcanismes introduits pour scuriser l'accs au rseau et le contenu des communications, le
tlphone mobile doit potentiellement pouvoir accueillir n'importe quelle carte SIM de n'importe quel
rseau. Il est donc imaginable qu'un terminal puisse tre utilis par un voleur sans qu'il ne puisse tre
repr. Pour combattre ce risque, chaque terminal reoit un identifiant unique IMEI (International Mobile
station Equipment Identity) qui ne peut pas tre modifi sans altrer le terminal [DAY05].

2.3.4. Centre dopration et de maintenance OMC (Operation and Maintenance Center)

Cette partie du rseau regroupe trois activits principales de gestion: la gestion administrative, la gestion
commerciale et la gestion technique.

Le rseau de maintenance technique s'intresse au fonctionnement des lments du rseau. Il gre

notamment les alarmes, les pannes, la scurit, etc. Ce rseau s'appuie sur un rseau de transfert de
donnes, totalement dissoci du rseau de communication GSM [DAY05].

2.3.5. Centre Rseau et Gestion NMC (Network and Management Center)

Deux niveaux de hirarchie sont dfinis dans la norme GSM. Les OMC (Oprations and Maintenance
Center) et le NMC (Network and Management Center). Cette organisation a t dfinie pour permettre
aux oprateurs tlcoms de grer la multiplicit des quipements (metteurs, rcepteurs, bases de
donnes, commutateurs) et des fournisseurs. Le NMC permet ladministration gnrale de lensemble
du rseau par un contrle centralis [GIR01].
3. Le Concept Cellulaire
Une cellule reprsente l'ensemble des points du territoire couvert par une mme BTS et o le signal mis
par cette BTS est le plus fort. On parle alors de BTS "meilleure serveuse".
Le concept cellulaire constitue le fondement de base des rseaux radiomobiles. Premirement, l'utilisation
du concept cellulaire permet l'ajustement des ressources radio la demande en trafic. Cet ajustement est
ralis en densifiant les zones forte demande en communications. Le principe de densification se traduit
par des zones urbaines forte concentration de BTS couvrant de petites cellules et des zones rurales
faible concentration de BTS couvrant des cellules de grande taille.

La rutilisation des ressources radio (frquences) dans les rseaux GSM constitue le deuxime intrt du
concept cellulaire. En effet l'oprateur tlphonique est restreint un nombre limit de frquences pour
couvrir l'ensemble du rseau, ce qui rend ncessaire la rutilisation du spectre radio mainte fois de faon
prvenir les situations d'interfrences entre les ondes radio. En consquence de la rutilisation des
frquences, le rseau est capable d'couler un nombre de communications beaucoup plus grand que le
nombre de frquences disponibles [MAB03].

La forme hexagonale a t universellement adopte comme reprsentation thorique du design cellulaire

[LAG99]. En effet l'hexagone dsigne la forme gomtrique la plus proche du cercle (propagation des
ondes radio dans un espace sans obstacles) qui permet un pavage rgulier du plan (Figure 4) en utilisant le
moins de cellules. De plus il garantit une uniformit des distances entre les metteurs, la rgularit des
schmas d'antennes et de la propagation des ondes radio en espace libre. La ralit, cependant, s'carte de
cette vue thorique.

Figure 4 : Forme hexagonale dune cellule [LAG99].

La non rgularit des reliefs gographiques (montagnes, plateaux) et architecturaux (btiments,

maisons) fait que la propagation des ondes ne s'effectue pas de la mme faon dans toutes les
directions. De ce fait, des prolongements, des rtractions voir mme des discontinuits importantes
apparaissent dans la couverture des cellules [MAB03].

Figure 5 : Concepts cellulaires : (a) pavage rgulier, (b) couverture relle.

3.1. La division cellulaire

Le concept de base d'un rseau cellulaire est d'une part la division du territoire en un ensemble d'espaces
appels cellules et d'autre part le partage des canaux radio entre les cellules afin dviter les interfrences.
Dans chaque cellule d'un rseau de seconde gnration, il y a une station de base, c'est un metteur
rcepteur qui constitue le point daccs au rseau.

La taille d'une cellule varie en fonction d'un ensemble de contraintes parmi lesquelles nous trouvons : le
relief de territoire (plaine, montagne), la localisation (urbaine, rurale, suburbaine), la densit d'abonns, la
nature des constructions (maisons, pavillons, tours), etc. Nous pouvons ainsi distinguer plusieurs types de
cellules :

Les macro cellules : Ce sont des cellules de tailles importantes allant jusqu' 35 Km, adaptes aux
zones rurales faiblement peuples. Vu leur tailles les metteurs doivent fournir des puissances trs
grandes ;

Les micro cellules : adaptes aux zones urbaines denses, ce sont des cellules de trs petites tailles
de quelques centaines de mtres de rayon. Elles permettent dcouler un trafic important par unit
de surface ;

Les pico cellules : de rayon de quelques dizaines de mtre et adaptes la propagation

lintrieur des btiments.

Nous pouvons ainsi distinguer les diffrents types de cellules, travers le tableau suivant :

Les diffrents types de cellules :

La distance de chaque cellule :

Macro-cellule

500 m plusieurs km (milieu rural)

Micro -cellule

100 m 500 m (milieu urbain)

Pico-cellule

moins de 100 m (btiments)

Tableau 2 : Tableau rcapitulatif des diffrents types de cellules.

3.1.1. La dfinition dune cellule

La cellule est l'unit gographique d'un rseau. L'unit d'utilisation des frquences radio dfinissant les
canaux de communication, est un motif de sept cellules, le cluster.
Le planificateur rseau doit tenir compte de la contrainte qu'est le nombre limit de canaux radio
disponibles, il doit savoir quand il peut rutiliser un canal.

3.2.2. Intrt de la division cellulaire

La division cellulaire a pour but de :

Garantir litinrance : le rseau GSM doit reconnatre tout instant la localisation de labonn
.Cest ce quon appelle : gestion ditinrance ou roaming. Le numro du terminal devient du point
de vue rseau fixe et il correspond une adresse physique variable.

Garantir la mobilit : par des procdures automatiques dites de transfert ou de hand-over, la

communication doit tre maintenue en cours de dplacement du mobile [DAY05].

3.2 Rutilisation des frquences

Le principe de rutilisation des frquences est un concept propre aux schmas d'accs radio FDMA
(Frequency Division Multiple Access) et TDMA (Time Division Multiple Access) bass sur la
subdivision du spectre radio. Il consiste en l'allocation de canaux physiques de mme frquence des
cellules qui sont suffisamment loignes pour ne pas gnrer d'interfrences co-canal [MAC79]. Grce
ce principe, le rseau parvient grer un nombre de communications simultanes beaucoup plus grand
que le nombre de frquences disponibles.
Le principe de rutilisation des frquences a donn lieu plusieurs stratgies d'allocation. On distingue
principalement deux techniques de gestion des ressources radio. La premire nomme allocation fixe de
frquences (Fixed Channel Assignment) consiste allouer un ensemble de frquences nominales chaque
station d'une manire permanente. Dans la technique d'allocation dynamique des frquences (Dynamic
Channel Assignment) aucune affectation des frquences aux stations n'est opre priori. Les frquences
sont attribues aux communications leurs arrives.
Des techniques intermdiaires ont aussi t proposes telles que : l'allocation hybride des frquences
(Hybrid Channel Assignment) et l'allocation par empreint (Channel Borrowing). Nous reviendrons sur les
techniques d'affectation de frquences dans une section ultrieure. [MAB03].
La figure ci-dessous reprsente un exemple de rutilisation des frquences, o chaque cellule est munie
dune couleur, reprsentant une frquence.

Figure 6 : Exemple de rutilisation des frquences.

3.3 Densification
La densification dsigne le mcanisme par lequel, la capacit du rseau est accrue en multipliant le
nombre de sites ou de stations dploys sur une zone. Cette adaptabilit est ralise grce l'un des trois
procds suivants :

Eclatement de cellules (sectorisation) : quand le volume de trafic sur une cellule donne dpasse la
capacit de la station, la cellule est alors subdivise en cellules plus petites. Pour ce faire on remplace

l'antenne omnidirectionnelle par plusieurs antennes sectorielles. Ce qui induit une rvision locale du
plan de frquences ainsi qu'un ramnagement des paramtres des antennes sur le site.

Ajout de nouveaux sites : quand le nombre maximal de stations pouvant tre install sur un site est
atteint, il est alors invitable de recourir l'installation de nouveaux sites, ce qui conduit la rduction
des tailles des cellules [MAB03]. Cette technique est appele Cell splitting : Lutilisation d'une
cellule de petite dimension fait augmenter la capacit de trafic. Cependant, une cellule de plus petite
dimension veut dire plus de sites et un cot plus lev pour l'infrastructure.

Il est donc prfrable de ne pas travailler inutilement avec une cellule de plus petite dimension. Ce qui
est demand cest une mthode qui ralise un compromis entre les dimensions cellulaires et les
exigences de la capacit. Le systme commence par utiliser une grande dimension cellulaire. Ensuite,
quand la capacit augmente, la dimension cellulaire est diminue pour satisfaire aux nouvelles
exigences (Figure 7) [DAY05].

Figure 7 : La technique du cell splitting.

Couverture multicouche : dans ce cas, les frontires de la cellule originale sont prserves. L'ide est
d'insrer de petites cellules (microcellules) dans la cellule initiale afin d'allger sa charge. Les appels
ne pouvant pas tre grs par la micro cellule sont redirigs vers la macro cellule [MAB03]. Ou
dployer une couche pico cellulaire, cette solution est adapte aux environnements indoor. Elle tient
compte des performances de ces zones en y augmentant la capacit tout en assurant la qualit de
service requise. Elles sont adaptes aux conditions de propagation indoor o laffaiblissement est
assez important [DAY05].

Figure 8 : Modle dajout de nouvelles couches.

3.4 Itinrance (roaming)

Contrairement aux rseaux tlphoniques fixes o la position d'un abonn est invariante et correspond
gnralement sa maison ou son lieu de travail, cette position subit des modifications continuelles dans
les rseaux radiomobiles. L'itinrance dsigne la facult du systme joindre un abonn quelle que soit sa
position. Ce qui sous-entend que le systme doit tre en mesure de dterminer la localisation d'un abonn
dans le rseau n'importe quel instant et d'assurer une bonne qualit de communication cet endroit.
D'autre part, l'abonn doit pouvoir utiliser son terminal quelque soit l'endroit o il se trouve [MAB03].

Figure 9: Zone de handover entre deux cellules.

3.5 Handover et macrodiversit

Lors d'une communication, la station mobile peut tre en mouvement (Figure 9). Il est alors important de
garantir la continuit de la communication en dehors de la cellule o la conversation a dbut. En effet,
lorsque la station laquelle le mobile est rattach n'arrive plus assurer une bonne qualit de services, il

devient alors ncessaire de changer de station de base. Ce transfert doit se faire de faon transparente et
sans causer d'interruption.

Le principe de handover implique donc l'existence de zones de recouvrement, o plusieurs signaux de

bonne qualit et provenant de BTS diffrentes coexistent. Dans les rseaux GSM, la procdure de
handover ncessite gnralement le changement des frquences porteuses utilises par le terminal mobile
pour l'mission et la rception. On parle alors de hard-handover, car le terminal doit momentanment
interrompre sa liaison avec la station courante pour basculer vers la nouvelle frquence qui lui est alloue.
Dans un rseau UMTS, des cellules adjacentes partagent l'utilisation de la mme frquence (la distinction
entre les diffrentes communications se fait par le biais d'un code d'talement du spectre).

Ceci offre la possibilit un terminal d'entretenir plusieurs liaisons simultanes avec des stations
diffrentes amliorant du coup la qualit globale de la communication. La possibilit qu'a un terminal de
communiquer avec plusieurs noeuds B en parallle constitue la base du principe de macrodiversit. Le
soft-handover fait rfrence l'utilisation du concept de macrodiversit pour effectuer le handover. Dans
ce cas, le mobile tablit une liaison avec le noeud B destination sans rompre la liaison qui le lie au noeud
initial. Cette liaison est libre quand la procdure de handover s'achve [MAB03].

4. Planification du rseau cellulaire

4.1. Principes dun rseau cellulaire


Le territoire est divis en cellules,

Chaque cellule est desservie par une station de base,

Lensemble des cellules forment un seul rseau : la division nest perceptible ni un usager du
rseau fixe, ni un usager mobile,

Les mmes canaux de frquences sont rutiliss dans plusieurs cellules.

4.2. Avantages des rseaux cellulaires



Service continu sur un large territoire,

Puissances dmission moins importantes,

La diminution de la taille des cellules permet une augmentation de la capacit.

4.3. Fonctions remplir



Assurer une couverture,

Assurer une capacit grce la rutilisation des ressources frquentielles,

Permettre une localisation automatique des stations mobiles (itinrance roaming / international
roaming),

Permettre le hand-over (ou hand-off): transfert automatique intercellulaire en cours de

communication [LAG99].

5. Critres de performances d'un rseau GSM

Les critres qui rentrent dans l'estimation de la qualit d'un rseau sont nombreux. Nanmoins, ces
critres peuvent globalement tre classs en deux grandes catgories selon le point de vue adopt :
oprateur ou utilisateur [CHA00].

La premire classe fait rfrence au cot consenti par l'oprateur pour dployer le rseau, pour assurer son
volution et finalement pour maintenir son fonctionnement. Deuximement, les critres de qualit de
service qui mesurent la performance du rseau telle qu'elle est perue par les utilisateurs (disponibilit,
qualit vocale). Le design d'un rseau radiomobile revient alors grer le compromis pos par ces deux
tendances [MAB03].

5.1. Critres de cot

Il s'agit des cots ncessaires au dploiement, au fonctionnement ou l'volution du rseau.

Cot de dploiement : ce cot reprsente les frais d'installation initiale du rseau. Il fait,
principalement, intervenir les droits d'utilisation des sites retenus pour la construction du rseau plus
le cot d'installation des quipements. L'oprateur est amen engager des ngociations avec les
propritaires des terrains pour s'enqurir des droits d'exploitation.

Cot d'volution : l'objectif initial d'un oprateur est de couvrir une certaine zone gographique
avec une certaine estimation du nombre d'abonns. Au fur et mesure de l'volution du trafic,
l'oprateur aspire tendre sa zone de couverture et amliorer les capacits de son systme. Pour
rpondre ces besoins, l'oprateur est amen accrotre son patrimoine de sites, installer de
nouvelles antennes, changer le paramtrage des quipementsetc [MAB03].

5.2. Cots de fonctionnement

Ceux sont des cots induits par les techniques et algorithmes adopts par le systme tels que les
procdures de localisation et de handover. Ces algorithmes engendrent un trafic de signalisation
supplmentaire non factur.

Critres de qualit de service : Ces critres sont directement mettre en rapport avec les
attentes des abonns. Ces attentes sont lies la :

Disponibilit du rseau (probabilit d'obtention d'un nouvel appel).

Maintien des communications (la probabilit de coupure d'une communication).

Qualit auditive de la communication (puissance du signal, brouillage).

Ces aspects sont troitement dpendants des mcanismes de fonctionnement du rseau tels que : la
couverture, la capacit du rseau face la demande, les interfrences, les taux d'erreurs, le design des
cellules, la frquence des handoversetc [MAB03].

6. Problmes de transmission
6.1. Fading
Aprs rflexion sur un obstacle, londe radio peut tre altre en phase et en amplitude. Le phnomne
dvanouissement ou de fading rsulte des variations temporelles des phases qui varient alatoirement
dans le temps. Celles-ci peuvent rsulter en des signaux multiples sajoutant de faon destructive au
niveau du rcepteur. Dans ce cas, le signal reu rsultant sera trs faible ou pratiquement nul. Les signaux
multiples reus peuvent galement sadditionner de faon constructive et le signal reu rsultant est alors
plus constructif et le signal reu est alors plus puissant que le signal du seul trajet direct.

Figure10 : Phnomne de Fading.

6.2. Alignement de temps

A chaque appel du MS on alloue un time slot dans une trame de TDMA, qui est une dure de temps par
laquelle le MS transmet les informations la BTS, ces informations doivent aussi arriver la BTS durant
le time slot rserv, si elles arrivent en retard donc dans un autre time slot il va y avoir une interfrence
avec les informations provenant dun autre MS qui est entrain dutiliser le second time slot. Lalignement
de temps est caus par une grande distance entre la BTS et le MS.

Figure 11 : Alignement de Temps.

6.3. Dispersion de temps

La dispersion de temps est un autre problme qui est caus par des objets qui ne sont pas proche de
lantenne de rception du MS ou de la BTS. La dispersion de temps cause des interfrences entre les bits,
ce qui rend difficile au MS la dtermination du bit exact. (voir figure 12) [CHA04].

0
1
1

1.

2.

3.

Figure 12: Dispersion de Temps

Conclusion

Le concept GSM nest pas compliqu mais il est ncessaire de comprendre tous les lments le
constituant. Dans ce chapitre, nous avons prsent le concept cellulaire depuis la cellule, la division
cellulaire et les notions importantes lies ce type de rseaux, tels que la rutilisation des frquences, la
densification, litinrance, et le hand-over. Ainsi que la norme GSM dans sa totalit en commenant par
son architecture gnrale et la description de ses diffrents sous systmes, ses entits, jusqu larrive
ses critres de performances. Ce chapitre se termine par une petite mise au point sur les diffrents
problmes de performance et doptimisation, auxquels sont confronts les rseaux cellulaires (GSM).

Dans ce sujet, les solutions proposes sont dveloppes dans un contexte multicritres associant les
critres financiers (cot du rseau), les critres techniques (assurance, disponibilit) et les critres de
vente (qualit de service). Par consquent, dans ce contexte il est ncessaire d'intgrer les outils
d'optimisation dans des arrangements plus gnraux afin de dvelopper des mthodes doptimisation bien
plus efficaces. Le second chapitre fera lobjet dune prsentation de classe des mthodes doptimisation
afin den choisir la plus convenable pour notre tude.

Chapitre 2

Les mthodes doptimisation

Introduction
Loptimisation combinatoire occupe une place importante en informatique, son utilisation sert

rsoudre des problmes de grandes difficults. Etant donne limportance de ces problmes, plusieurs
mthodes de rsolution ont t dveloppes en Recherche Oprationnel (RO). Ces mthodes peuvent tre
classes en deux grandes catgories :
Exactes : (compltes) qui garantissent dobtenir une solution optimale, mais dans un temps parfois
prohibitif.
Approches : (incompltes) qui garantissent dobtenir une solution proche de loptimale dans un
temps raisonnable par rapport aux mthodes exactes.
Pour notre domaine dtude, quest la tlphonie mobile, et afin de rsoudre certains problmes
doptimisation comme la surcharge dune cellule ;

nous avons opt pour le choix des mthodes

approches, dont le but est de trouver la meilleure cellule voisine qui pourra soulever le problme de
surcharge du rseau cellulaire, et cela dans un temps de calcul raisonnable. Nous nous intressons
particulirement la premire classe ; la classe des mthodes de recherche locale.
1. Notions de base
Une solution : est une affectation de toutes les variables du problme.
Une solution optimale : est une solution de cot minimal (ou maximal).
Un mouvement : est une opration lmentaire permettant de passer d'une solution a une solution
voisine (exemple : changer la valeur d'une variable, changer deux variables).
Le voisinage : d'une solution est l'ensemble des solutions voisines, c'est--dire l'ensemble des
solutions accessibles par un mouvement (et un seul).
Un essai : est une succession de mouvements.
Une recherche locale : est une succession dessais [LAY09].
2. Optimisation combinatoire
L'optimisation combinatoire est un outil indispensable combinant diverses techniques des mathmatiques
discrtes et de l'informatique afin de rsoudre des problmes de la vie relle. En effet, l'optimisation
combinatoire, couvre aussi bien des domaines de lingnieur que les domaines de la recherche, et englobe
un large ventail de techniques et fait toujours l'objet de recherches intensives. Dune manire simple,
rsoudre un problme doptimisation combinatoire consiste trouver loptimum dune fonction, parmi un
nombre fini de choix, souvent trs grand. Il sagit, en gnral, de maximiser (problme de maximisation)
ou de minimiser (problme de minimisation) une fonction objective sous certaines contraintes. Un
problme combinatoire est dfini par un ensemble dinstances. A chaque instance de problme est associ

un ensemble discret de solution S, un sous-ensemble X de S reprsentant les solutions admissibles

(ralisables) et une fonction de cot f (o f est la fonction objectif) qui assigne chaque solution sX le
nombre rel (ou entier) f(s). Rsoudre un tel problme (plus prcisment une telle instance du problme)
consiste trouver une solution s* X optimisant la valeur de la fonction de cot f. une telle solution s*
sappelle une solution optimale ou un optimum global. Nous avons donc la dfinition suivante :
2.1 Dfinitions
Une instance I dun problme de minimisation est un couple (X, f) o X incluse dans S est un ensemble
fini de solution admissibles, et f une fonction de cot (ou objectif) a minimiser f : X R le problme
est de trouver s* X tel que f(s*) f(s) pour tout lment s X [PAP 00] . Notons que dune manire
similaire, on peut galement dfinir les problmes de maximisation en remplaant simplement par
loptimisation combinatoire trouve des applications dans des domaines aussi varis que la gestion,
lingnierie, la conception, la production, les tlcommunications, les transports, lnergie, les sciences
sociales et linformatique elle-mme. En effet, la plupart de ces problmes appartiennent la classe des
problmes NP-difficiles et ne possdent pas encore de solutions algorithmiques efficaces et acceptables
pour toutes les donnes. Les mthodes de l'optimisation combinatoire peuvent tre classes en mthodes
heuristiques et mthodes exactes (figure 13).
Algorithmes Exacts

Programmation
dynamique

Algorithmes Heuristiques

Programmation
linaire

Branch &
Bound

Heuristiques
Spcifiques

Population

Solution Unique

Descente

Recuit
simul

Recherche
tabou

Mtaheuristique

Colonies de
fourmis

Algorithmes
gntiques

Figure 13 : Classification des mthodes doptimisation combinatoire.

2.2. Complexit
Un problme est dit polynomial sil existe un algorithme permettant de trouver une solution optimale
pour toutes ses instances en un temps polynomial par rapport la taille de linstance.

La difficult intrinsque de ces problmes est bien caractrise par la thorie de la Np-compltude. Des
nombreux problmes doptimisation combinatoire (la plupart de ceux qui sont vraiment intressants dans
les applications) ont t prouvs NP-difficiles [GAR79].
Pour de nombreux problmes les meilleures mthodes exactes peuvent tre mises en chec par des
instances de taille modeste, parfois partir de quelques dizaines de variables seulement.

3. Les diffrents types des mthodes

Nous pouvons les classifier en deux principales familles [LAY09] :
3.1 Les mthodes exactes
Le principe essentiel dune mthode exacte consiste gnralement numrer, souvent de manire implicite,
lensemble des solutions de lespace de recherche. Pour amliorer lnumration des solutions, une telle
mthode dispose de techniques pour dtecter le plus tt possible les checs (calculs de bornes) et dheuristiques
spcifiques pour orienter les diffrents choix. Parmi les mthodes exactes on trouve la plupart des mthodes
traditionnelles (dvelopps depuis une trentaine dannes) telles les techniques de sparation et valuation
progressive (SEP) ou les algorithmes avec retour arrire. Les mthodes exactes ont permis de trouver des
solutions optimales pour des problmes de taille raisonnable.
Malgr les ralisations (notamment en matire de la programmation linaire en nombres entiers), comme le
temps de calcul ncessaire pour trouver une solution risque daugmenter exponentiellement avec la taille du
problme, les mthodes exactes rencontrent gnralement des difficults face aux applications de taille
importante.
3.2 Les mthodes approches
Leur but est de trouver une solution de bonne qualit (c'est--dire assez proche de loptimale) en un temps
de calcul raisonnable sans garantir loptimalit de la solution obtenue. Elles sont fondes principalement
sur heuristiques, souvent spcifiques un type de problme. Depuis une dizaine dannes, des progrs
importants ont t ralises avec lapparition dune nouvelle gnration de mthodes approches
puissantes et gnrales, souvent appeles mtaheuristiques.
3.3. Les mtaheuristiques
3.3.1 Dfinition
La mtaheuristique, elle, se place un niveau plus gnral encore, et intervient dans toutes
les situations o lingnieur ne connat pas dheuristique efficace pour rsoudre un problme donn,
ou lorsquil estime quil ne dispose pas du temps ncessaire pour en dterminer.

En 1996, la mtaheuristique a t dfinie comme un processus itratif qui subordonne et qui guide
une heuristique, en combinant intelligemment plusieurs concepts pour explorer et exploiter tout
lespace

de recherche [PIC06] . Des

stratgies

dapprentissage

sont

utilises pour structurer

linformation afin de trouver efficacement des solutions optimales, ou presque-optimales .

En 2006, le rseau Metaheuristics dfinit les mtaheuristiques comme un ensemble de concepts utiliss
pour dfinir des mthodes heuristiques, pouvant tre appliqus une grande varit de problmes. On
peut voir la mtaheuristique comme une bote outils algorithmique, utilisable pour rsoudre
diffrents

problmes doptimisation, et ne ncessitant que peu de modifications pour quelle

puisse sadapter un problme particulier .

Elle a donc pour objectif de pouvoir tre programme et teste rapidement sur un problme. Comme
lheuristique, la mtaheuristique noffre gnralement pas de garantie doptimalit, bien quon ait pu
dmontrer la convergence de certaines dentre elles. Non dterministe, elle incorpore souvent un
principe stochastique pour surmonter lexplosion combinatoire. Elle fait parfois usage de lexprience
accumule durant la recherche de loptimum, pour mieux guider la suite du processus de recherche.
3.3.2 Classifications possibles des mtaheuristiques
Les mtaheuristiques ntant pas, priori, spcifiques la rsolution de tel ou tel type de
problme, leur classification reste assez arbitraire. On peut cependant distinguer [PIC06]:
a. Les approches trajectoire
Ces algorithmes partent dune solution initiale (obtenue de faon exacte, ou par tirage alatoire) et sen
loignent progressivement, pour raliser une trajectoire, un parcours progressif dans lespace des
solutions. Dans cette catgorie, se rangent :


la mthode de descente,

le recuit simul,

la mthode Tabou,

la recherche par voisinage variable.

Le terme de recherche locale est de plus en plus utilis pour qualifier ces mthodes.
b. Les approches population (ou volutionnaires)
Elles consistent travailler avec un ensemble de solutions simultanment, que lon fait voluer
graduellement.

Lutilisation

de

plusieurs

solutions

simultanment

permet naturellement

damliorer lexploration de lespace des configurations. Dans cette seconde catgorie, on recense :
- les algorithmes gntiques,

- les algorithmes par colonies de fourmi.

Une autre manire, plus intuitive, de classifier les mtaheuristiques consiste sparer celles qui sont
inspires dun phnomne naturel, de celles qui ne le sont pas.
Les algorithmes gntiques ou les algorithmes par colonies de fourmi entrent clairement dans la
premire catgorie, tandis que la mthode de descente, ou la recherche Tabou, vont dans la
seconde.
On peut galement raisonner par rapport lusage de la fonction objectif que font les
mtaheuristiques . Certaines la laissent telle quelle est dun bout lautre du processus de
calcul, tandis que dautres la modifient en fonction des informations collectes au cours de
lexploration ; lide tant toujours de schapper dun minimum local, pour avoir davantage de
chance de trouver loptimal. La recherche locale guide est un exemple de mtaheuristique qui
modifie la fonction objectif.

Enfin, il faut distinguer les mtaheuristiques qui ont la facult de mmoriser des informations
mesure que leur recherche avance, de celles qui fonctionnent sans mmoire, en aveugle, et qui
peuvent revenir sur des solutions quelles ont dj examines.
On distingue la mmoire court terme (celle des derniers mouvements effectus), et la mmoire
long terme (qui concerne des paramtres synthtiques plus gnraux).
Le meilleur reprsentant des mtaheuristiques avec mmoire reste la recherche Tabou. Et pour les
mtaheuristiques sans mmoire, nous citons titre dexemple le recuit simul.
3.4 Les principales mtaheuristiques
Nous pouvons les reprsenter selon la hirarchie suivante :
3.4.1 Les approches population
Nous distinguons deux types de classes :
3.4.1.1 Les algorithmes gntiques
Avec les algorithmes volutionnaires, nous passons une autre catgorie de mtaheuristiques,
celles des mthodes dites volutionnaires, qui manipulent un ensemble de plusieurs solutions
simultanment [PIC06].

La

mtaheuristique

la

plus

connue dans cette branche est celle reposant sur un algorithme

gntique, inspir du concept de slection naturelle. Ici, le vocabulaire employ est directement
calqu sur celui de la thorie de l'volution et de la gntique.

Nous parlerons donc dindividus, pour parler de solutions (compltes ou partielles). Lensemble des
individus formera une population, que nous ferons voluer pendant une certaine succession ditrations
appeles gnrations, jusqu ce quun critre darrt soit vrifi. Pour passer dune gnration une
autre, nous soumettrons la population des oprateurs de slection. Les oprateurs de variation,
eux,

permettront

de transformer la population, de faon favoriser lmergence de meilleurs

individus.Ces oprateurs sont dfinir en fonction du problme considr. Par exemple, dans le cas du
voyageur de commerce, une certaine tourne sera reprsente par un individu, caractris par une
certaine succession de villes. Un oprateur transformera cet individu en modifiant les villes qui le
constitue, en prenant soin de respecter les contraintes du problme donn,

en

loccurrence

ici,

lobligation que chaque ville ne soit prsente quune seule fois dans la tourne.
On dfinit galement la fonction de performance (fitness), qui traduit la capacit dadaptation des
individus au problme considr. Cette fonction, que lalgorithme gntique cherche maximiser,
est troitement dpendante de la fonction objectif.
a. Principe de lalgorithme :
Lalgorithme gntique repose sur une boucle qui
enchane des tapes de slections et des tapes de
croisements. Dans un premier temps, partir dune
population de individus, on dsigne ceux autoriss se
reproduire.
On croise ensuite ces derniers, de faon obtenir une
population

denfants,

dont

on

peut

faire

muter

alatoirement certains gnes.

La performance des enfants est value, grce la
fonction fitness, et lon dsigne, dans la population totale
rsultante parents+enfants, les individus autoriss
survivre, de telle manire que lon puisse repartir dune
nouvelle population de individus.
La boucle est boucle, et lon recommence une phase de
slection pour la reproduction, une phase de mutation, et
ainsi de suite.
Comme pour les mtaheuristiques vues prcdemment,
un critre darrt permet de sortir de la boucle, par
exemple un certain nombre ditrations sans amlioration

Figure14 : Principe de fonctionnement

notable de la performance des individus.

dun algorithme gntique [PIC06].

b. Avantages :


Aucune hypothse faire sur lespace de recherche.

Nombreuses mthodes disponibles.

Solutions intermdiaires interprtables.

Adaptation rapide de nouveaux environnements.

Co-volution (tournoi), paralllisme et distribution aiss.

Les reprsentations facilitent la comprhension.

c. Inconvnients


Aucune garantis de solution optimale en un temps fini.

Initialisation de plusieurs paramtres, choix des mthodes importantes.

Cot dexcution important [LAP06].

3.4.1.2 Les algorithmes de colonies de fourmi

Comme les algorithmes gntiques, les algorithmes de colonies de fourmi font voluer une
population d agents , selon un modle stochastique.
Cet algorithme est encore inspir de la nature et de son organisation. Il a t mis au point au dbut
des annes 90. Son principe repose sur le comportement particulier des fourmis , lorsquelles quittent
leur fourmilire pour explorer leur environnement la recherche de nourriture, finissent par
laborer des chemins qui savrent frquemment tre les plus courts pour aller de la fourmilire une
source de nourriture
phromone

intressante. Chaque fourmi

laisse

en effet derrire elle une trane de

lattention de ses congnres ; les fourmis choisissent avec une plus grande

probabilit les chemins contenant les plus fortes concentrations de phromones, il se forme ainsi ces
autoroutes fourmis, qui sillonnent le paysage. Ce mode de communication particulier, qui fait
intervenir des modifications dans lenvironnement, est appel stigmergie.
a. Principe de lalgorithme
Le premier algorithme conu selon ce modle tait destin rsoudre le problme du voyageur de
commerce, et cest sous cette forme que nous le prsentons dans les lignes suivantes. Nous

dirons

ensuite quelques mots de la gnralisation laquelle cet algorithme a donn lieu.

Le principe consiste lancer des fourmis, et les laisser laborer pas pas la solution, en
allant dune ville lautre. Cest donc un algorithme qui repose sur la construction progressive de
solutions. Afin de ne pas revenir sur ses pas, une fourmi tient jour une liste Tabou, qui contient la liste
des villes dj visites.

Soit A un ensemble de k fourmis :

Rpter :
Pour i=1 k faire
Construire Trajet (i)
Fin Pour
MettreJourPheromones ()
Jusqu ce que le critre de terminaison soit satisfait.

Dans la procdure Construire Trajet (i), chaque fourmi se construit une route en choisissant les
villes selon une rgle de transition alatoire trs particulire.
b. Avantages


Trs grande adaptativit.

Parfait pour les problmes bass sur des graphes.

c. Inconvnients


Un tat bloquant peut arriver.

Temps dexcution parfois long.

Ne sapplique pas tout type de problmes.

3.4.2 Les approches trajectoire

Nous pouvons en distinguer :
3.4.2.1 Principes de recherche locale
Une mthode de recherche locale est base sur lvolution itrative dune solution unique. Le passage
dune solution vers une autre se fait grce la dfinition de structure de voisinage qui est un lment trs
important dans la dfinition de ce type de mthode [PIC06].
Nous rsumons le principe dans les points suivants :
1. Partir d'une solution sinon approche du moins potentiellement bonne et d'essayer de l'amliorer
itrativement. Pour amliorer une solution on ne fait que de lgers changements (on parle de
changement local, ou de solution voisine).
2. Relancer la mthode plusieurs fois en changeant le point de dpart pour avoir plus de couverture.
3. Tout problme est considre comme un problme d'optimisation (mme les problmes de satisfaction
: le cot optimiser est alors le nombre de contraintes insatisfaites).

3.4.2.2 Structure de voisinage et minimum local

Soit S un ensemble de solutions un problme doptimisation, et soit f la fonction objectif.
Une structure de voisinage (ou tout simplement un voisinage) est une fonction N qui associe un sousensemble de S toute solution s S. Une solution s N(s) est dite voisine de s.
Une solution s S est un minimum local relativement la structure de voisinage N si
f(s) f (s) s N(s).
Une solution s S est un minimum global si f(s) f (s) s S.
Certaines mthodes doptimisation, qui partent dune solution initiale et qui lamliorent en explorant son
voisinage immdiat, prsentent linconvnient de sarrter au premier minimum local trouv.
Comme nous le verrons plus loin, les mtaheuristiques contiennent donc souvent une technique ou une
astuce permettant dviter de se retrouver pig dans ces minimums locaux, en explorant davantage tout
lespace des solutions, de faon augmenter la probabilit de rencontrer le minimum optimal, c'est--dire
le minimum global.

Figure 15 : Analogie entre une fonction numrique une variable

et la fonction de cot dun problme combinatoire [PIC06].

Dans le cadre de loptimisation combinatoire, en pratique, on aura tout intrt dfinir le voisinage en
considrant lensemble des modifications lmentaires que lon peut appliquer une solution s donne,
par exemple lensemble des permutations (si les solutions peuvent scrire sous la forme dune squence
finie dlments, comme le cas se prsente frquemment en optimisation combinatoire)
Si cet ensemble est trop grand, on pourra toujours le rduire un sous-ensemble, alatoirement, ou en
fonction dun critre prcis.
3.4.2.3 Les mthodes de recherche locale

a. La mthode de descente (Hill climbing)

Le principe de la mthode de descente (dite aussi basic local search) ou bien (Mthode de voisinage)
consiste partir dune solution s et choisir une solution s dans un voisinage de s, telle que samliore la
recherche (gnralement telle que : f (s) < f(s)). On peut dcider soit dexaminer toutes les solutions du
voisinage et prendre la meilleure de toutes (ou prendre la premire trouve), soit dexaminer un sousensemble du voisinage.
La mthode de recherche locale la plus lmentaire est la mthode de descente. On peut la schmatiser
comme suit :
a.1 Principe de lalgorithme
Procdure descente_simple (solution
initiale s)
Rpter :
Choisir s dans N(s)
Si f (s) < f(s) alors s s
Jusqu ce que f(s) f(s), s S
Fin

Figure 16: Evolution dune solution dans la mthode de descente [PIC06].

On peut varier cette mthode en choisissant chaque fois la solution s dans N(s) qui amliore le plus la
valeur de f. Cest la mthode de plus grande descente.

a.2 Avantages


Le principal avantage de la recherche locale simple est videmment sa grande simplicit de mise
en uvre: la plupart du temps, elle ne fait que calculer f(s+i)-f(s), o i correspond un
dplacement lmentaire, et si cette expression peut se simplifier algbriquement, alors on pourra
valuer trs rapidement cette diffrence.

Il est important de remarquer galement limportance du choix de la fonction de voisinage N : un

minimum local pour une certaine structure de voisinage ne lest pas forcment pour une autre.
Cest dailleurs ce constat qui est lorigine de la mthode dite de recherche par voisinage

variable, qui repose sur la construction de solutions s parmi plusieurs voisinages Ni, plutt que
dans un seul.

a.3 Inconvnients


Lefficacit des mthodes de recherche locale simples (descente, ou plus grande descente) est trs
peu satisfaisante. Dabord, par dfinition, la recherche sarrte au premier minimum local rencontr,
cest l leur principal dfaut.

Pour amliorer les rsultats, on peut lancer plusieurs fois lalgorithme en partant dun jeu de
solutions initiales diffrentes, mais la performance de cette technique dcrot rapidement.

Autoriser de temps une autre certaine dgradation des solutions trouves, pour mieux explorer tout
lespace des configurations.

b. La mthode recuit simul

Le recuit simul (simulated annealing) est souvent prsent comme la plus ancienne des
mtaheuristiques, en tout cas, la premire mettre spcifiquement en uvre une stratgie dvitement
des minimums locaux. Elle sinspire dune procdure utilise depuis longtemps par les mtallurgistes
qui, pour obtenir un alliage sans dfaut, chauffent d'abord blanc leur morceau de mtal, avant de
laisser l'alliage se refroidir trs lentement (technique du recuit). Pour simuler cette volution dun
systme physique vers son quilibre thermodynamique une temprature T, la mthode du recuit
simul exploite l'algorithme de Mtropolis. Dans l'algorithme de Mtropolis, on part d'une
configuration donne, et on fait subir au systme une modification lmentaire. Si cette perturbation a
pour effet de diminuer la fonction objectif (ou nergie) du systme, elle est accepte. Sinon, elle est
accepte avec la probabilit exp (E/T). En appliquant itrativement cette rgle, on engendre une
squence de configurations qui tendent vers l'quilibre thermodynamique.
b.1 Principe de lalgorithme
On peut systmatiser lalgorithme avec le pseudo code suivant :
Procdure recuit simul (solution initiale s)
Poser T T0
Rpter :
Choisir alatoirement s N(s)
Gnrer un nombre rel alatoire r dans [0,1]
f ( s ) f ( s ')
T

Si r < e
alors Poser s s
Mettre jour T
Jusqu ce que le critre de terminaison soit satisfait
Fin

Et voici linterprtation de son fonctionnement :

Si f (s) <f(s) alors e

f ( s ) f ( s ')
T

>1, donc r est toujours infrieur cette valeur, et on accepte la solution s

(une meilleure solution est donc toujours accepte, ce qui parat logique).
Si f (s)>f(s) et T est trs grand, alors e

f ( s ) f ( s ')
T

1, et il y a de fortes chances daccepter s (bien que la

solution s soit plus mauvaise que s !)

Si f (s)>f(s) et T est trs petit, alors e

f ( s ) f ( s ')
T

0, et on va donc probablement refuser s.

b.2 Avantages


Trs simple et trs rapide mettre en place.

Convergence vers un optimum global dmentre via des chanes de markov : la prdiction du
futur partir du prsent ne ncessite pas la connaissance du pass. Plus clairement cette
mtaheuristique ne ncessite pas de mmoire (pass) afin de trouver les espaces de recherche
locaux suivants (futur). Ce la signifier galement que contrairement dautres mtaheuristiques.

Le recuit simul peut trouver la meilleure solution si on le laisse chercher indfiniment.

b.3 Inconvnients


Non utilisation de mmoire bride.

Il faut dterminer les paramtres la main : temprature initiale, modification lmentaire en

testant divers valeurs.

c. La mthode recherche Tabou

Tabou (en franais): un sujet quil est prfrable de ne pas aborder si lon veut respecter les codes de la
socit.
c.1 La recherche Tabou dans le domaine de la recherche oprationnelle
La recherche Tabou est une mthode doptimisation mathmatique de la famille des techniques de
recherche locale prsente pour la premire fois

en 1986, et elle est devenue trs classique en

optimisation combinatoire [BEN10].

Elle se distingue des mthodes de recherche locale simples par lintroduction de la notion dhistorique
dans la politique dexploration des solutions pour diriger au mieux la recherche dans lespace. Cette
mthode sest rvle particulirement efficace et a t applique avec succs de nombreux problmes
difficiles.

c.2 Dfinition de base

c.2.1 Dfinition des Variables

F (i)

Figure 17.1 : i la solution actuelle.

F (i)

Figure 17.2 : i la prochaine solution atteinte (solution voisine).

V(i)

.
Figure 17.3 : V(i) lespace de solutions voisines i (lensemble des i).

Dans le cadre de loptimisation combinatoire, en pratique, on aura tout intrt dfinir le voisinage en
considrant lensemble des modifications lmentaires que lon peut appliquer une solution i donnes.

Figure 17.4 : m mouvement de i i.

Figure 17.5 : i globale est la solution optimale globale qui minimise la fonction objectif F ( ).

F (i*)

Figure 17.6 : i* la solution optimale actuelle.

c.2.2 Dfinition des termes

Mouvement non amliorateur : un mouvement qui nous sortirait dun minimum local i* en nous
amenant une solution voisine i pire que lactuelle.

Figure 18 : Mouvement non amliorateur.

Mouvement Tabou: un mouvement non souhaitable, comme si on redescendait un minimum local do

on vient juste de schapper.

Figure 19 : Mouvement Tabou.

Et donc on a jusqu prsent :

F (i)

F (i)

F (i) global

V (i)
Figure 20 : Reprsentation gnrale de tous les vnements prcdents.

T : liste des mouvements Tabou. Il peut exister plusieurs listes simultanment. Les lments de la liste
sont t (i, m).
Une liste T avec trop dlments peut devenir trs restrictive. Il a t observ que trop de

contraintes

(Tabou) forcent le programme visiter des solutions voisines peu allchantes la prochaine itration.
Une liste T contenant trop peu dlments peut savrer inutile et mener des mouvements cycliques.
a (i, m) : critres daspiration, dtermine quand il est avantageux dentreprendre m, malgr son statut
Tabou.
c.3 Principe de la mthode
c.3.1 Lide de dpart
Se dplacer de solution en solution (en visitant ventuellement des solutions moins bonnes) en
sinterdisant de revenir une solution dj rencontre.
A chaque itration, on examine V(i) et nous allons sur la meilleure solution i mme si le coup
remonte (F (i) >F(i)).
2

Donc : La recherche Tabou ne s'arrte pas au premier optimum trouv.

Le danger serait alors de revenir i immdiatement, puisque i est meilleure que i. Pour viter de
tourner ainsi en rond, on cre une liste T qui mmorise les dernires solutions visites et qui
interdit tout dplacement vers une solution de cette liste. Cette liste T est appele liste Tabou.

On conserve en cours de route la meilleure solution trouve i*.

On stoppe ds que le critre de fin est vrifi.

c.3.2 Principe de lAlgorithme

Gnrer une solution initiale S de manire alatoire

S* S ; C* F(S) / S* est la meilleure solution rencontre, C* est sont cout
et F la
fonction objectif
Ajouter S a la liste Tabou ; K 0
Rpter tant quun critre de fin nest pas vrifi
Choisir parmi le voisinage de SK, V(SK), le mouvement qui minimise F et
qui nappartient pas la liste Tabou, meilleur (SK)
SK+1  meilleur(SK)
Si la liste Tabou est pleine alors
Remplacer le dernier lment de la liste Tabou par SK+1
Si non
Ajouter SK+1 a la liste Tabou
Fin si
Si (C (SK+1) < C*) alors
S* SK+1, C* C (SK+1)
Fin si
Fin dalgorithme

Lorsque la mmoire est pleine, elle est gre comme une liste circulaire en FIFO (First In First Out) :
on limine le plus vieux point Tabou et on insre la nouvelle solution. La taille de la mmoire permet
de ne pas saturer rapidement les ressources disponibles pour la recherche et permet de surcrot
dadapter facilement la mthode un espace de recherche dynamique.
c.3.3 Le critre darrt
Le critre darrt sert dterminer le moment o lon considre que la solution trouve est dassez bonne
qualit pour tre recevable. On peut par exemple :
- fixer un nombre maximum ditrations
- aprs un nombre fixe dtapes nayant pas amlior la solution s*.
- fixer un temps limite aprs lequel la recherche doit sarrter.
A partir de cet algorithme initial, certaines adaptations ont t labores. Ces amliorations ont t
introduites afin de pallier des problmes constats dans lanalyse de lexploration de lespace de
recherche.
c.4 Diverses amliorations

c.4.1 La stratgie dintensification

Il s'agit de reprer les lments faisant partie des meilleures solutions trouves, qui seront utilises pour
gnrer de nouvelles solutions, pouvant tre proches de l'optimum. Par exemple, utiliser cette technique
en repartant de la meilleure solution avec une liste Tabou vide. Cet examen approfondi peut permettre de
dgager quelques proprits communes dfinissant les rgions intressantes de lespace de recherche. Il
est alors ais dorienter la recherche vers ces zones prometteuses en rendant Tabou tous les points
menant sortir de ces rgions, ou bien on peut galement ajouter une pnalit dans la fonction objective
pour les solutions appartenant dautres rgions. Elle est dite aussi : mmoire moyen terme (quand une
rgion semble contenir de bonne solution, une procdure intelligente est dintensifier la recherche dans
cette rgion).

F(i)

Figure 21 : Reprsentation de stratgie dintensification.

c.4.2 La stratgie de diversification

Dune manire symtrique, lorsque le processus de recherche parcourt une branche sur une longue
priode, il est possible de le stopper et de diversifier la recherche sur une autre zone de lespace.
Lalgorithme reprend alors gnralement sur une autre solution gnre alatoirement. Mais il est
possible dutiliser une stratgie plus fine en mmorisant les solutions les plus frquemment visites et en
imposant un systme de pnalits, afin de favoriser les mouvements les moins souvent utiliss en forant
ainsi l'exploration de nouvelles rgions. On la trouve aussi sous le nom : mmoire long terme (car il n
ya pas la notion dapprentissage du pass).

F(i)

Figure 22 : Reprsentation de stratgie de diversification.

Donc la diversification permet de bien couvrir lespace des solutions, et de dterminer les zones
prometteuses , tant dit que lintensification permet dapprofondir la recherche, lintrieur de chacune
des zones prometteuses localises.
La mmoire court terme se prsente sous la forme de la liste Tabou o sont stockes les dernires
solutions visites.

c.4.3 La stratgie daspiration

Lutilisation de points Tabou peut empcher, dans certains cas, la mthode Tabou datteindre une solution
intressante, le critre daspiration a t introduit pour enlever le statut Tabou associ une
transformation si celle-ci permet daboutir une solution meilleure que toutes les solutions trouves
jusqu' prsent. Mais ce critre ne se limite pas ce cas particulier et il est galement possible dutiliser
une fonction daspiration, dont le but est de toujours aller dune solution une solution meilleure.
c.5 Avantages


Grande efficacit.

Fonctionnement simple comprendre.

c.6 Inconvnients


Paramtres peu intuitifs.

Demande en ressources importantes si la liste des Tabou est trop imposante.

Aucune dmonstration de la convergence.

Nous avons dvelopp la description de cette dernire mthode, du fait quelle sera choisie comme une
mthode doptimisation dans une partie de notre phase contribution.

Conclusion

Lintrt des mtaheuristiques dcoule de la capacit de trouver les solutions efficaces dans un temps
raisonnable. Dans le domaine tlphonie mobile lefficacit de ces mthodes peut tre compromise, car il
faut garantir un certain niveau des services fournis labonn, ou bien laugmenter. Par consquent, dans
ce contexte il est ncessaire dintgrer ces mthodes dans des arrangements plus gnraux afin de
dvelopper des mthodes plus efficaces. Ainsi, La qualit des solutions trouves par les mthodes de
recherche locale dpend de leur paramtrage (il faut viter que les algorithmes ne convergent trop

rapidement vers un optimum local), et de lquilibre trouver entre un balayage de tout lespace des
solutions (diversification), ainsi lexploration locale pousse (lintensification). Le choix dune bonne
reprsentation, dun bon voisinage, sont galement des facteurs influenant grandement sur lefficacit de
la mthode choisie, quelle que soit.
Pour de telles raisons nous allons prsenter une mtaheuristique dans de nouveaux arrangements, qui sont
les systmes multi agents, afin de concevoir des mthodes auto adaptive qui peuvent ragir la forme du
problme. Cette dernire ide sera illustre par la proposition dune solution concernant la rsolution de la
partie : Dploiement du rseau cellulaire. Pour ce qui est principal entamer avant, durant notre
contribution; cest la planification initiale qui sera base sur ltude des caractristiques spatiales de la
zone gographique concerne. Raison pour laquelle le prochain chapitre fera lobjet dune prsentation du
domaine des ontologies et ses importants concepts.

Chapitre 3

Les Ontologies

Introduction
Les ontologies sont actuellement un thme de recherche trs pointu dans de nombreux domaines

tels que l'Internet, l'intgration de systmes d'information, l'extraction de connaissances, le maintien de la

cohrence dans les bases de donnes, la recherche d'informationetc. Elles sont une voie prometteuse
pour dcrire et partager des connaissances et des donnes au sein d'une ou plusieurs communauts, mais
aussi parmi les utilisateurs et entre les applications. L'objectif des ontologies tant de reprsenter les
connaissances relatives un domaine agr par une communaut de personnes. Elles constituent donc une
rfrence intressante pour apprhender la smantique des informations changes. Les ontologies jouent
aussi un rle essentiel dans le domaine spatial. Du fait de la disponibilit croissante de l'information mise
disposition des utilisateurs et du cot lev d'acquisition des donnes spatiales, le partage des donnes
spatiales est un enjeu primordial. De plus les donnes spatiales sont souvent complexes, imprcises, de
rsolutions htrognes. Ainsi les ontologies spatiales ont aussi un rle important jouer pour le partage
et l'intgration des systmes dinformations gographiques (SIG), le contrle de cohrence des donnes,
l'aide la conception. Nous aborderons dans ce chapitre, les gnralits sur les ontologies qui serviront
cadrer notre tude.

1. Dfinitions multiples de lontologie

La dfinition du mot ontologie la science de ce qui existe vient du domaine de la philosophie.
L'informatique a dcouvert, pour sa part, que la construction des bases de connaissances est un processus
ambitieux, long et coteux. Aujourd'hui, plusieurs dfinitions ont t donnes ce terme. Parmi les plus
rpandues nous trouvons que pour GRUBER [GRU93]. :
Une ontologie est la spcification d'une conceptualisation d'un domaine de connaissance
Cette dfinition s'appuie sur deux dimensions :

Une ontologie est la conceptualisation d'un domaine, c'est--dire un choix quant la manire de
dcrire un domaine.

C'est par ailleurs la spcification de cette conceptualisation, c'est--dire sa description formelle

[GRU93].

La vision de GUARINO [GUA95], est qu'en Intelligence Artificielle, l'ontologie reprsente un artefact
d'ingnierie constitu par un vocabulaire spcifique, utilis pour dcrire une certaine ralit, accompagne
d'un ensemble d'hypothses implicites concernant la signification des mots de ce vocabulaire. Nous
comprenons par Conceptualisation, le modle abstrait de phnomnes rels, l'ensemble des concepts

importants qui caractrisent un domaine, et les points de vue d'une perception limite du monde.
Explicite, c'est--dire que la dfinition des types de concepts utiliss et les contraintes sur leurs usages
sont explicitement dfinies : Formelle, signifie comprhensible par la machine. Et finalement Partage,
parce que les connaissances sont consensuelles donc acceptes par un groupe ou une communaut
intresse

Les ontologies peuvent se reprsenter par des rseaux smantiques, la figure 23 nous montre un exemple
d'ontologie reprsente par un rseau smantique [SIN06].

Lien est un
Lien provoque
Feu
Tsunami
Inondation

Orage

Catastrophe
naturelle

Avalanche
Tremblement de
terre

Volcan

Glissement
de terrain

Figure 23 : Exemple dun schma dontologie.

Une ontologie peut tre traite par des systmes d'information, qui utilise des mthodes et des outils de
systmes base de connaissances et tre publiable sur le Web. La vision du Web smantique cherche
ajouter au Web de la smantique comprhensible pour des machines (Mta information) en employant
des ontologies pour pouvoir dfinir et organiser ce nouvel espace de mta information. Le Web
smantique cherche aussi intgrer toutes les sources d'information sur le Web, permettant ainsi des
recherches intelligentes et la rutilisation des structures et donnes [LEE02].

2. Les principales entits dune ontologie

Nous prsentons dans cette partie les principales entits constructives dune ontologie. Parmi celles-ci
nous citons essentiellement : les concepts, les relations, les axiomes, et les instances.

2.1. Les Concepts

Un concept est "une reprsentation mentale dune classe ou dun individu et a trait ce qui est reprsent
et la faon dont linformation est typiquement utilise pour la catgorisation". On distingue en effet ici
le concept, qui dsigne une ide mentale, dune catgorie, qui dsigne lensemble des rfrents de ce
concept. Un lexique vient le plus souvent documenter les diffrents concepts ; chacun deux est associe
une dfinition en langue naturelle qui fixe le sens quil a dans le domaine considr.

Il existe diverses manires de dfinir un concept. Un des courants de la psychologie des concepts, dite
exemplariste, considre quun concept est dfini par lensemble des objets quil dnote instances
[MUR02], [GOL03].

2.2. Les Relations

On peut distinguer, selon E. Tomai et M. Kavouras [TOM04], trois types de relations :

Les relations smantiques entre concepts, comme la relation de spcialisation entre concepts, qui
traduit par exemple quun chien est un animal, ou quune automobile est un vhicule. Dans le cas des
ontologies gographiques, ce seront souvent des relations spatiales comme la relation de partie tout,
dadjacence, de localisation.

Les proprits inhrentes un concept, qui dfinissent des attributs pour un concept et indiquent les
diffrentes valeurs que celui-ci peut prendre. Ce sera par exemple un attribut de rsolution qui dfinit
pour un objet gographique quelles rsolutions il peut tre dtect.

Les relations entre relations, qui permettent de construire une taxonomie de relations. On pourra
ainsi par exemple dfinir une relation gnrique relationSpatiale, qui aurait plusieurs sous-relations
comme relationMereologique ou localisation.

2.3. Les Axiomes

Une ontologie est en outre compose daxiomes, qui forment des contraintes smantiques pour le
raisonnement et donnent un acompte dune conceptualisation. Ils prennent la forme dune thorie logique.

2.4. Les Instances

Ce sont des individus ayant des valeurs relles (pour chaque attribut) particuliers.
Lensemble form par les concepts, leurs instances, les relations entre les concepts et les axiomes les
contraignant constitue une base de connaissance [SIN06].

3. Les types dontologie

Il existe plusieurs types d'ontologies et ses applications sont diverses dans le monde du dveloppement :
elles sont notamment exploites pour laborer la structure d'une base de donnes, ainsi que dans le Web
smantique.

3.1. Les ontologies de type thesaurus

Une premire gnration d'ontologies, et ventuellement le plus frquemment utiliss pour le moment,
agie en tant que dictionnaires sophistiqus ou des thsaurus. Ils se concentrent sur la dfinition des
termes, et leur organisation en hirarchies de gnralisation / spcialisation, enrichie par des liens
smantiques couramment utiliss en linguistique (par exemple, synonymie, antonyme). Ces ontologies,
sont appeles taxonomiques. Elles dfinissent un vocabulaire de rfrence et sont relativement facile
utiliser. Wordnet est sans doute la plus reprsentative des ontologies de type thesaurus. Elles sont
essentiellement utilises de faon exploratoire pour apporter une comprhension commune dun
vocabulaire. Mais les besoins de modlisation et de partage dinformations plus complexes ont conduit
une volution des ontologies vers des modles plus riches.

3.2. Les ontologies descriptives

Ces ontologies enrichies la description smantique des concepts en associant chaque concept une
description structure de ses proprits et visent modliser un domaine ou une activit. Elles sont plus
proches de la dfinition de schmas conceptuels de bases de donnes et sattachent modliser les
informations laide de concepts et de relations smantiquement riches. Lontologie apporte alors une
connaissance sur un domaine ou une activit qui peut tre utilise par un concepteur pour modliser des
applications particulires. Ces ontologies peuvent tre utilises comme un outil de comprhension des
structures de donnes dcrivant les concepts du domaine (dans ce cas elles peuvent ne pas possder
dinstances), ou bien, si elles possdent des instances, elles peuvent tre utilises comme des bases de
donnes, notamment en tant accessibles au publique via le Web [CUL03].
3.3. Les ontologies gographiques
3.3.1. Dfinition
Les ontologies gographiques reprsentent des concepts gographiques, qui dcrivent lespace
gographique ou des entits ou phnomnes de cet espace gographique. Ce qui fait la particularit des
concepts gographiques, cest justement leur relation lespace, auxquels ils sont intrinsquement lis
[SMI98], de telle sorte quils ne peuvent tre dissocis du territoire physique quils occupent. En

consquence, dcrire des concepts gographiques implique de sappuyer sur des lments de
reprsentation spatiale. Lontologie spatiale propose par Casati et Varzi [CAS98] a quatre composantes,
dont chacune a ses propres primitives et ses propres relations, et est en interaction avec les autres:

La mrologie;

La topologie;

La localisation;

La morphologie [REB04].

Les relations mrologique (relation de partie tout) : Le concept de la mrologie est celui de
partie. Bien quil existe diffrentes versions de cette discipline thorique, toutes saccordant sur
quelques principes de base :

Chaque chose est une partie delle-mme.

Deux choses distinctes ne peuvent pas tre des parties lune de lautre.

Nimporte quelle partie dune partie dune chose est elle-mme une partie de cette chose.

La relation centrale en mrologie est celle de la partie propre (PP):

 PP(x, y)= P(x, y) P (y, x)
(x est une partie propre de y est gale par dfinition x est une partie de y et y nest pas une
partie de x).
Elle sintresse aussi aux diffrentes relations possibles entre objet, conus comme des parties ou
comme des toutes. Il sagit des relations de recouvrements (Overlap), de chevauchement
(underlap), de sur-croisement (Over-crossing), de sous-croisement (under-crossing), de
recouvrement propre (proper overlap) et de chevauchement propre (proper underlap).
Voici la reprsentation formelle de certaines se ces relations :
 O(x, y) = z (p (z, x) P (z, y)).
(x recouvre y est gal par dfinition il existe z tel que z est une partie de x et z est une partie de
y).
 OX(x, y) = O(x, y) P (x, y).
(x surcroise y est gal par dfinition a x recouvre y et x nest pas une partie de y)
 x y (P(y, x) z PP(z, y)).
(Pour tout x, il existe y, tels que y est une partie de x et il nexiste pas z tel que z est une partie
propre de y).

Les relations topologiques (notions de contact et de connexit) : la topologie permet de rendre en

compte de la notion de connection. Les principes de base de la topologie, en ce qui concerne la
relation de connection, sont les suivants :
 C(x, x).
(x est connect x).
 C(x, y) C(y, x).
(Si x est connect y, alors y est connect x).
La topologie permet aussi de dfinir la relation denclosure, qui est rflexive, transitive et antisymtrique :
 E (x, y) = z (C (z, x) C (z, y)).
(x est enclos dans y est gal par dfinition pour tout z si z est connect x, alors z est connect
y).

Au-del de cette topologie de base, il sagit de savoir comment concilier mrologie et topologie.
Une faon non rductive de combiner la mrologie et la topologie consisterait ajouter les
axiomes de base de la premire la deuxime, le lien entre mrologie et topologie se fait via la
monotonicit:
 P(x, y) E(x, y).
(Si x est une partie de y, alors x est enclos dans y).

Ceci livre la mrotopologie, dont Casati et Varzi [CAS98], remarquent qu'elle peut tre
simplifie si l'on remplace le principe de symtrie de la connection et le principe de monotonicit
par un principe unique:
 P(x, y) z (C(x, z) C (z, y)).
(Si x est une partie de y, alors pour tout z, si x est connect z, alors z est connect y).


Les relations de localisation : A partir du primitif L (L(x, y) = x est exactement localis y), on peut
introduire diverses notions de localisation. En voici deux:
Localisation partielle:
 PL(x, y) = z (P (z, x) L (z, y)).
(x est partiellement localis y est gal par dfinition il existe z, tel que z est une partie de x et
z est exactement localis y).
Localisation complte :
 WL (x, y) = z (P (z, y) L(x, z)).

(x est compltement localis y est gal par dfinition il existe z tel que z est une partie de y et
x est exactement localis z).
Do:
 L(x, y) PL(x, y) WL(x, y).
(Si x est exactement localis y, alors x est partiellement localis y et x est compltement
localis y) [CAS98], [BAL00].

Morphologie : La morphologie repose sur un primitif, la notion de trou, qui a les proprits
suivantes :
Hxy Hyz
(Si x est un trou dans y, alors y n'est pas un trou dans z)
La notion de trou est irrflexive et asymtrique:
Hxx
(x n'est pas un trou dans x)
Hxy Hyx
(Si x est un trou dans y, alors y n'est pas un trou dans x)

Ces ontologies recouvrent :



Les ontologies de lespace : plus spcialement ddies la description des concepts qui
caractrisent lespace comme le point, la ligne etc. Ces ontologies sont typiquement labores
par des grands organismes de normalisation.

Les ontologies de domaines gographiques : comme une ontologie modlisant les concepts des
donnes hydrauliques, ou bien une ontologie dcrivant les concepts des donnes des rseaux
lectriques, Ce sont des ontologies mtier , dveloppes par une communaut dutilisateur du
domaine concern.

Les ontologies spatialises (ou spatio-temporelles) : qui sont des ontologies dont les concepts sont
localises dans lespace. Une composante temporelle est souvent ncessaire en complment pour la
modlisation de linformation gographique, car les applications gographiques manient aussi trs
souvent des donnes temporelles, voir spatio-temporelle.

Suivant le type de concept que lon souhaite reprsenter, et selon F. Fonseca dans [MUR02], on peut
distinguer plusieurs types dontologies gographiques :

Les ontologies de haut niveau (top-level), qui reprsentent les concepts les plus gnraux lis
lespace, comme les relations de partie tout, de topologie, de gomtrie. Sont galement
accessibles de nombreuses ontologies bases sur les diffrentes normes relatives linformation
gographique.

Les ontologies spcifiques certaines tches, comme linterprtation dimages ou lvaluation de

la pollution sonore.

3.3.2. Les besoins des ontologies spatiales

Les ontologies spatiales ont des besoins spcifiques qui sont lies aux besoins de :

Dfinir la spatialit laide de types de donnes spatiaux varis (ligne, point, surface simple), de
types dobjets spatiaux (c'est--dire ayant des attributs spatiaux), de relations spatiales comme les
relations topologiques et/ou des champs continus.

Dfinir intentionnellement des concepts spatiaux laide daxiomes contenant des prdicats
spatiaux.

Raisonner sur la spatialit des instances, c'est--dire infrer partir des relations spatiales dcrites
lensemble des relations valides.

3.3.3. Spcificits des ontologies spatiales

Les besoins spcifiques des ontologies spatiales peuvent tre identifis selon quatre points :


La modlisation des informations et de leurs smantiques qui ncessite des modles suffisamment
riches et pour linformation gographique, des concepts de description des caractristiques spatiales
la fois sous forme discrte et/ou continue.

Le raisonnement pour tre capable dinfrer/classifier des informations et vrifier la cohrence des
descriptions.

Les instances pour gestion des donnes si lontologie en comporte.

Les requtes pour interroger lontologie aussi bien au niveau des instances quau niveau du schma.

3.3.4. Lintgration des composantes : Espace, Temps

Les ontologies gographiques intgrent la dimension spatiale qui est souvent lie une dimension
temporelle pour rendre compte dinformations volutives dans le temps et dans lespace. Tout comme
une entit peut voluer dans le temps, elle peut aussi tre sujette diffrentes reprsentations selon le
contexte dans lequel elle est considre.

Lintgration dans les ontologies gographiques des deux composantes : espace, temps est un challenge
important pour assurer aux ontologies une relle pertinence. Un concept peut tre dfini comme spatiotemporel pour modliser son volution dans le temps et ses dformations [CUL03].

4. Construction dontologie
Il existe plusieurs faons de construire une ontologie, selon que lon cherche identifier directement les
entits pertinentes considrer, ou bien que lon sattache relever les lois rgissant le systme en cours
dtude. Cependant, on peut distinguer trois schmas principaux de dmarche pour la construction dune
ontologie :

Par la dtermination directe de catgories : Une telle dmarche, mme si elle peut avoir
lobservation comme point de dpart, est arbitraire ou du moins biaise, dans le sens o ce nest pas
la ralit qui est ainsi retranscrite, mais la perception et sa catgorisation travers les habitus de
lontologiste ou de celui qui en tient lieu pour loccasion. Par habitus nous entendons exprience,
tat desprit, arrire pense conscientes ou non

Par la dtermination daxiomes et de primitives : qui instaurent les cas chant des catgories en
guise de consquence : la justification peut donc sembler plus solide. On pose des principes qui font
loi : rien de ce que lon pourra concevoir dans ce systme ne pourra entrer en contradiction avec ces
rgles de base.

Par llaboration dune thorie globale : Lontologie pouvant alors demeurer implicite, ou
sexpliciter en drivant de ladite thorie un dictionnaire ou une encyclopdie dfinissant les entits
les unes par rapport aux autres.

Ces trois types dapproches peuvent tre inities de diffrentes faons [PER79] :

Par dduction : dun ensemble de rgles de dpart (axiomes, primitives, principes) on drive
logiquement le cas particulier, puis le rsultat auquel doit conduire ce cas ;

Par induction : partant de lexprience concrte, on essaye de reconstruire le cas gnral auquel
satisfait lexprience, permettant par la suite dinfrer une rgle rgissant les conditions des cas
gnraux (thories ou lments de thorie) ;

Par abduction : partir de lexprience concrte, lon essaye dinfrer une rgle (thorie), et lon en
value la pertinence via ladquation entre les cas despce que lon peut en dduire et lexprience
concrte.

La figure 24 illustre le cycle de vie d'une ontologie, constitu de plusieurs tapes:



Spcification : Identifier le but de lontologie, les utilisateurs, les scnarios dusage et la porte de
lontologie comprenant lensemble de termes reprsenter, leurs caractristiques et leur
granularit ;

Conceptualisation : Les termes du domaine sont identifis comme concepts, instances, relations ou
proprits en utilisant une reprsentation intermdiaire (semi-formelle) par le biais de tableaux et de
graphes ;

Formalisation : Lontologie est formellement reprsente en logique de descriptions ;

Intgration : Afin dobtenir une certaine uniformit travers des ontologies, des dfinitions
dautres ontologies devraient tre incorpores ;

Implmentation : Lontologie est implmente dans un langage ;

Maintenance.

Chaque tape peut intgrer une phase d'acquisition des connaissances, documentation et valuation.
Ce procd cyclique rende cette mthode trs attractive pour construire des ontologies dynamiques
[SIN06].

Figure 24 : Cycle de vie dune ontologie [FER97].

5. Conception dune ontologie

5.1. La dmarche de conception

La conception dune ontologie se ralise en trois tapes [FR02] :

5.1.1.

Conceptualisation

Cette tape seffectue en langage naturel, et est ralis auprs de lexpert ou par analyse de la littrature.
Elle consiste identifier les connaissances dun domaine. Celui-ci est dabord dlimit. Puis les termes du
domaine sont dfinis, ainsi que leurs proprits, les relations quils entretiennent entre eux, les contraintes
qui sappliquent sur eux, etc. et leur sens est prcis. Un modle conceptuel est bti partir de cette tude.
Cette tape est de loin la plus longue et la plus dlicate puisquelle constitue un travail multi-disciplinaire.
Elle ncessite en particulier une entente sur les termes employs entre lingnieur de la connaissance et le
gographe.
5.1.2.

Ontologisation

Ltape dontologisation est une tape de spcification de la conceptualisation obtenue. Son objectif est
de - partiellement au moins - la formaliser. Daprs T. Gruber dans [GRU93], lontologie obtenue doit
satisfaire les principes de :

Cohrence : les concepts doivent pouvoir admettre des instances.

Extensibilit : Les extensions qui pourront tre ajoutes l'ontologie doivent tre anticipes. Il doit
tre possible d'ajouter de nouveaux concepts sans avoir toucher aux fondations de l'ontologie.
Cest--dire que lintroduction dun nouveau concept ne doit pas entraver la rvision des concepts
dj prsents.

Biais minimal du point de vue syntaxique : Une dformation d'encodage a lieu lorsque la
spcification influe la conceptualisation (un concept donn peut tre plus simple dfinir d'une
certaine faon pour un langage d'ontologie donn, bien que cette dfinition ne corresponde pas
exactement au sens initial). Ces dformations doivent tre vites autant que possible.

Biais minimal du point de vue smantique : lengagement ontologique doit tre minimal, tout en
permettant le partage des connaissances. Le but d'une ontologie est de dfinir un vocabulaire pour
dcrire un domaine, si possible de manire complte ; ni plus, ni moins.

5.1.3. Oprationnalisation
Loprationnalisation sert enfin formaliser compltement lontologie, et la doter de capacits de
raisonnement suivant lutilisation que lon veut en faire (raisonnement spatio-temporel sur les objets

urbains par exemple, test dinstanciation...). Suivant le formalisme adopt et les besoins, cette tape nest
pas toujours ncessaire [BAD05].

6. Interrogation des ontologies

Une ontologie est en gnral une source de donnes complexe, souvent incomplte et volutive dans le
temps. Le simple utilisateur qui souhaite accder lontologie effectue des recherches exploratoires voire
incrmentales pour obtenir les informations quil souhaite. Il na pas en gnral la connaissance globale
du schma de lontologie et doit donc disposer dun langage qui lui permette dinterroger la fois le
schma de lontologie pour en dcouvrir son contenu et ses instances de faon homogne. Les
administrateurs de lontologie peuvent tre amens tendre et faire voluer le schma de lontologie et
son contenu sans une connaissance pralable complte de cette ontologie et doivent donc disposer de
moyens dinterrogation du schma de lontologie la fois pour lexplorer mais aussi pour sassurer de sa
cohrence. Le raisonnement la fois sur le schma et sur les instances pour classifier les concepts et les
instances et vrifier leur cohrence est un point crucial pour la maintenance de lontologie. Les
dveloppeurs ont besoin daccder lontologie pour en extraire des informations pour les intgrer ou les
utiliser dans des applications. Donc linterrogation dune ontologie se caractrise par deux aspects
importants :


La possibilit dinterroger ou explorer le schma aussi bien que le contenu de lontologie.

Le raisonnement sur les concepts et les instances de lontologie.

Exploration du schma : Elle doit permettre dobtenir des informations sur les concepts
existants, les relations lies un concept, les proprits des relations (symtrique, transitive,
inverse) si elles existent, et tous les lments du schma.
Exploration des instances : Les systmes issus de BD sappuient sur des langages de requte
la SQL qui offrent un large panel de fonctionnalits pour interroger les instances de la base et
permettent aussi de crer de nouveaux ensembles dobjets.
Raisonnement : Certaines requtes aussi bien sur le schma que sur les instances peuvent
ncessiter la mise en oeuvre de mcanismes de raisonnement comme par exemple la classification
dun concept dans une hirarchie, connatre les concepts qui subsument un concept et vice versa
[CUL03].

7. Comparaison entre les ontologies et les bases de donnes

La communaut des bases de donnes sest beaucoup intresse aux moyens de concevoir des ontologies
en adaptant les mthodes de conception de schmas conceptuels. Un exemple de modle conceptuel
spatio-temporel reprsentatif de ltat de lart en matire de conception dontologies gographiques est
MADS [PAR97],[PAR99] et une discussion dtaille des atouts et limitations de lapproche bases de
donnes peut tre trouve dans [CUL03]. Nous pensons que cette dmarche est voue lchec, et ce
pour un certain nombre de raisons :

Il est impossible de raisonner sur les concepts et instances de lontologie, ni mme dexplorer le
schma. Seule peut tre effectue linterrogation des instances.

Un schma de bases de donnes nest pas volutif. Il est dfini une fois pour toute avant la
dfinition des instances. Une ontologie doit au contraire tre vivante, et la mise jour des instances
doit pouvoir se faire sans une connaissance complte de lontologie. Cela impose de disposer de
mcanismes de vrification dynamique de la cohrence du schma et des instances.

Les bases de donnes font lhypothse du monde clos. Ces remarques rvlent la diffrence de
nature qui existe entre une ontologie et une base de donnes. En effet, comme le remarque
F.Fonseca dans [FON02], un schma de base de donnes reprsente ce qui est stock dans la base,
alors quune ontologie reprsente une vue de ce qui existe (ou peut exister) dans le monde rel.

Linterrogation dune ontologie diffre de linterrogation dune base de donnes selon diffrents
points. Une ontologie est en gnrale une source de donnes complexe, souvent incomplte et
volutive dans le temps. Le simple utilisateur qui souhaite accder lontologie effectue des
recherches exploratoires voire incrmentales pour obtenir les informations quil souhaite.

8. Interoprabilit
Le dveloppement rapide des systmes distribus et l'mergence des rseaux grande chelle rend
accessible un nombre sans cesse croissant de sources d'informations htrognes. Parmi les donnes
proposes, les donnes caractre spatial sont de plus en plus prsentes, parce que les mthodes
d'acquisition (GPS, images satellite, photo ariennes) sont dsormais accessibles tous. Les ontologies
spatiales doivent jouer un rle important et de rfrence pour linteroprabilit des systmes.

Du fait de la masse d'informations prsente, de leur htrognit et de leur volatilit, la recherche et la

consultation des donnes est un exercice coteux en temps et en ressources. L'utilisateur a donc besoin
d'outils pour rechercher, accder, interroger, combiner les sources d'information relatives ses activits.
L'interoprabilit des systmes est une solution : elle propose un ensemble de processus afin de permettre
diffrents systmes de partager des informations et des services. En consquence, l'interoprabilit
permet un utilisateur d'exploiter, de manire transparente, les ressources de diffrents SIG,
physiquement rpartis et htrognes par leur contenu, leurs fonctionnalits et leur plate-forme.

8.1. Les objectifs de linteroprabilit

L'interoprabilit des SIG est motive par les objectifs suivants :

Rduire les cots d'acquisition des donnes : Une des caractristiques principales d'un projet SIG
est le cot trs important de l'acquisition et de la maintenance de la collection de donnes spatiales.
Il est donc ncessaire de vouloir partager des donnes entre plusieurs applications et de rutiliser des
donnes existantes ;

Amliorer les processus d'aide la dcision : En effet, il est rare qu'un seul SIG possde toutes les
donnes ncessaires une prise de dcision. Les donnes peuvent tre manquantes ou incompltes
et il est alors ncessaire davoir recours dautres sources dinformation. Cet aspect est accentu par
les nouvelles applications spatiales telles que le gomarketing, la gestion des ressources naturelles
ou le suivi des pollutions ;

Ajouter des fonctionnalits un systme existant : Les SIG sont conus pour des applications
spcifiques et n'offrent pas forcment toutes les oprations spatiales. En effet, au sein d'une
organisation, les donnes spatiales sont exploites par diffrents utilisateurs dont les activits sont
diverses. Ces utilisateurs ont recours des oprations propres leur domaine qui n'ont pas
forcement t prises en compte lors de la conception initiale du systme ;

Migrer vers de nouveaux systmes tout en prservant l'existant : cest--dire pouvoir utiliser un
ancien SIG au sein dune nouvelle architecture.

8.2. Spcificits de linteroprabilit des SIG

L'interoprabilit des SIG diffre de l'interoprabilit des SI classiques par les caractristiques suivantes :

Les donnes sont riches, les types varis (donnes thmatiques, gomtriques, images), les valeurs
sont trs sensibles au contexte dacquisition (units, rfrentiels, systmes de projection, prcision,
qualit, etc.),

Les modles spatiaux sont nombreux et complexes (modle spaghetti, gomtrique, rseau,
topologique, tesselation),

Les SIG sintressent de manire symtriques la restitution des donnes et lapplication

doprations spatiales sur les donnes (simulation, gnralisation cartographique, etc.) de ce fait
l'interoprabilit doit prendre en compte aussi bien les donnes que les oprations, c'est--dire
qu'une requte peut excuter une opration spatiale sur un site A avec des donnes provenant d'un
site B,

Comme les applications gomatiques sont varies et trs spcifiques (cartographie, simulation,
etc.) ; les utilisateurs de SIG ont besoin de reprsentations multiples dobjets spatiaux des
granularits diffrentes [LEC98].

Les recherches rcentes ont permis d'identifier deux aspects de l'interoprabilit des SIG. Il s'agit des
perspectives d'architecture de systme et de modlisation [BIS97], [BIS98]. Ct architectures, les
systmes distribus (client serveur, objets distribus) sont des solutions prouves. Ct modles, le
problme est dcoup en trois niveaux d'interoprabilit :

Interoprabilit syntaxique : elle s'attache unifier les structures des donnes, et propose une
intgration de premier niveau, que l'on peut appeler intgration syntaxique, en dfinissant
notamment la nature, le type et le format des messages changs, Elle conduit la notion de
systme ouvert permettant d'assumer l'htrognit des composants (interfaces, langages de
programmation, etc.) [GRA96], [ORF96].

interoprabilit schmatique : elle a pour but de rsoudre les diffrences au niveau des schmas et
des modles, Ce premier et deuxime niveau sont toutefois insuffisant : la cohrence formelle des
messages ne garantit pas, par elle-mme, la cohrence des significations perues par les diffrents
utilisateurs d'un systme. Une intgration de troisime niveau, l'intgration smantique base sur
l'interoprabilit smantique, est donc ncessaire qui prolonge et complte les deux prcdentes.

interoprabilit smantique : elle a pour objet de s'assurer que les changes ont un sens, c'est dire
que le demandeur et le fournisseur ont une comprhension commune de la signification des
lments qu'ils partagent [HEI95]. L'interoprabilit smantique est une rponse l'htrognit
smantique des informations traites par les diffrentes applications. Elle implique que les divers

utilisateurs partagent des vues cohrentes sur les systmes de concepts sous-jacents aux diverses
applications.

Du point de vue oprationnel, les approches existantes :

Fournissent des services de bas niveau pour l'change de donnes ou le partage d'oprations
[VCK96], [TOM04].

Sintressent dfinir un modle commun pour faciliter les traductions.

Introduisent une composante smantique pour faciliter le processus d'intgration mais ne valident
pas le critre d'extensibilit. Cette dernire technique nest utilisable que pour des systmes ne
contenant que quelques sources de donnes [DRE96].

9. Outils de dveloppement dontologies

Les Outils de dveloppements dontologies qui existent sur le march aujourdhui sont divers et varis
bien des gards. Cet tat de choses suscite beaucoup dinterrogations lorsque vient le moment den choisir
un parmi les divers outils : loutil dispose t- il dun moteur dinfrence ? Quels langages dontologies
loutil supporte t-il ? Loutil permet-il dimporter/exporter des ontologies ? Loutil offre t-il un support
la rutilisation dontologies existantes ? Loutil permet-il de documenter les ontologies construites ?
Loutil offre t-il support graphique la construction des ontologies ? Les rponses toutes ces questions
pourraient savrer dcisives dans le choix de lun ou lautre outil.
9.1. Langage pour les ontologies
Le langage de spcification est l'lment central sur lequel repose l'ontologie. La plupart de ces langages
reprsentent les connaissances sous forme d'assertion (sujet, prdicat, objet). On va prsenter quelques
langages :

EXtended Markup Language et XML Schema : XML est un langage de description et dchange
de documents structurs XML permet de dcrire la structure arborescente de documents laide
dun systme de balises permettant de marquer les lments qui composent la structure et les
relations entre ces lments. XML ne pose aucune contrainte smantique sur la description des
informations, il ne constitue donc pas un langage de modlisation dontologies lui seul.

XML Schma (XML-S) : est un outil de dfinition de grammaires caractrisant des arborescences
de documents (notion de validit syntaxique). Avec les schmas XML, il est possible de contraindre

la structure arborescente dun document mais pas la smantique des informations contenues dans ce
document.


Resource Description Framework et RDF schma : RDF est un modle pour la reprsentation de
mta donnes propos de ressources. Cette reprsentation est faite sous la forme dun triplet :

Sujet : la ressource que lon dfinit.

Prdicat : la proprit de la ressource, qui est une liaison tiquete et oriente du sujet vers lobjet.

Ontology Web Language OWL : est un langage bas sur RDF et XML. Il enrichit le modle RDF
Schmas en dfinissant un vocabulaire riche pour la description d'ontologies complexes. OWL est
bas sur une smantique formelle dfinie par une syntaxe rigoureuse. Il existe trois versions du
langage: OWL Lite, OWL DL, et OWL Full.

9.2. Les diteurs dontologies



Protg : Cest lditeur le plus connu et le plus utilis des diteurs, dvelopp par l'Universit de
Stanford, il a volu depuis ses premires versions (Protg-2000) pour intgrer partir de 2003 les
standards du Web smantique et notamment OWL. Il offre de nombreux composants optionnels :
raisonneurs, interfaces graphiques.

SWOOP : Il est dvelopp par l'Universit du Maryland. Contrairement Protg, il a t dvelopp

de faon native sur les standards RDF et OWL. C'est une application plus lgre que Protg, moins
volue en terme d'interface, mais qui intgre aussi des outils de raisonnement.

Conclusion

Les ontologies gographiques ont un avenir prometteur car elles sont un tremplin pour le partage
automatis dinformations dans des domaines o les donnes sont complexes modliser et onreuses.
Elles doivent jouer un rle important de rfrence pour linteroprabilit des systmes. Leur
dveloppement est conditionn par des critres de relle utilisation. Nous nous sommes appuys dans ce
chapitre, en premier lieu sur la dfinition des ontologies dans ses diffrents domaines, ainsi que ses entits
principales, ensuite nous avons cits les diffrents types dontologies en donnant une importance aux
ontologies gographiques et spatio-temporelles qui sont ncessaires pour notre tude, nous avons mis
aussi laccent sur les besoins des ontologies qui diffrent des besoins traditionnels de bases de donnes et
des systmes dductifs pour la modlisation et pour linterrogation, tout en prsentant les outils de

dveloppement dontologie. La ncessit des ontologies spatiales est un degr important, dont
lexploitation et lillustration peuvent tre dmontres dans la partie de contribution.
Nous pensons aussi que lintgration des ontologies spatiales dans les systmes multi-agents nous
permettra daboutir des meilleurs rsultats, cette dernire discipline sera prsente travers le prochain
chapitre.

Chapitre 4

Les Systmes Multi Agents

Introduction

Le thme des systmes multi agents (SMA), sil nest pas rcent, est actuellement un champ de recherche
trs actif. Cette discipline est la connexion de plusieurs domaines en particulier de lintelligence
artificielle, des systmes informatiques distribus et le gnie logiciel. Cest une discipline qui sintresse
aux comportements collectifs produits par les interactions de plusieurs entits autonomes et flexibles
appeles agents, que ces interactions tournent autour de la coopration, de la concurrence ou de la
coexistence entre ces agents.
Ce chapitre introduit, tout dabord, les notions dagents et de systmes multi agents (SMA), par la suite il
dtaille les diffrentes questions, que soulve la problmatique des SMA, en particulier: les interactions,
la coopration, la coordination, la planification et la communication.
1. Le monde dagents
1.1. Dfinition dagent
La notion dagent, comme tous les concepts fondamentaux, est relativement vague. On peut distinguer
plusieurs manires de concevoir et de comprendre la notion dagent. Chacune de ces notions renvoie un
courant de recherche particulier dans le domaine de ce qui touche la nbuleuse agent.

En informatique, un agent est l'quivalent d'un robot logiciel. C'est un programme qui accomplit des
tches la manire d'un automate et en fonction de ce que lui a demand son auteur.

La communaut scientifique a accept les dfinitions suivantes :

 Wooldridge et Jennings [WOO95] dfinissent un agent comme tant un systme informatique, situ
dans un certain environnement et qui est capable d'effectuer de manire autonome une action afin de
rpondre aux objectifs pour lesquels il a t conu.
 Maes Patti [MAE95] dfinit les agents autonomes comme des systmes informatiques qui peuvent
sentir et agir de faon autonome dans l'environnement dynamique et complexe dans lequel ils vivent.
Ces agents doivent raliser un ensemble de buts ou de tches pour lesquelles ils sont conus.
Toutes ces prcdentes dfinitions ont un point commun. On parle toujours d'une personne ou chose qui
effectue une action. Cette dfinition n'est pas assez suffisante pour dfinir l'agent que l'on utilisera durant
notre travail. Une autre dfinition trs utilise dans la littrature, dfinit l'agent comme tant une entit
physique ou virtuelle ayant les caractristiques suivantes :

Capable d'agir dans un environnement.

Capable de communiquer directement avec d'autres agents.

Mue par un ensemble de tendances (sous forme d'objectifs individuels ou d'une fonction de satisfaction,
voire de survie, qu'elle cherche optimiser).

Possdant des ressources propres.

Capable de percevoir (de manire limite) son environnement.

Disposant d'une reprsentation partielle de cet environnement.

Possdant des comptences et offres de services.

Possibilit ventuelle de se reproduire.

Et dont le comportement tend satisfaire ses objectifs, en tenant compte des ressources et des
comptences en disposition, et en fonction de sa perception, de ses reprsentations et de communications
reues.

1.2. Caractristiques dun agent

Les chercheurs en intelligence artificielle s'accordent sur la ncessit de l'existence de quelques
caractristiques pour qu'on puisse parler dagents. A l'heure actuelle, aucun produit ne rassemble toutes
ces caractristiques.

Autonomie : lagent peut spontanment effectuer certaines tches, il peut aussi prendre des initiatives.

Communicative/sociale : un agent devrait avoir un niveau lev de communication avec d'autres

agents.

Ractive : un agent devrait pouvoir percevoir son environnement (qui peut tre un monde physique, un

utilisateur via une interface graphique ou une collection d'autres agents) et ragir ses changements, que
ce soit la modification des objectifs de l'utilisateur ou des ressources disponibles.

Proactive : les agents n'agissent pas simplement en rponse leur environnement, ils son capables

d'exposer un comportement dirig but en prenant l'initiative.

Adaptation : un agent adaptatif est un agent capable de contrler et d'adapter ses aptitudes

(communicationnelles, comportementales, etc.) en rponse aux connaissances internes ou aux

changements de l'environnement.

Orient-but/intentions : ces agents ont un plan d'action interne explicite pour accomplir un but ou

ensembles des objectifs.

Persistance : les agents persistants ont un tat interne qui reste cohrent.

Mobilit : les agents doivent pouvoir tre multi-plateforme et multi-architecture. Ils doivent pouvoir se

dplacer sur le rseau o ils accomplissent des tches sans que l'utilisateur ait le moindre contrle sur
celles-ci. Dans ce sujet, on parle aussi de mobilit forte et de mobilit faible [MIL00].

Emotion : on parle dagents avec la capacit d'exprimer l'motion ou l'humeur comme un tre humain.

De tels agents pourraient galement avoir une certaine forme de caractre ou d'aspect anthropomorphe.

L'intelligence : il sagit dagents ayant la capacit de raisonner, dapprendre et de sadapter dans le

temps. Un agent est intelligent s'il est capable de raliser des actions flexibles et autonomes pour atteindre
les objectifs qui lui ont t fixs. La flexibilit signifie la ractivit, la pro activit et les attitudes sociales.
1.3. Les types dagents
Une typologie dagents est propose partir de plusieurs critres de classification [MBA03]:


Mobilit : statique ou mobile.

Prsence d'un modle de raisonnement symbolique : dlibratif ou ractif.

Existence d'un objectif et de proprits initiales comme l'autonomie, la coopration et l'apprentissage.

A partir de ces proprits et selon Nwava [NWA96], quatre types d'agents ont t dduit :
collaboratif, apprenant, d'interface et intelligent.

Rles : la recherche d'informations ou le travail sur Internet.

Philosophies hybrides : combinaison entre deux ou plusieurs approches au niveau dun seul agent.

De cette typologie, diffrentes catgories d'agents ont t proposs [NWA96] : agents collaboratifs,
agents mobiles, agents dinformations et agents intelligents.
1.3.1.

Les agents collaboratifs

Les agents collaboratifs ont davantage des caractristiques d'autonomie et de coopration avec les autres
agents dans la ralisation de leurs objectifs. Ils doivent pouvoir ngocier afin d'arriver des compromis
acceptables. La facult d'apprendre peut exister mais n'est pas une caractristique fondamentale requise
pour ce type d'agents.
Les proprits caractristiques des agents collaboratifs sont : l'autonomie, la ractivit, le dynamisme
(capacit initier des actions) et la sociabilit. Les principales raisons pour lesquelles on peut tre amen
implmenter les agents collaboratifs, relvent de l'intelligence artificielle distribue ; ces raisons sont les
suivantes:

Rsoudre des problmes trop importants pour un seul agent cause des limitations des ressources et
des risques de systmes centraliss.

Rsoudre des problmes fondamentalement distribus comme le contrle du trafic arien ou des
problmes inhrents aux systmes d'information distribus.

Rsoudre des problmes pour lesquelles l'expertise disponible est distribue.

Encourager la modularit, la vitesse d'excution et la flexibilit.

1.3.2.

Les agents mobiles

Les agents mobiles sont des processus capables de se dployer travers de grands rseaux d'information
comme Internet, interagissant avec diffrents htes, recueillant des informations pour leurs propritaires
et accomplissant des tches qui leur sont confies.
Ces tches vont de la rservation de vols d'avions l'administration de rseaux de tlcommunications. Il
faut dire que la mobilit n'est pas une caractristique des agents, les agents mobiles sont des agents du fait
qu'ils sont autonomes et cooprent (certes diffremment des agents collaboratifs). Un agent mobile peut
ainsi communiquer ou cooprer avec un autre agent charg d'informer les autres agents de la localisation
de ses attributs et mthodes [MIL00]; ceci dispense cet agent de rendre publique toutes les informations
et donnes le concernant. Les raisons qui poussent recourir aux agents mobiles sont les suivantes :


Rduction des cots de communication : en permettant l'agent d'aller s'excuter l o se trouvent

les informations brutes, on vite ainsi de les rapatrier sur son systme local pour n'en utiliser qu'une
petite partie.

L'insuffisance des ressources locales : les capacits de traitement et de stockage peuvent tre
limites au point de justifier l'usage des agents mobiles qui iraient s'excuter sur des systmes distants
plus performants.

Une coordination plus facile : il est plus simple de coordonner un nombre de requtes distantes et
d'en collecter simplement les rsultats.

Un traitement asynchrone : on peut initialiser ses agents mobiles et faire autre chose pendant que
ceux-ci sexcutent.

Une architecture distribue plus flexible : les agents mobiles offre une architecture distribue unique.

1.3.3. Les agents dinformation

Les agents d'information sont apparus du fait de l'explosion de l'information et du besoin de disposer
d'outils de manipulation de ces informations.
Les agents d'information ont pour rle d'administrer, manipuler ou collecter les informations partir de
plusieurs sources d'informations distribues. Du fait de l'avnement et du succs d'Internet, la distinction

entre les autres types d'agents, tels que les agents d'interface ou de collaboration, et les agents
d'information est subtile : en effet, tous manipulent des informations. Il faut nanmoins garder l'esprit
que les agents d'information sont dfinis par ce qu'ils font, alors que les autres sont dfinis par ce qu'ils
sont, c'est--dire par leurs attributs et proprits caractristiques.
Les raisons qui prsident la mise en oeuvre des agents d'information sont de deux ordres. D'une part, il y
a la ncessit de faire face l'explosion des sources d'informations et donc de rpondre un besoin
similaire celui rempli par les moteurs de recherche. D'autre part, sur le plan financier, de tels agents
rapporteraient leur diteur un succs comparable celui de Netscape avec son navigateur sur Internet.
1.3.4. Les agents intelligents
Objet utilisant les techniques de l'intelligence artificielle [WOO95]: il adapte son comportement son
environnement et en mmorisant ses expriences, se comporte comme un sous-systme capable
d'apprentissage : il enrichit le systme qui l'utilise en ajoutant, au cours du temps, des fonctions
automatiques de traitement de contrle, de mmorisation ou de transfert dinformation. Un agent
intelligent contient un ou plusieurs des lments suivants :


Une base de connaissance prdfinie.

Un moteur d'infrence, lui permettant de tenir des raisonnements plus ou moins complexes.

Un systme d'acquisition de connaissances.

Un mcanisme d'apprentissage.

1.4. Classification dagents

Les experts des systmes multi-agents ont classifi les agents en trois grandes catgories selon un critre
essentiel qui est la reprsentation de son environnement, et sont donc les agents ractifs et les agents
cognitifs, et les agents dlibratifs.

1.4.1. Agents ractifs

On parle ici de systme intelligent d'agents. Les agents sont simples et ne possdent pas une
reprsentation de leur environnement, ni de mmoire, ce qui les prive d'apprentissage et de toutes
anticipations aux vnements.
Ils sont caractriss par l'absence de structures organisationnelles initiales prdfinies, d'o les agents
agissent naturellement au moment o l'action est ncessaire. Leur comportement est de type stimuli rponses.

Agent

Composante
Dcision
Action

Agent
Composante
Perception
Voir

Composante
Excution
Action

Agent

Environnement
ENV
Figure 25 : Structure d'un agent ractif dans un environnement multi-agents.

Les systmes multi-agents dots d'agents ractifs possdent gnralement un grand nombre d'agents. Le
comportement de groupe est impressionnant lorsqu'il s'agit de coordonner certaines actions, telles que leur
dplacement.
1.4.2. Agents cognitifs
On parle ici de systme d'agents intelligents. Les agents cognitifs sont plus volus, rsultats des
recherches menes dans le domaine de l'intelligence artificielle. Ils possdent une reprsentation globale
de leur environnement et des agents avec lesquels ils communiquent, ils tiennent aussi compte de leurs
actions antcdentes. Chaque agent possde une base de connaissances comprenant l'ensemble des
informations ncessaires l'accomplissement de sa tche, ainsi qu' l'interaction avec l'environnement et
les autres agents. Voir figure 26.

Agent

Composante
Dcision
Action

Composante
Perception
Voir

Composante
interaction
Int /Rea/Int

Composante
Excution

Int : interaction
Rea/int : raction/interaction

Agent

Action

Agent

Environnement /ENV
Figure 26 : Structure d'un agent cognitif dans un environnement multi-agents

Les systmes multi-agents constitus d'agents cognitifs compte un petit nombre d'agents intelligents,
exigent des ressources plus importantes que les agents ractifs, et permettent de rsoudre des problmes
plus complexes.
1.4.3.

Agent dlibratif

Une architecture dagents dlibratifs est une architecture comporte un mcanisme de dcision consistant
en une dlibration explicite sur les diffrentes possibilits daction en utilisant, par exemple une
gnration de plans ou en prenant en compte lutilit espre des actions. Le mcanisme de dcision
pouvant tre trs complexe, laccent est mis sur loptimum et sur lexactitude du comportement au dtriment
de la robustesse et du temps dexcution.

1.5. La communication entre agents

La communication est un mcanisme qui rend toutes les entits inter-dpendantes, les unes des autres.
Afin ddifier et de raliser notre monde, les entits ont besoin de communiquer, et de se coordonner,
pour difier et prsenter la dynamique du systme cible, sans a ils seront considrs comme des entits
inhrentes, qui ont des objectifs certes, mais elles ne savent pas, quand ses objectifs peuvent les atteindre,
comment, et qui peut les aider ? ainsi quo ?

Figure 27 : Communication entre agents.

De ce fait lensemble des agents dans un systme, communiquent pour les raisons suivantes:


Se coordonner, un ensemble peut raliser plus de choses quun seul agent.

Plus riche et plus efficace que dobserver, des changements dans lenvironnement.

Diversit et htrognit des agents, cot de prdiction du comportement des autres agents.

Autonomie, intrts propres des agents et lvolution du monde rendent les comportements
imprvisibles et conduisent des solutions inacceptables.

1.5.1. Dfinition dinteraction

Une interaction est une mise en relation dynamique de deux ou plusieurs agents par le biais dun
ensemble dactions rciproques. Il ya une interaction lorsque la dynamique propre dun agent est
perturbe par les influences des autres.
Une interaction est le moteur dun systme multi-agents, et selon les agents et les systmes linteraction
prend diverses formes :


Actions sur le monde.

Communication.

Infrences.

1.5.2Le but de linteraction

Linteraction est le mcanisme qui rend lensemble dagents existants dans le systme plus dynamique, de
par le fait quelle met en vidence les mcanismes de communication et de cooprations. Par le moyen de
linteraction lensemble des entits plonges dans un environnement, peut interagir par diffrentes formes
et de schanger des informations pour former le systme, ainsi elle est le moyen pour cet ensemble
dexister en inter-dpendance, et de se fournir mutuellement des flots dinformations. Aussi si lensemble
des agents dun systme interagisse ils peuvent raliser plus que la somme de leurs actions, mais cest
aussi de leur multitudes dans le systme quils doivent coordonner leurs actions et rsoudre les conflits,
pour un agent lautre est la fois le pire et la meilleure des choses.

1.5.3 Diffrentes formes dinteractions



Interaction sans communication : Elle se base sur linfrence des actions des autres.

Exemple :
1. Utilisation de la thorie des jeux avec matrices de gain.

Tableau 3 : Exemple de type Interaction sans communication.

2. Actualisation dune contrainte ou actualisation dune dpendance



Interaction primitives par communication

Cest un ensemble fini de signaux, pas dinterprtation et de syntaxe fixe.

Exemple : planification multi-agents.
Exemple : communication par lenvironnement via les traces (signaux) que laissent les agents et qui peut
tre perues par dautres agents.

Linconvnient est que les coordinations complexes sont difficiles mettre en uvre.
 Interaction par envois de messages , de plans
Linteraction se fait par des envois de messages, tels que des appels de mthodes des langages objets.
Exemple : dans les langages acteurs, un acteur excute une squence dactions en rponse aux messages
reus.
Dans lenvoi de plans, des changes de plans partiels se font de faon quun un nud change des plans
partiels dinterprtation avec les autres nuds du systme.


Interaction par un tableau noir Blackboard

Linteraction par un tableau noir est une technique qui a prouv son efficacit dans la conception des
systmes informatique, et ce type de technique utilis pour que les diffrents agents existants dans un
systme donn peuvent par se communiquer travers un espace mmoire commun (partage) appele en
anglais Blackboard , dont le mcanisme et de dposer linformation ou la connaissance dans cette
zone, lagent concern viendra rcuprer cette information. On introduit cette technique de
communication, lorsque lensemble des agents se trouve dans une architecture centralise ou distribue,
propose un langage commun pour le partage dinformation. Les principales caractristiques de ce type
dinteraction (Tableau noir) sont les suivantes :

Pas de communication directe.

Interaction via le partage dun mme espace de travail ou de systme.

Un systme contenant un ensemble dagents bas sur ce type dinteraction, possde les lments
suivants.

Les connaissances.

Le tableau noir.

Le mcanisme de contrle.

Figure 28 : Interaction par un tableau noir Blackboard .

2.

Les Systmes Multi-Agents (SMA)

2.1. Dfinition des SMA

Un systme multi-agents (SMA) est un systme form de plusieurs agents interagissant entre eux.
L'interaction se fait gnralement par des messages.

Figure 29 : Interaction entre agents.

La plupart du temps les agents agissent dans l'intrt de leur matre. Leurs intrts ne se chevauchent pas
forcment. Il s'agit donc de coordonner leurs actions et de ngocier afin de trouver une solution qui
satisfasse tout le monde.
Le point cl des systmes multi-agents rside dans la formalisation de la coordination entre les agents. La
recherche sur les agents est ainsi une recherche sur :


La dcision : Quels sont les mcanismes de la dcision de l'agent? Quelle est la relation entre les

perceptions, les reprsentations et les actions des agents ? Comment dcomposent-ils leurs buts et tches
? Comment construisent-ils leur reprsentation ?


Le contrle : Quelles sont les relations entre les agents? comment sont-ils coordonns ? cette

coordination peut tre dcrite comme une coopration pour accomplir une tche commune ou comme une
ngociation entre des agents ayant des intrts diffrents ?

La communication : Quels types de message s'envoient-ils? quelle syntaxe obissent ces messages?

Diffrents protocoles sont proposs en fonction du type de coordination entre les agents.
2.2. L'architecture multi-agents
Dans une architecture multi-agents la rsolution du problme est faite par les interactions d'agents
autonomes. Les agents peuvent tre plus au moins intelligents . Ils peroivent partiellement ou
totalement l'environnement, c'est--dire les autres agents et les objets visibles possdant un certain
nombre de proprits. Selon leurs capacits cognitives, ils peuvent avoir des buts simples ou complexes.
Pour atteindre ces buts ils peuvent communiquer entre eux ou agir directement sur les objets. Une
solution unique au problme est trouve lorsque l'environnement est stabilis. On parle dans ce cas d'un
phnomne d'mergence. La figure 30 est un exemple d'une architecture multi-agents assez simple. Son
fonctionnement s'apparente la simulation d'un micro-monde dans lequel les agents agissent en parallle.
Les systmes multi-agents sont trs bien appropris l'tude des systmes sociaux (voir par exemple
[DUR96] pour une application en pidmiologie animale).

Figure 30 : Exemple dune architecture multi-agent.

Dans cet exemple, nous avons trois agents, nomms A1, A2 et A3. L'agent A1 est constructeur de
briques. Il est capable d'en construire partir de l'argile qu'il rcupre en se dplaant dans
l'environnement. Il peut recevoir des commandes de construction de l'agent A3 et donner des
informations l'agent A2 sur la position des briques qu'il a construites. L'agent A2 convoyeur de briques
est capable de se dplacer un certain endroit pour chercher des briques selon les informations de l'agent

A1. Il entasse les briques un endroit prcis dont il informe la position l'agent A3. Enfin, l'agent A3 est
un constructeur de mur.
Il est capable partir de briques disposes un endroit prcis de fabriquer un mur un endroit donn.
Pour cela, il ordonne l'agent A1 de construire des briques, et l'agent A2 de lui donner les briques
construites. La simulation s'arrte lorsque l'agent A3 apprcie la hauteur et la longueur du mur construit
comme tant conforme la norme en vigueur [DUR96].
2.3. Domaines d'application des SMA
On distingue gnralement trois types d'utilisation des systmes multi-agents :
 La simulation ou la modlisation de phnomnes complexes
O on utilise les SMA pour simuler des interactions existantes entre agents autonomes. Le but est de
dterminer l'volution de ce systme afin de prvoir l'organisation finale. Ce qui importe c'est le
comportement d'ensemble et non pas le comportement individuel. L'autonomie permet ici de simuler le
comportement exact d'une entit.
La premire simulation utilisant les SMA, et qui d'ailleurs fut la source d'inspiration de ceux-ci est le
systme MANTA (simulation d'une fourmilire) [DRO95].
 La rsolution de problmes et prise de dcision
L'intelligence artificielle distribue est ne pour rsoudre les problmes de complexit des gros
programmes de l'intelligence artificielle : l'excution est alors distribue, mais le contrle reste centralis.
Contrairement aux SMA, o chaque agent possde un contrle total sur son comportement. Pour rsoudre
un problme complexe, il est plus simple de concevoir des programmes relativement petits (les agents) en
interaction, qu'un seul gros programme monolithique. L'autonomie permet au systme de s'adapter
dynamiquement aux changements imprvus qui interviennent dans l'environnement.
Exemple : minimisation d'impact pour des amnagements.
 La conception de programmes
Intgrer un systme d'information constitu d'un ensemble d'agents organiss pour faciliter la
comprhension et la dcision, soit individuelle, soit collective. Contrairement un objet, un agent peut
prendre des initiatives, refuser d'obir une requte, se dplacer.
Exemple : systmes d'aide la ngociation de projets.
2.4. Exemples dun SMA

Les systmes multi-agents associs l'intelligence artificielle reprsentent actuellement un grand domaine
d'application et de recherche. Plusieurs systmes ont t dvelopps, nous prsenterons ici quelques uns
tels que :


Le systme MANTA [DRO95] : ce systme illustre parfaitement l'intrt de la modlisation

multiagents de type ractif. Il modlise la constitution d'une fourmilire mature partir d'une ou
plusieurs reines, tudie la capacit d'adaptation d'une telle colonie, le mcanisme de polythisme
(division du travail), et la spcialisation des ouvrires.

Cette simulation avait vrifi le fait qu'une socit d'agents peut bien survivre et s'organiser en se
passant de tout systme de contrle centralis et d'une quelconque organisation hirarchique.


Les systmes industriels distribus : o les concepteurs partent de problmes rels existants et ils
cherchent les rsoudre en se basant sur les techniques d'interaction et de coopration des systmes
multi agents.

Plusieurs systmes ont t dvelopps dans les domaines de la tlcommunication, et de contrle du

trafic arien.


Applications temps rel : Les agents ont t bien videmment appliqus au domaine des systmes
temps rel; ce dernier maintient des systmes contrainte souple. On voit de plus en plus des
systmes temps rel dit Hard utilisant des agents.

Applications agents pour le commerce lectronique : Le E-Commerce signifie des changes de

produits qui se passent via Internet. Les sites pour les ventes aux enchres, pour les ngociations entre
les utilisateurs (producteurs/consommateurs), etc.

Applications agents pour la Recherche d'Information : Une grande partie des applications de
systme multi-agents est dans le domaine de recherche d'information. Parmi ces nombreuses
applications dans ce domaine, on peut trouver "NetSA": une architecture de systme multi-agents
pour la recherche d'information dans des sources htrognes et rparties.

2.5. Avantages des systmes multi-agent

Les systmes multi-agents sont des systmes idaux pour reprsenter des problmes possdant de
multiples mthodes de rsolution, de multiples perspectives et/ou de multiples rsoudre [CHA99]. Ces
systmes possdent les avantages traditionnels de la rsolution distribue et concurrente de problmes
comme la modularit, la vitesse (avec le paralllisme), et la fiabilit (due la redondance).

Ils hritent aussi des bnfices envisageables de l'intelligence artificielle comme le traitement symbolique
(au niveau des connaissances), la facilit de maintenance, la rutilisation et la portabilit mais surtout, ils
ont l'avantage de faire intervenir des schmas d'interaction sophistiqus. Les types courants d'interaction
incluent la coopration (travailler ensemble la rsolution d'un but commun) ; la coordination (organiser

la rsolution d'un problme de telle sorte que les interactions nuisibles soient vites ou que les
interactions bnfiques soient exploites) ; et la ngociation (parvenir un accord acceptable pour toutes
les parties concernes).

Conclusion

Dans le cadre de ce chapitre, nous avons vu que la technologie agent et multi-agent , est une
technologie dont l'utilisation va encore se dvelopper dans les annes venir et nest pas un concept vou
rester sur les tables des laboratoires de recherche puisque plusieurs exemples dapplications existent
dj. De nombreux systmes pourraient tre amliors en utilisant des agents. Il convient de prciser que
les chercheurs travaillant sur les systmes multi-agents, dun point de vue formel se sont presque toujours
heurts des agents omniscients, cest dire des agents ayant des capacits de raisonnement illimites.
L aussi le problme est trs ouvert et il y a prsentement pas mal dquipes qui y travaillent. Comme on
peut encore le constater le domaine des SMA demeure encore aujourdhui un domaine rempli de dfis
surmonter, autrement dit un domaine trs ouvert pour la recherche.
Notre part de contribution est reporte dans les deux prochains chapitres. A travers le chapitre qui suit,
nous abordons la phase de la planification initiale du rseau cellulaire, en proposant une approche base
dontologies spatiales, une technique qui sintresse ltude des caractristiques spatiales de la zone
gographique concerne par le rseau cellulaire.

Chapitre 5

Planification Initiale

Chapitre 5

Planification Initiale

Introduction
Le concept cellulaire constitue le fondement de base des rseaux de tlphonie

mobile. Il reprsente un point critique et important dont loptimisation permet une

bonne utilisation du rseau, et fait la satisfaction dun cot des diffrents besoins de
loprateur, et dun autre les besoins des utilisateurs. Llaboration dun rseau
cellulaire, est un processus qui comprend deux phases importantes: la planification
initiale et le dploiement. La phase planification sintresse non seulement ltat
actuel mais aussi se proccupe de ltat futur en permettant une volutivit du rseau
en termes de dbit, capacit, etc. Elle conditionne de faon trs importante la qualit
de service offerte aux utilisateurs. Loprateur doit assurer une couverture selon ses
objectifs et doit effectuer un bilan de liaison pour ajuster tous les paramtres entrant
en jeu. Llaboration dun rseau cellulaire, est un processus qui comprend deux
phases importantes : La premire consiste en une planification initiale, la seconde est
celle du dploiement. La phase dploiement quand elle prsente une solution aux
changements pouvant se produire dans chaque cellule.
Ce chapitre prsente une solution dune planification initiale du rseau cellulaire.
Nous essayerons de dterminer lutilisation des ontologies spatiales et des systmes
multi-agents vus dans les prcdents chapitres.
1. La planification initiale
Afin de garantir l'optimisation d'un rseau, nous avons situ notre premier intrt
dtude sur la phase de la planification initiale du rseau cellulaire. Cette planification
initiale est base sur ltude des caractristiques spatiales de la zone gographique
concerne par le rseau. Ce processus ncessite l'tude de la zone concerne partir
d'une image gographique, et consiste dtailler la zone depuis une image capture
par le satellite. La planification des rseaux radiolectriques (implantation des
stations, allocation des frquences, etc.) est la condition dune maitrise des cots
dinvestissement de loperateur et de lutilisation optimale de la ressource spectrale.
Etant donn les caractristiques de lenvironnement (caractristiques gographiques et
de propagation, radio), les caractristiques des abonnes desservir (densit,
comportement, statistique dusagers) est une bande de frquences, la planification a
pour but de minimiser le cot de linfrastructure radio et rseau en fonction de la

Chapitre 5

Planification Initiale

couverture radio, de la taille des cellules et du plan de frquences, tout en respectant

les contraintes de qualit de service.
1.1. La reprsentation gographique dune zone
Dans cette phase nous avons montr l'utilit de l'image satellitaire et les diffrents
types des donnes gomtriques, ce qui va nous servir pour notre planification initiale
du rseau cellulaire.
1.1.1 L'image satellitaire
L'image satellitaire est issue de capteurs embarqus dans des satellites dobservation
placs sur des orbites de 500 36000 km daltitude. Limage reprsente le
rayonnement solaire rflchi- par les objets au sol dans le domaine visible ou proche
infrarouge [GED03].
Elle doit subir plusieurs traitements radiomtriques et gomtriques avant d'tre
utilisable dans un systme d'information gographique (SIG), qui permet :
D'extraire tous les objets gographiques situs une distance donne d'une route.
De fusionner des objets ayant une caractristique commune (par exemple : toutes les
maisons raccordes un rseau d'eau potable).
De dterminer l'itinraire le plus court pour se rendre un endroit prcis.
De dfinir des zones en combinant plusieurs critres (par exemple : dfinir les zones
inondables en fonction de la nature du sol, du relief, de la proximit d'une rivire)
[ANT07] .

Chapitre 5

Planification Initiale

1.1.2 Les donnes gographiques

Sont des donnes localises la surface terrestre, elles sont formes de deux
lments : smantique et gomtrique.
Donnes gographiques

Linformation
gomtrique

Linformation smantique

Type
Wilaya
Route
Capital
Lieux d'intrt
Id
25algw
25algr
16algw
18algw
27algr
07algw

Lgende

Nom
Constantine
N45
Alger
Jijel
N27
Biskra

Type
Wilaya
Route
Wilaya
Wilaya
Route
Wilaya

Image:
Gomtrie sans smantique

BD/TEXTE:
Smantique sans gomtrie

Carte:
Smantique et gomtrique

Figure 32 : Exemple de reprsentation d'une donne gographique.

Chapitre 5

Planification Initiale

1.1.2.1 Les informations smantiques

Se composent de :
a. Donnes attributaires : Sont les proprits des objets qui contiennent :
Toponymes : donnes nominales (Algrie, Pont Sidi Rached ).
Donnes ordinales : importance dun objet gographique suivant un critre.
Donnes numriques : valeurs, intervalles, ratios

b. Donnes relatives : Sont les relations entre les objets (par exemple : est chef-lieu
de, permet de franchir).

1.1.2.2 Les informations gomtriques

Il existe deux formats de reprsentation gomtriques : le mode raster et le mode
vectoriel.

a. Le format raster : est dfini par la ralit dcompose en une grille rgulire et
rectangulaire, organise en lignes et en colonnes, chaque maille de cette grille ayant
une intensit de gris ou dune couleur.
La juxtaposition des points recre l'apparence visuelle du plan de chaque information.
Une fort par exemple sera reprsente par un ensemble de points d'intensit
identique de couleur verte [HAB00].

Figure 33 : Exemple de reprsentation d'information gomtrique en mode raster.

b. Le format vectoriel : est dfini par les limites des objets spatiaux dcrites travers
leurs constituants lmentaires, qui sont les points, les arcs, et les polygones.
Lobjet spatial est dot d'un identifiant qui permet de le relier une table attributaire
[HAB00].

Chapitre 5

Planification Initiale

Figure 34 : Exemple de reprsentation d'information gomtrique en mode vectoriel.

Ce format vectoriel dispose de deux modles :

b.1 Le modle spaghetti : dont les caractristiques sont :
Structure de donnes plus simple.
Manipulation graphique de base bien gre.
Points remarquables : extrmits des segments de droite uniquement.

Figure 35 : Exemple de reprsentation de modle spaghetti.

b.2 Le modle topologique : dont les caractristiques sont :

Pas de redondance de linformation (exemple : un arc nest cod quune fois).
Calcul ncessaire des relations topologiques.
Structure de donnes plus complexes.
Ncessit de recalculer les relations topologiques lors de toute mise jour du SIG
(modification dobjets).
Points remarquables : extrmits des segments de droite + intersections [HAB00].

Chapitre 5

Planification Initiale

Figure 36 : Exemple de reprsentation de modle topologique.

Aprs la reprsentation gographique de la zone nous choisissons pour notre tude le

format vectoriel qui sert dterminer les composantes sous forme de points, lignes, et
polygones dont le modle topologique est ncessaire pour la structure des donnes
complexes comme l'intersection des zones, les extrmits des segments, etc.

1.2. La description vectorielle de la zone gographique

Il s'agit de dfinir la spatialit laide de types varis de donnes spatiales (ligne,
point, polygone), de types dobjets spatiaux (c'est--dire ayant des attributs spatiaux)
et de relations spatiales comme les relations topologiques et/ou des champs continus.

Le point : Est lobjet le plus simple, il se compose soit dune paire [x, y] de
coordonnes gographiques soit dun triplet (x, y, z, o z dsigne une valeur telle que
laltitude). Le point peut reprsenter grande chelle des arbres, des bornes
dincendie, des collecteurs dordures, et les chelles plus petites telles que la carte
routire o il reprsente une capitale rgionale.

La ligne : Cest la liste de points remarquables (poly lignes ou mixtiligne), elle

reprsente

les

rseaux

de

communication,

dnergie,

hydrographiques,

dassainissement, etc...
Le poly lignes : Cest un segment qui peut correspondre une suite darcs
rectilignes.
Le mixtiligne : Cest un segment qui peut comporter des courbes approximes par
des arcs de cercle, des paraboles etc. Elle peut tre fictive, en reprsentant laxe dune
route, ou virtuelle en modlisant des flux dinformation, dargent.

Chapitre 5

Planification Initiale

Le polygone (surface, zone) : Dfini par sa frontire (polygone simple : ligne

ferme).
Elle peut matrialiser une entit abstraite comme la surface dune commune ou des
entits ayant une existence gographique comme une fort, un lac, une zone btie
[GED03].

Figure 37: Exemple d'une zone reprsente en format vectoriel.

1.3

La dfinition intentionnelle des concepts spatiaux laide daxiomes

contenant des prdicats spatiaux

Les ontologies spatiales peuvent tre utilises pour lexploration et lextraction

dinformations partir de la base de connaissances, et au-del pour linteroprabilit

Chapitre 5

Planification Initiale

des SIG, lusage de ce type dontologies permet de rsoudre lhtrognit

smantique des SIG.
Les ontologies spatiales intgrent les relations entres les concepts spatiaux, telles que
la mtrologie, la topologie et la morphologie ainsi que le raisonnement sur la spatialit
des instances.

1.4 La reprsentation dune rgion par lontologie spatiale

Nous allons procder de faon gnrale la reprsentation dune rgion par

lontologie spatiale correspondant toute zone gographique comme suit :
- La reprsentation schmatique de la rgion par lontologie.
- La dfinition du dictionnaire des attributs.
- La dfinition du dictionnaire des relations.
- L'extraction des axiomes.
- L'extraction des axiomes des composantes spatiaux (la mrologie, la topologie, la
morphologie, la localisation).

Figure 38 : Exemple de simulation de la planification du rseau cellulaire pour une partie limite.

Chapitre 5

Planification Initiale

1.4.1 Reprsentation schmatique dune rgion par une ontologie

Figure 39 : Reprsentation schmatique dune rgion par lontologie

Chapitre 5

Planification Initiale

Sachant que:
Concept : Une classe dcrivant une tache, une fonction, un objet,etc.
Relation : Permet lassociation des concepts pour construire des reprsentations
complexes.
Axiome : Cest une assertion logique accepte vraie dans un domaine, et peut
intervenir dans la dfinition des concepts ou relations.
Instance : Cest un individu ayant des valeurs particulires.
1.4.2 Le dictionnaire des attributs
Concept

Attribute

Cardinality
(1, 1)
(1, n)
(1,n)

Name
Type

Region
Region
Work art

Population

Rural area
Industrial area
Urban area
Work art

(1, n)
(1, n)
(1,n)
(1, n)

Geographic coverage

Rural area
Industrial area
Urban area
Work art

(1, n)
(1, n)
(1, n)
(1, n)

Area

Rural area
Industrial area
Urban area
Work art
Polygon

(1, 1)
(1,1)
(1, 1)
(1,1)
(1, 1)

(Item 1, Item 2)

Line

(1, 2)

(X, y, z)

Point

(1, 1)

Length

Line
Polylines

(1, 1)
(1, 1)

Construction Equipment

Public Places
Residences
Administrations

(1,n)
(1,n)
(1,n)

Tableau 4: Dictionnaire des attributs.

Chapitre 5

Planification Initiale

1.4.3 Le dictionnaire des relations

Relation

Concept

Contient

Possde

Est prsent sous forme

Est compos

Cardinalit

Rgion, Zone rurale

(0, n)

Rgion, Zone urbaine

(0, n)

Rgion, Zone industrielle

(0, n)

Rgion, ouvrage d'art

(1, n)

Zone urbaine, Rsidence

(1, n)

Zone urbaine, Administration

(1, n)

Zone urbaine, Lieu publique

(0, n)

Zone rurale, Polygone

(1, n)

Rsidence, Polygone

(1, n)

Administration, Polygone

(1, n)

Lieu publique, Polygone

(1, n)

Zone industrielle, Polygone

(1, n)

Ouvrage d'art, Poly lignes

(1, n)

Polygone, ligne

(3, n)

Poly ligne, ligne

(2, n)

Ligne, point

(2,2)

Tableau 5: Dictionnaire des relations.

1.4.4 Exemples daxiomes gnraux de la description dune rgion

Rgion (x) zone rurale (x) zone urbaine (x) zone industrielle (x) ouvrage d'art(x)
Zone urbaine (x) Lieu publique (x) Etablissement(x) Habitation (x)
Zone rurale (x) Ferme (x) Maison (x)
Zone industrielle (x) Magasin (x) Usine (x)
Lieu public (x) Jardin(x) Stade (x) Mus (x) Aroport (x) Gare (x)
Etablissement (x) Hpital(x) Universit (x) Dara(x) (x) Tribunal (x)
Ouvrage d'art (x) Route (x) Tunnel (x)
Habitation (x) Rsidence (x) Toure (x) Htel (x)
Place publique (x) Etablissement (x) Habitation (x) Polygone (x)
Tunnel (x) Route (x) Poly ligne (x)

1.4.5 Les axiomes spatiaux

Chapitre 5

Planification Initiale

Dans cette partie nous allons extraire quelques axiomes spatiaux de la rgion tudie,
travers lexploitation des composantes dontologies spatiales [REB04].
a. Axiomes concernant la mrologie
Le primitif de la mrologie est la notion de partie.
 PP(x, y)= P(x, y) P (y, x)
PP (Zone rurale, Rgion)

: Zone rurale est une partie de Rgion.

Et Rgion nest pas une partie de Zone rurale.
PP (Zone urbaine, Rgion)
: Zone urbaine est une partie de la Rgion.
Et Rgion nest pas une partie de Zone urbaine.
PP (Zone industrielle, Rgion) : Zone industrielle est une partie de Rgion.
Et Rgion nest pas une partie de Zone industrielle.
PP (Ouvrage dart, Rgion) : Ouvrage dart est une partie de Rgion.
Et Rgion nest pas une partie dOuvrage dart.

Dduction : Du moment que : Zone rurale, Zone urbaine, Zone industrielle,
Ouvrage dart sont toutes des parties de Rgion, nous devons
assurer la couverture de chacune (dbuter par linstallation de
Macro-Cellule).
b. Axiomes concernant la topologie
Le primitif de base de la topologie est la notion de connection.


C(x, y) C(y, x)

C (Zone urbaine, Zone rurale).

Si Zone urbaine est connect Zone rurale, alors : la Zone rurale est connecte la
Zone urbaine.

Dduction : Du moment que la Zone urbaine et la Zone rurale sont connectes
lune lautre, on doit assurer le relais de passage dune cellule la
cellule voisine Hand over .
c. Axiomes concernant la morphologie
La morphologie repose sur un primitif, quest la notion de trou.


Hxy Hyz

H (Tunnel, Ouvrage d'art)  H (Ouvrage d'art, Rgion).

Si Tunnel est un trou dans Ouvrage d'art, alors Ouvrage d'art n'est pas un trou dans
Rgion).

Dduction : Du moment que le Tunnel est un trou dans un Ouvrage dart, on doit
assurer sa couverture mis part de celle dOuvrage dart (Penser
installer une Pico_Cellule lintrieur du Tunnel).

d. Axiomes de localisation

Chapitre 5

Planification Initiale

Localiser un objet revient le situer dans lespace.

 PL(x, y) = z (P (z, x) L (z, y))
PL(Zone urbaine, Rgion) = Polygone (P (Polygone, Zone urbaine) L (Polygone,
Rgion)).
Zone urbaine est partiellement localise la Rgion, par dfinition il existe un
Polygone, tel que Polygone est une partie de la Zone urbaine et exactement localis
la Rgion.

Dduction : Cela nous mne rflchir aux endroits dimplantation des BTS ;
lide est : du moment quil existe au moins un polygone il sagit dun
point de couverture assurer dans la Rgion.

2. Algorithme de planification du rseau cellulaire

La planification radio devra suivre des objectifs diffrents, en fonctions de la zone
planifier :
En zone urbaine ou suburbaine, lobjectif est dassurer une capacit en trafic
suffisante (il sagit dans ce cas de desservir un nombre dabonnes lev).
En zone rurale ou dans les zones a faible densit dabonnes, lobjectif est
dassurer la couverture la plus complte possible (rayons des cellules peut tre
de plusieurs dizaines de kilomtres) sans ncessit de capacit leve.
Nous avons dcid de diviser la rgion en question, en plusieurs zones sous forme de
tessellation dhexagone [LAG99] tout en dterminant la valeur du diamtre R
(comme le montre la figure 40). Et travers lexploitation des prcdents axiomes
nous pourrons envisager une simulation de la planification initiale du rseau
cellulaire.

Chapitre 5

Planification Initiale

Figure 40 : Reprsentation d'une rgion sous forme de tessellation dhexagone.

Tout en rappelant que :

Type de Cellule

Distance de Couverture

Macro-cellule

500 m plusieurs km (milieu rural)

Micro -cellule

100 m 500 m (milieu urbain)

Pico-cellule

moins de 100 m (btiments)

Tableau 6 : Comparaison entre les distances de couverture des cellules.

Perte _Matriaux

(dB)

Bton poreux

6,5

Bton (30 cm)

9,5

Mur de bton pais (25 cm) sans vitres

13

Mur de bton peu pais (10 cm)

Mur double de bton (2*20 cm)

17

Mur trs peu pais (brique < 14 cm)

2,5

Vitre renforce
Bois, Plaque en pltre
Dalle

8
1,5
23

Tableau 7: Pertes apportes par les diffrents matriaux de construction [DAY05].

Chapitre 5

Planification Initiale

2.1. Principe de lAlgorithme

BEBUT
Dcouper la rgion en plusieurs partitions (Macro_Part, avec Long Macro_Part =30 km R=15km )
Initialisation : Nbre_ Macro_Part =n : Ret[n]=1 ;
Balayer toutes les Partitions de gauche vers la droite et de haut en bas
Tant que n0 faire :
Si (Nbre_Polyg1) (/*La Partition contient au moins un polygone*/) Alors
Installer une Macro_BTS
Sinon (Nbre_Polyg<1) passer la Partition suivante et Ret[n]:=0
(/** Pour ne plus la visiter : en cas de ncessit dune Micro ou Pico_Cellule)
n :=n-1 ;
Fin Si
Fin Tant que
Chercher la premire Macro_Part o Ret[n]0
Dcouper la Macro_Part en Sous_Part (Micro_Part , avec Long Micro_Part =500 m)
Nbre_Micro_Part =m
Balayer toutes les Micro_Part de gauche vers la droite et de haut en bas
Tant que (m0) et

( Ret0)

faire :

Si (Pop_ Micro_Part 1000) Alors

Insrer une Micro_BTS
Sinon (Pop_ Micro_Part <1000) Alors passer la Sous_ Partition suivante
m :=m-1 ;
Fin Si
Fin Tant que
Dcouper la Micro_Part en Sous_Part (Picro_Part _Part, avec Long Picro_Part =100 m)
Nbre_ Micro_Part =i
Tant que (i0) et ( Ret0)

faire :

Si (D_P 9.5) Alors

Insrer une Picro_BTS
Sinon (D_P <9.5) Alors passer Picro_Part suivante
i :=i-1 ;
Fin Si
Fin Tant que

FIN.

2.2. Exemple de simulation du rseau cellulaire

A partir des caractristiques de ces instances (population, superficie, matriel de
construction), l'exploitation des composantes de lontologie spatiale, et lutilisation du

Chapitre 5

Planification Initiale

prcdent algorithme. Nous infrons la description gographique de la zone une

planification initiale du rseau cellulaire en termes de macro-cellule, microcellule et
pico-cellule.
Nous pouvons prendre comme exemple, une partie de la rgion en question :
Soit une partie de cette rgion avec une superficie (dtermine selon R).
Avec : un seuil de population (Pop=1000 habitant)
Et : un seuil de perte de matriel de construction (D_P =9.5 dB).
Nous pouvons dduire :
Superficie (n) [Nbre_Polyg1] Macro-cellule (n)

(1)

(Population (m) Pop) (Superficie (m) 500 m) Micro-cellule (m)

(2)

(Obstacle(i) D_P) (Superficie (i) 100 m) Pico-cellule (i)

(3)

Figure 41: Reprsentation d'une rgion en rseau cellulaire multi couches.

Conclusion

A travers ce chapitre, nous avons prsent une approche de planification initiale qui
se base sur ltude des caractristiques spatiales de la zone gographique concerne

Chapitre 5

Planification Initiale

par le rseau. Le dbut de ce processus marque le besoin dune reprsentation

gographique de la rgion qui est issue gnralement dun capteur, ensuite on fait
appel un modle de description de donnes gographiques tel que le modle
vectoriel du format topologique, qui permet davoir une description en terme de point,
segment, et polygone en utilisant des composantes de lontologie spatiale; dont le
rsultat final est une simulation de la planification initiale du rseau cellulaire, o il
suffit de linstancier pour obtenir une structure adapte toute autre zone
gographique. Durant cette phase, nous avons galement propos un algorithme
dimplantation des diffrentes BTS constituant le rseau cellulaire.
Le dploiement sert garantir le ramnagement automatique, qui ragit aux pannes
et aux alas, capable de traiter des problmes dont les donnes ne sont que
partiellement connus, et pour lesquels les informations arrivent au cours du temps.
Cette dernire ide est lissue du prochain chapitre.

Chapitre 6

Dploiement

93

Introduction

Aprs sa commercialisation en 1992, le rseau GSM ne cesse dvoluer, le nombre dabonns ne cesse
daugmenter et continue crotre de faon considrable. La couverture est quasi mondiale et les services de
plus en plus nombreux, utiles et conformes aux dsirs des abonns qui ne cessent dvoluer et de se
diversifier.
La tlphonie mobile est base sur la radiotlphonie c'est--dire la transmission de la voix sous forme dune
onde radio entre la station mobile et une base couvrant un rayon de plusieurs kilomtres. Un tel service
permet dassurer une mobilit en cours de communication avec une certaine qualit de service requise.
Lanalyse dtaille et comprhensive du comportement du trafic dans le temps et dans lespace est un
processus indispensable pour la planification des systmes radio mobiles. Le dimensionnement statique du
rseau de faon offrir un niveau de service minimum lheure de pointe pour effet de gaspiller les
ressources du systme lorsque celles-ci ne sont pas bien exploites. Donc, lide nous mne rflchir au
dveloppement dun processus de design capable de grer les changements survenant sur le rseau pendant
ses phases de croissance et de maturation.
Ce chapitre sera ddi la rsolution de la phase de dploiement, travers la proposition dun systme de
ramnagement automatique, base dune architecture multi-agent.
Nous pouvons illustrer cette ide la figure ci-dessous :

Planification initiale
V

Ensemble de
Solutions
Processus de dploiement

Intervention en cas de
prvu (Calendrier)

Figure 42 : Vue globale du processus de ramnagement.

1. Processus de dploiement
Une BTS est un lment dmission et de rception, ayant un minimum dintelligence, qui a pour fonction la
gestion des transmissions radios. Cest le premier composant du rseau, responsable sur la prise en charge de
la requte dun abonn metteur. Pour quune autre BTS qui sera avise pour prendre en charge labonn
rcepteur. La charge relative dune cellule correspond au rapport entre la demande en trafic sur cette cellule
et sa capacit effective [MAB05]. Une cellule qui sert beaucoup de mobiles voit sa zone de couverture se
rduire, donc des trous de couverture apparaissent et des appels seront rejets. Afin d'viter ce type de
problmes, lis l'augmentation du trafic, la ressource BTS doit tre exploite dune manire fiable
(augmenter son intelligence). Les cellules ayant une charge approchant les 100% se voient demandeuses
daide des autres BTS voisines nayant pas de charge cellules candidates . Ce qui peut induire un
ramnagement automatique du plan de frquences, sans lattribution de nouvelles cartes TRX ni linsertion
de nouvelles BTS. Un mobile s'attache la cellule qui lui offre la meilleure qualit radio sur le canal pilote
(voir figure 43 : cellule avec trait discontinu).

Figure 43 : Processus doptimisation du rseau cellulaire.

Quand un mobile passe d'une cellule l'autre, il voit le pilote de la premire cellule s'affaiblir, et celui de la
seconde crotre progressivement. Laffectation dun appel d'un mobile une BTS est un processus qui met
en jeu plusieurs paramtres (ex : azimut, tilt, puissance pilote ) [DRE03] .
1.1. Le Tilt : angle d'inclinaison d'une antenne dans un plan vertical. La zone couverte par l'antenne diminue
et l'intensit de la puissance moyenne reue dans la cellule augmente.
1.2. LAzimut : orientation du lobe principal de l'antenne dans le plan horizontal. Une modification de
l'angle azimut peut tre utile suite un effet de masque li au paysage ou des btiments (problme
d'interfrences).
1.3. La Puissance des pilotes : indique au mobile la cellule laquelle il doit se rattacher (l'tendue de la
cellule).
Lobjectif du processus doptimisation propos est de fournir ds le dpart, un plan dexpansion du rseau
cellulaire stalant sur plusieurs priodes, selon les changements perus. Ainsi, comme le montre la figure
44, le systme reoit comme entre une configuration initiale du rseau et labore un rseau optimis.
Maintenir une collection de solutions diversifies (historique) permettra une meilleure et rapide adaptation
du rseau aux changements enregistrs, lors des prochaines phases.

Figure 44 : Principe gnral du processus doptimisation.

Le rajustement de la solution nest entrepris qu lenregistrement des changements sur lenvironnement.

Lapproche est dfinie par une succession dtats de lenvironnement
E= {tat 1, tat2, , tat n}.
Chaque tat se caractrise par :
L'ensemble des cellules demandeuses.

Lensemble des cellules candidate.

La zone couvrir.

2. Larchitecture gnrale du systme

L'architecture gnrale du systme d'optimisation est compose de diffrents types d'agents. Chaque agent
est responsable sur la rsolution dun problme ou lexcution dune tche particulire.


Agent Cellule : cet agent est charg par la dtection de la surcharge d'une cellule (agent ractif),
travers le calcul de la formule suivante :

Avec :
L: charge de la cellule.
A: demande en trafic sur la cellule
C: capacit effective de la cellule.
2.1.

Agent Evaluateur : Il est responsable des calculs des paramtres ncessaires au niveau de : l'azimut,
le tilt et la puissance des pilotes.

2.2.

Agent Historique : Cest un agent cognitif, Cet agent sauvegarde les solutions des problmes
rencontrs au paravent, afin de fournir les moyens permettant une rponse rapide et moindre cot aux
problmes similaires ceux dj survenus.

2.3.

Agent Ontologie : Capable de prendre en compte et grer linformation gographique, et qui

sintresse la spcification de concepts spatiaux pour une reprsentation gographique de la rgion du
rseau cellulaire (ligne, point, polygone).

2.4.

Agent Calendrier : Cet agent est responsable de fournir tous les vnements importants (en terme de
densit) pouvant se produire durant la vie du rseau radio mobile et qui risque de perturber le systme de
ramnagement, afin de raliser les interventions ncessaires (ex : ajout de BTS porteuse dans le cas
dune foire ou un match de foot).

2.5.

Agent Superviseur : Cest un agent dlibratif, le rle de cet agent est de recenser chaque fois
quelles sont les cellules de type : "Demandeuse" et "Candidate", ainsi que les nouveaux vnements.
Aprs une collaboration avec l'agent ontologie, l'Agent Superviseur dcidera quelle est la cellule voisine
(la plus proche la localisation de labonn), qui doit couvrir la zone de surcharge, ou la cellule o il
doit y avoir un changement. Et dlgue l'Agent Evaluateur la tche de calculer les paramtres
ncessaires (azimut, tilt, puissance des pilotes). Ces derniers seront envoys de nouveau l'Agent
Superviseur afin d'assurer une personnalisation distance de la BTS (rglage des antennes) de la cellule
concerne. Et demande l'Agent Historique de faire une sauvegarde de cette configuration du rseau
(solution) selon l'tat enregistr de l'environnement.

Figure 45 : Architecture gnrale de processus de dploiement.

3. Interaction entres les diffrents agents

3.1. Description textuelle de linteraction
Nous pouvons dcrire le scnario du processus de dploiement comme suit :
1 : Lagent cellule dclare la situation de la cellule Demandeuse Candidate , et le degr de
participation lagent superviseur.
2 : Lagent superviseur demande la description gographique de la zone spcifie lagent ontologie.
3 : Lagent ontologie remet les informations demandes lagent superviseur.
4 : Lagent superviseur demande si il ya une solution antrieure au cas actuel lagent historique.
5 : Lagent historique remet la solution si elle existe lagent superviseur.
6 : Si il existe une solution antrieure au cas actuel, lagent superviseur la dlivre lagent cellule.
7 : Sinon il remet les paramtres du cas actuel lagent valuateur.
8 : Lagent valuateur dlivre la nouvelle solution lagent superviseur.
9 : Lagent superviseur dlivre la solution lagent cellule.
10 : Lagent Calendrier dlivre les dates des vnements importants pourront se produire.
3.2 Schma dinteraction, cas de : surcharge des cellules

Figure 46 : Interaction entre les agents surcharge des cellules .

4. Mthode doptimisation
Arriver ce stade, nous avons prsent un processus de ramnagement automatique du rseau cellulaire.
Lide sera meilleure si nous garderons toujours lesprit doptimisation durant le fonctionnement de ce
processus. Raison pour laquelle nous avons pens que lenrichissement de lagent superviseur, durant le
choix de slection des cellules candidates, par un algorithme bas sur une mtaheuristique nous permettra
daboutir des meilleurs rsultats. Pour cela, nous avons pens une mtaheuristique (TABOU) durant la
slection de la cellule la plus optimale parmi les six cellules voisines.
En ce qui concerne les paramtres optimiser travers lalgorithme :
On cherche avoir le minimum de distance (D), et le plus de degr de participation (Dp) ou bien le
moins de degr de charge puisque : degr de participation = 100% - degr de charge pour obtenir
une solution optimale de ce problme.
La fonction objective soit : maximiser (Dp/D).

 Nous avons cherch gagner le temps, la mthode TABOU est plus pratique (car on ne rencontre
plus une solution dj visite, donc on ne perd pas notre temps).
Comme critre d'arrt on peut fixe un nombre maximum ditrations. Dans notre cas, on opte pour 5
itrations.
4.1. Principe de lalgorithme propos
Nous prsentons dans ce chapitre la partie essentielle de lalgorithme. Une partie annexe sera rserve pour
une description dtaille de lalgorithme propos.
Dclaration :
S0 : la solution initiale.
S : le meilleur voisin.
S* : la meilleur solution rencontre.
D : tab [1,6] : rel /*table des distances entre la localisation de labonn et chaque cellule voisine */
Charge[i] : tab [1,6] : rel /*table de charge de chaque cellule voisine*/
Dp : tab [1,6] : rel /* table de degr de participation de chaque cellule voisine*/
Si : tab [1,6] : rel /* lensemble de solutions*/
Etat [i] : tab [1,6] : boolen /*indique que la solution i dj visite ou pas*/
T [i] : tab [1,6] : rel /* la liste TABOU qui contient les solutions dj visites*/.
I0 : entier /*une variable utilise pour sauvegarder lindice de la solution initiale qui varie entre {1. 2. 3. 4. 5. 6}*/
i : entier /* lindice de la solution courante*/
k : nombre ditrations entre {1. 2. 3. 4. 5}.
Dbut
Pour i=1 jusqu 6 faire
Etat [i] faux;
Dp[i] 100% - charge[i];
S[i] Dp[i]/D[i];
Fin pour

Vider la liste TABOU ;

Si S0 = S1 alors

Traiter le premier cas;

Sinon
Si S0 = S6 alors

Traiter le deuxime cas ;

Sinon

Traiter le troisime cas ;

Fin si
Fin si

Retourner ( la solution optimale est : S*) ;

Fin
5. Etude de cas
Pour bien illustrer notre approche nous avons pens que son application dans notre vie quotidienne nous
donnera plus davantages. Il sagit dune nouvelle formule appele Melinum, lance rcemment par un
oprateur de la tlphonie mobile, et dont le principe est de pouvoir parler gratuitement chaque jour pour le
mme oprateur partir de 21h00 jusqu 06h00. Face cette opportunit irrsistible le nombre de
communication des abonns de cet oprateur a augment dune faon remarquable et qui a caus beaucoup
de problmes au niveau du rseau tlphonique en terme de qualit saturation dans certaines zones .
Cet inquitude a rveill les services doptimisation, et des recherches ont commences a se lancer, dont le
principal objectif est de sauver lhonneur, autrement dit assurer le minimum de qualit du rseau
tlphonique.
La premire solution envisage : du moment quon matrise la priode de temps de saturation essayant de
dtecter les zones concernes par ce problme. Une analyse a permis de constater que les zones o se trouve
la catgorie jeunesse ge entre 20 30 ans sont les plus touches. Raison pour laquelle lide a men
vers une recherche gographique et lappel des systmes dinformations gographique (SIG) tait
indispensable. Par exemple les zones o se trouvent des rsidences universitaires pour tudiants, taient un
souci parmi d'autres.
La prsente configuration nous donnera plus dillustration ce problme :

: Cellule surcharge
: Cit Universitaire
: Lieu dhabitation

Figure 47 : Exemple de dtection de cellules surcharges.

Dans un premier temps la solution envisage tait la suivante: en faisant appel des SIG, loprateur a pu
dtecter les zones des cellules concerne par la saturation. Donc, pour soulever ce problme le renforcement
de la BTS concerne par la surcharge par des cartes TRX (metteurs-rcepteurs), ou par l'ajout d'une BTS
porteuse dans la zone concerne, a pu rsoudre le problme. Cette solution a prouv sa rentabilit jusqu'
l'arrive de la priode d't (priode des vacances), o les abonns localiss dans des zones bien dtermines
(exemple : rsidences universitaires, lieux dhabitation), ne sont plus dans leurs endroits, et ils sont disperss
dans diffrentes zones.
Refaire la mme procdure en s'appuyant toujours sur des SIG, pour localiser de nouveau les zones
surcharges n'est plus une solution recommande, surtout quand on sait trs bien que ces abonns se
dplaceront de nouveau juste aprs la fin de la priode des vacances, soit vers leurs anciens lieus ou bien
vers d'autres lieux.

Lide nous guide vers la recherche d'une solution pertinente et pas une solution priodique. Raison pour
laquelle nous pensons que lappel au processus doptimisation dynamique prsent par la prcdente
architecture, semblera une issue prometteuse ce genre de problme.

Figure 48 : Configuration du rseau initial.

Figure 49 : Configuration du rseau optimis.

La figure 48 montre le cas de deux endroits trs frquents un moment donn (t). Sachant que dans le
temps (t +1), la configuration peut changer, par lacquisition de nouvelles cellules surcharges. En faisant
appel au processus de ramnagement automatique de plan de frquences, prsent par l'approche
prcdente, nous obtiendrons la configuration illustre la figure 49. Ainsi, le rseau pourra s'adapter et se
dvelopper, offrant ds le dpart, un plan d'expansion du rseau cellulaire couvrant plusieurs priodes, en
fonction des changements futurs.

Conclusion

travers ce chapitre nous avons prsent une nouvelle approche, pour la rsolution du problme de
surcharge dun rseau cellulaire des oprateurs de tlphonie mobile. Une solution qui se base sur une
nouvelle technique, qui est les systmes multi agents. Pour la mise en uvre dun processus doptimisation
du rseau cellulaire, travers une coopration efficace de diffrents agents, o chaque agent est responsable
sur la rsolution dun problme ou lexcution dune tche bien dtermine et nous nous somme intress
la prsentation et lintgration dune mtaheuristique au niveau de lagent superviseur. Nous avons
galement illustre notre approche travers une tude de cas, exposant un des majeurs problmes poss par
un oprateur de la tlphonie mobile.

CONCLUSION GENERALE
& PERSPECTIVES

En conclusion, nous pouvons dire que notre tude est termine. Une tude travers laquelle nous avons
conu une dmarche doptimisation pour but de rsoudre diffrents problmes, dont souffre les oprateurs
de la tlphonie mobile, notamment la difficult des moyens de recueilles des informations gographiques,
tout en assurant les performances ainsi que les besoins du systme.
Notre travail a connu plusieurs tapes. Aprs la prsentation dun tat de lart qui consistait donner une
vision gnrale sur les rseaux cellulaires, en abordant les principales notions utilises par ce domaine. Nous
avons galement consacr un chapitre Les systmes multi-agents , dont nous avons prsent les agents,
leur classification leur architecture, tout en rappelant les types dinteraction pouvant se produire entres eux.
Nous avons pens encore plus loin, car ltude des caractristiques gographiques avant la mise en uvre du
rseau cellulaire est dune importance surtout en ce qui concerne loccupation du sol ou la nature des
constructions, sur ceux nous avons consacr un chapitre aux ontologies o nous avons parl de types
dontologies, notamment les ontologies gographiques et spatio-temporelles, illustrant notre tude.
Par la suite nous avons dtaill notre approche par la prsentation des diffrentes tapes du processus
dlaboration et de ramnagement du rseau cellulaire. Dans ce cadre, nous devons se formaliser avec des
modles dvelopps pour la modlisation des ontologies trouvant leurs fondements dans des domaines
comme lintelligence artificielle, la reprsentation des connaissances (spatiales) et des bases de donnes
(gographiques). Nous nous retrouverons devant le besoin de construire des ontologies spatiales spcifiques
la problmatique, en sappuyant sur une approche multi-agents.

Ce systme recle de grandes possibilits damlioration et dextension au bnfice de loprateur comme de

labonn. Il apporte ce dernier un confort dcoute accru en rduisant les affaiblissements et les
interfrences entre les mobiles. Il diminue ses temps daccs au rseau et garantie le secret de ses
communications.

A ce titre, le contenu de cette thse constitue dune part, un apport rel lenrichissement et la mise jour
des connaissances au niveau de luniversit, que nous esprons galement tre un bon support pdagogique
pour ceux qui choisissent de travailler sur le domaine de tlcommunication. Dautre part, ce travail pourra
tre au diapason des ralits technologiques applicables de nos jours travers le monde.

Comme perspectives, nous pensons que lintgration de cette nouvelle ide offre une solution avance et
simple dans le domaine de la tlphonie mobile, et fera une nouvelle rvolution, en affirmant pouvoir
lappliquer et ladopter au dploiement des rseaux cellulaires et qui permet dexploiter ses performances
techniques actuelles et venir, cela montrera bien lutilit et lintrt de notre travail.
Dans le future, cette dmarche peut dsengorger le rseau tlphonique en gnral et contribuer au
dveloppement socio-conomique du pays. Nous esprons galement que ce mmoire sera un bon support
pdagogique pour ceux qui choisissent de travailler dans le domaine de la tlcommunication.

Bibliographie

[ANG 05] :ANGLEROT Stphane , Guillaume bonnet, Guy Regnault les agents intelligents sur Internet
universit nautes France. 2005.
[ANT07] : ANTOINE Jean-Yves, Systme d'information Gographique. 2007.
[BAD05] :BADRA Fadi. Mmoire de Master 2 Recherche en Informatique spcialit Extraction des
Connaissances partir des Donnes : "Utilisation de techniques de fouille de donnes pour
enrichir une ontologie dobjets gographiques", 2005.
[BAL00] : BALBIANI P. and P. Muller: "Le raisonnement spatial". In Le temps, lespace et lvolutif en
sciences du traitement de linformation. Cepadues Editions, 2000.
[BEN10] : BENSTRIRA K., et Bouarouj I.: recherche tabou, rapport de recherche, module recherche
opration avance, Master 2, 2010.
[BIS97] : BISHR Y.: "Semantic Aspects of Interoperable GIS", PhD thesis, Enschede, NL, ITC, 1997.
[BIS98] : BISHR Y.: "Overcomming the semantic ad other barriers to GIS interoperability", Int. J.
Geographical Information Science, Vol.12, N.4, pp. 299-214, 1998.
[CAM06] :CAMINADA Alexandre, larchitecture du rseau GSM , cours RE56 printemps 2006.
[CAS98] :CASATI R., B. Smith, and A.C. Varzi: "Ontological tools for geographic representation". In N.
Guarino, editor, Formal Ontology in Information Systems, pages 7785. IOS Press, Amsterdam,
1998.
[CHA99] :CHAIB-DRAA Brahim: "Agents et systmes multiagents", Notes de cours, Dpartement
d'informatique, Facult des sciences et de gnie, Universit Laval, Qubec, Novembre 1999.
[CHA00] :CHAMBREUIL P. "Evaluation multicritre des rseaux cellulaires radio-mobiles" Rapport
Interne, FTR&D, novembre 2000.
[CL97] :CLMENT. G, C. Larouche, D. Goiun, P. Morin, H. Kucera, OGDI: "Toward Interoperability
among Geospatial Databases", ACM SIGMOD Record, Vol. 26, N 3, 1997.
[CHA04] :CHARARA Aymen mmoire fin dtude "Le rseau GSM" 2004.
[CUL03] :CULLOT Nadine, Christine Parent, Stefano Spaccapietra, Christelle Vangenot : "Des SIG aux
ontologies gographiques", 2003.

[DAY05] :DAYA Imen, Rapport de projet de fin dtude : "Planification radio dune solution de couverture
indoor" GSM 2004/2005.
[DRE96] : DREW P., J. Ying, GeoChange, An Experiment in Wide-Area Database Services for Geographic
Information Exchange, Proceedings of the Third Forum on Research and Technology Advances
in Digital Library, Washington, 1996.
[DRE03] :DREO J., A. Ptrowski, P. Siarry, E.Taillard. Mtaheuristiques pour loptimisation difficile
Edition Eyrolles 2003.
[DRO95] :DROGOUL, A.; Corbara, B.; Lalande, "MANTA: New Experimental Results on the Emergence of
(Artificial) Ant Societies", S. 1995.
[DUR96] :DURAND .B. Simulation multi-agents et pidmiologie oprationnelle, tude d'pizooties de
fivre aphteuse. Thse de doctorat, Universit de Caen, 20 juin 1996.
[FER97] :FERNANDEZ M., A. COMEZ-PEREZ et al. "METHONTOLOGY: from ontological art towards
ontological engineering" in Proceedings of the Spring Symposium Series on Ontological
Engineering (AAAI97), AAAI Press, 1997.
[FER05] :FERBER Jacques introduction aux systmes multi-agents un point de vue intgral V1.12.10.2005.
[FON02] :FONSECA F.T, M.J. Egenhofer, P. Agouris, and G. Cmara: "Using ontologies for integrated
geographic information systems". Transactions in GIS, 6(3), 2002.
[FON03] :FONSECA F. T, C. A. Davis, and G. Cmara: "Bridging ontologies and conceptual schemas in
geographic information integration". GeoInformatica, 7(4):355378, 2003.
[FR02] :FRST .F: "Lingnierie ontologique". Technical report, Rapport de Recherche, IRIN, Universit
de Nantes, 2002.
[GAR79] :GAREY M.R. , D.S. JOHNSON, Computers and intractability: a guide to the theory of NPcompleteness, W.H. Freeman and Company, New York, 1979.
[GED03] : GED, Cahier mthodologique sur la mise en uvre dun SIG, 2003.
[GIR01] : GIRODON Stphane Rapport de stage : "Rseaux GSM, GPRS et UMTS ", 2001.
[GIR02] : GIRODON Stphane. Rseaux GSM, GPRS et UMTS , juin 2002.
[GOL03]:GOLDSTONE R.L. and A. Kersten: "Concepts and categorization". In Comprehensive
Handbook of Psychology Volume 4: Experimental Psychology, pages 599 621. Proctor Eds,
2003.
[GRA96] :GRABER S. Communication Services for a Distributed Hospital Information System. Meth
Information in Medicine. 1996; 35 (3): 230-4 1.
[GRU93] :GRUBER T. R.: "Towards Principles for the Design of Ontologies Used for Knowledge
Sharing". 1993.

[GUA95] :GUARINO Nicola and Pierdaniele Giaretta. "Towards very large knowledge bases: knowledge
building and knowledge sharing". Chapter: Ontologies and knowledge bases: Towards a
terminological clarification. pp 25-32. IOS Press, Amsterdam. 1995.
[HAB00] :HABERT lisabeth, Quest ce quun systme dinformation gographique , 2000.
[HEI95] : HEILER S.: "Semantic Interoperability", ACM Computing Surveys, Vol. 27, N 2, Jun. 1995.
[ISS06] : ISSAOUI Leila dveloppement dun outil de planification et doptimisation des frquences dans
un rseau GSM , 2005-2006.
[LAG99] : LAGRANGE X., Ph. Godlewski, cours ENST : "Les concepts cellulaires ", fv. 1999.
[LAG00] : LAGRANGE X. Lagrange "Les Rseaux Radiomobiles" Hermes Science publications, 2000.
[LAP06] : LAPETOULE Kvin, les algorithmes mtaheuristiques ,01 juin 2006.
[LAR98]:LARCHER Emmanuel, Patrick LE QUR, Julien SIVAGNANAM, le tlphone mobile ,
cole dingnieurs gnralistes, 1997/1998.
[LAY09]

:LAYEB

Abdesslem,

Les_methodes_de_recherche_locale :

University

Mentouri

of

Constantine, Algeria, Computer science Department. 2009.

[LEC98] : LECLERQ Eric, Djamal Benslimane, Kokou Yetongnon, "ISIS : une architecture multi- agents
pour linteroprabilit des SIG", colloque SMAGET Cemagref-Engref, Clermont-Ferrand,
France 1998.
[LEE02] : LEE T.B.: "The semantic Web lifts off" in ERCIM News No.51.Oct 2002.
[MAB03] :MABED Hakim, Thse de doctorat : "Modles et techniques doptimisation dynamique pour les
rseaux radiomobiles ", N d'ordre 590 Anne 2003.
[MAB05] : MABED H.. Etude des problmes doptimisation dynamique Un modle pour le problme
dvolution cellulaire Universit de Technologie de Belfort- Montbliard 12 octobre 2005.
[MAC79] : MAC DONALD V. H. "Advanced Mobile Phone Service: The cellular Concept" The Bell
System Technical Journal, pp 15-41, 1979.
[MAE95] : MAES Patti . Artificial Life Meets Entertainment: "Life like Autonomous Agents.
Communications of the ACM", 38, 11, 1995.
[MBA03] : MBALA Hikolo Aloys. Thse doctorat : "Analyse, conception, spcification et dveloppement
d'un systme multi-agents pour le soutien des activits en formation distance", Universit de
Franche-Comt, France. 2003.
[MIL00] Milojicic D.S., Douglis F., Paindaveine Y., Weeler R., and Zhou. S. Process migration . ACM
Compting Surveys, 32(3) :241299, Septembre 2000. 19.
[MIS04] : MISSAOUI Mohammad Tahar, Etudes des techniques de densification dans les rseaux radio
mobiles cellulaires : thse de doctorat, ENIT ,2004.
[MUL02] : MULLER Jean Philippe, les rseaux GSM et mobile , version 07/2002.
[MUR02] : MURPHY G.L.: "The Big Book of Concepts", MIT Press, Cambridge, 2002.

[NIM07] : NIMOUR Selma, Gaad Faiza un systme multi-agent pour lanalyse et le filtrage de
documents promotion 2006 /2007.
[NWA96] :NWANA H. S., Software Agents : An Overview , Knowledge Engineering Review,vol. 11,
n3, p. 205244, 1996.
[ORF96] :ORFALI R, Harkey D, Edwards J: "The Essential Client/server Survival Guide". 2d edition. New
York: John Wiley & Sons, 1996.
[PAP00] :PAPADIMITRIOU. C.H., STEIGLITZ .K., Combinatorial optimization algorithms. 2000.
[PAR97] :PARENT .C, S. Spaccapietra, E. Zimanyi, P. Donini, C. Plazanet, C. Vangenot, N. Rognon, J.
Pouliot, and P-A. Crausaz. Mads : "Un modle conceptuel spatio-temporel". Revue
Internationale de Gomatique, pages 317352, 1997.
[PAR99] :PARENT .C, S. Spaccapietra, and E. Zimanyi: "Spatio-temporal conceptual models:
datastructures + space + time". In GIS 99: Proceedings of the 7th ACM international
symposium on Advances in geographic information systems, pages 2633. ACM Press, 1999.
[PAT95] : PATTI Maes. Artificial Life Meets Entertainment: "Life like Autonomous Agents.
Communications of the ACM", 38, 11, 1995.
[PIC06] : PICOULEAU Christophe, les mtaheuristiques en optimisation combinatoire , 9 mai 2006.
[REB04] : REBOUL Anne, Un modle formel pour reprsenter lespace, 2004.
[REV02] : REV. 01.01. CB2 Rseaux cellulaires mercredi 20 mars 2002.
[ROM03] :ROMARIC Charton des agents intelligents dans un environnement de communication
multimdia : vers la conception de services adaptatifs 02 dcembre 2003.
[SIN06] :SINUHE David, Hernandez Guevara. Mmoire de Master Recherche en Informatique :
Mthodologies et Outils pour la construction collaborative des ontologies. Towntology : Vers
le consensus des dfinitions, Juin 2006.
[SMI98] : SMITH .B and Mark .D.M: "Ontology and geographic kinds". January 01 1998.
[TOM04] :TOMAI E and M. Kavouras. From onto-geonoesis to onto-genesis: "The design of geographic
ontologies". GeoInformatica, 8(3):285302, 2004.
[VCK96] : VCKOVSKI .A : "Java as a Software System for Distributed and Interoperable Geoprocessing",
Proc. of Parallel and Distributed Comuting System, Dijon France, Sep. 1996.
[WOO95] :WOOLDRIDGE M.J. N.R. Jennings: "Intelligent Agents: Theory and Pratice". Knowledge
Engineering Review, 10, 1995.
[XAV96] :Xavier, Philippe GODLEWSKI et Sami TABBANE, Rseaux GSM-DCS , Edition Herms,
paris, 1996.

Table des figures

Figure 1 : Architecture gnrale dun rseau GSM.................................................................................................. 7

Figure 2 : Exemple de BTS...................................................................................................................................... 8
Figure 3 : Architecture des sous systmes BSS et NSS ........................................................................................... 10
Figure 4 : Forme hexagonale dune cellule.............................................................................................................. 12
Figure 5 : Concepts cellulaires : (a) pavage rgulier, (b) couverture relle ............................................................. 13
Figure 6 : Exemple de rutilisation des frquences ................................................................................................. 15
Figure 7 : La technique du cell splitting .................................................................................................................. 16
Figure 8 : Modle dajout de nouvelles couches..................................................................................................... 17
Figure 9: Zone de handover entre deux cellules ..................................................................................................... 17
Figure 10 : Phnomne de Fading ........................................................................................................................... 21
Figure 11 : Alignement de Temps ........................................................................................................................... 21
Figure 12: Dispersion de Temps ............................................................................................................................. 22
Figure 13 : Classification des mthodes doptimisation combinatoire .................................................................... 24
Figure 14 : Principe de fonctionnement dun algorithme gntique ..................................................................... 29
Figure 15 : Analogie entre une fonction numrique une variable et la fonction de cot ...................................... 32
Figure 16 : Evolution dune solution dans la mthode de descente ........................................................................ 33
Figure 17.1 : i la solution actuelle ........................................................................................................................... 36
Figure 17.2 : i la prochaine solution atteinte (solution voisine) ............................................................................. 36
Figure 17.3 : V(i) lespace de solutions voisines i (lensemble des i) ................................................................ 36
Figure 17.4 : m mouvement de i i ....................................................................................................................... 37
Figure 17.5 : i globale est la solution optimale globale qui minimise la fonction objectif F ................................... 37
Figure 17.6 : i* la solution optimale actuelle ......................................................................................................... 37
Figure 18 : Mouvement non amliorateur ............................................................................................................... 37
Figure 19 : Mouvement tabou ................................................................................................................................. 38
Figure 20 : Reprsentation gnrale de tous les vnements prcdents ................................................................ 38
Figure 21 : Reprsentation de stratgie dintensification ....................................................................................... 40
Figure 22 : Reprsentation de stratgie de diversification ...................................................................................... 41
Figure 23 : Exemple dun schma dontologie ........................................................................................................ 44
Figure 24 : Cycle de vie dune ontologie ................................................................................................................. 53
Figure 25 : Structure d'un agent ractif dans un environnement multi-agents ...................................................... 67
Figure 26 : Structure d'un agent cognitif dans un environnement multi-agents ...................................................... 68
Figure 27 : Communication entre agents ................................................................................................................ 69

Figure 28 : Interaction par un tableau noir Blackboard ...................................................................................... 71

Figure 29 : Interaction entre agents.......................................................................................................................... 72
Figure 30 : Exemple dune architecture multi-agent ............................................................................................... 73
Figure 31 : Exemple dune image satellitaire dune zone gographique. ................................................................ 78
Figure 32 : Exemple de reprsentation d'une donne gographique.. ...................................................................... 79
Figure 33 : Exemple de reprsentation d'information gomtrique en mode raster ................................................. 80
Figure 34 : Exemple de reprsentation d'information gomtrique en mode vectoriel............................................ 81
Figure 35 : Exemple de reprsentation de modle spaghetti.................................................................................... 81
Figure 36 : Exemple de reprsentation de modle topologique .............................................................................. 82
Figure 37: Exemple d'une zone reprsente en format vectoriel.............................................................................. 83
Figure 38 : Exemple de simulation de la planification du rseau cellulaire pour une partie limite........................ 84
Figure 39 : Reprsentation schmatique dune rgion par lontologie..................................................................... 85
Figure 40 : Reprsentation d'une rgion sous forme de tessellation dhexagone.................................................... 90
Figure 41 : Reprsentation d'une rgion en rseau cellulaire multi couches........................................................... 92
Figure 42 : Vue globale du processus de ramnagement ....................................................................................... 94
Figure 43 : Processus doptimisation du rseau cellulaire ....................................................................................... 95
Figure 44 : Principe gnral du processus doptimisation ....................................................................................... 96
Figure 45 : Architecture gnrale de processus de dploiement .............................................................................. 98
Figure 46 : Interaction entre les agents surcharge des cellules ......................................................................... 99
Figure 47 : Exemple de dtection de cellules surcharges....................................................................................... 101
Figure 48 : Configuration du rseau initial .............................................................................................................. 102
Figure 49 : Configuration du rseau optimis.......................................................................................................... 102

Annexe

Procdure Aspirer ()
Dbut
i I0 ;
S0 Si ; /* Retourner la plus ancien dans la liste Tabou T [I0]*/

Fin

Procdure Verifieversfin ()
Dbut
Pour k = i jusqu' 5 faire
S Si+1;
Si S* < S alors
S* S;
Mettre jour S dans T [i+1];
Fin si
S0 S i+1;
Etat [i+1] vrai;
ii+1 ;
Fin pour

Fin
Procdure Verifieversdebut ()
Dbut
Indexfin : entier ;
Pour k = 0 jusqu' Indexfin faire
S Si-1;
Si S* < S alors
S* S;
Mettre jour S dans T [i-1];
Fin si
S0 == Si-1;
Etat [i-1] == vrai ;
ii-1;
Fin pour

Fin

Dbut:
Pour i=1 jusqu 6 faire
Etat [i] faux;
Dp[i] 100% - charge[i];
S[i] Dp[i]/D[i];
Fin pour

Vider la liste TABOU ;

Si S0 = S1 alors
Traiter le premier cas;
Sinon
Si S0 = S6 alors

Traiter le deuxime cas ;

Sinon

Traiter le troisime cas ;

Fin si
Fin si

Retourner ( la solution optimale est : S*) ;

Fin
1 Les diffrents cas possibles pour S0 :
1.1 Premier cas: S0=S1.

Figure 1 : Cas o S0 = S1.

Dans ce cas la partie qui doit sexcuter est:
Dbut
i 1 ;
S* S0;
Mettre jour S0 la liste TABOU dans T[1];

Etat[i] vrai ;
Pour k=1 jusqu 5 faire/* Rpter tant que le nombre ditrations est inferieur 5*/
S Si+1 ; /* la meilleure voisine est immdiatement la solution i+1*/
Si S* S alors /* comparer la solution initiale avec la meilleure voisine rencontre*/
S* S ; /*Sest la solution optimale actuellement*/
Mettre jour Si+1 dans la liste T [i+1] ;
Fin si
Etat [i+1] vrai ; /*S sera une solution visite, quelle soit optimale ou pas*/
S0 Si+1 ; /* S sera la solution initiale*/
i i+1 ;
k k+1 ;
Fin pour

Retourner ( la solution optimale est : S*) ;

Fin

A. Explication du cas :
Pour ce cas il faut :
1. Initialiser lindice i par la valeur 1, car la solution initiale choisie alatoirement est S1 ;
2. On doit supposer que cette solution est la meilleure actuellement ;
3. Ajouter cette solution la liste TABOU dans T [1] ;
4. Mettre Etat [1] vrai ;
5. Dbut de la boucle, pour chaque itration on doit :
5.1 Initialiser S par Si+1 ;
5.2 Comparer S* avec S ; et en ce moment on peut observer deux cas supplmentaires, qui sont :
5.2.1 Le cas o S* S :
Remplacer la valeur de S* par la valeur de S car elle est la meilleure ;

Sauvegarder S dans la liste TABOU dans T [i+1] car TABOU est bas sur lopration de
sauvegarde des meilleures solutions aprs une comparaison entre la solution courante et la
meilleure voisine, pour dans notre cas il ya une seule solution voisine, et pour cette raison,
nous serons oblig de prendre toujours S et Si+1 pour garantir le parcours total de lespace de
recherche ;

Mettre ltat correspondant (Etat [i+1]) vrai ;

Remplacer S0 par Si+1 ;

Incrmenter la valeur i par 1 ;

Incrmenter la valeur k par 1 ;

Reboucler jusqu k = 5.

5.2.2 Le cas o S* > S :

Malgr que Sest moins meilleure que S0, mais il faut sauvegarder ltat de Si+1 par vrai ;

Forcer S0 par la valeur de S ;

Incrmenter la valeur de i et de k pour garantir le passage vers les autres solutions ;

6. Afficher la solution optimale S*.

B. Exemple:
Supposons que:

S1 = 0,5
S2 = 0,7
S3 = 0,2
S4 = 1
S5 = 0,8
S6 = 0,9
S0 S1 = 0,5

i = 1;
S* S0 = 0,5;
Mettre jour 0,5 dans T[1];
Etat [1] vrai ;

Itration 1: k = 1
S Si+1 = S2
Comparaison: S* < S2

0,5 < 0,7

S* S

oui

S* 0,7

Mettre jour 0,7 dans T [2];

Etat [2] vrai,
S0S2 = 0,7 ;
i 2;
k 2;

S0

Figure 1.1: Aprs la premire itration de S1 vers S2.

Itration 2 : k = 2
S Si+1 = S3
Comparaison: S* < S3
0,7 < 0,2
Non
Etat [2] == vrai,
S0 S3 = 0,2;
i 3;
k 3;

S0

Figure 1.2: Aprs la deuxime itration de S2 vers S3.

Itration 3: k=3
S Si+1 = S4
Comparaison: S* < S4
Mettre jour 1 dans T [4];
Etat [4] vrai,
S0 S4 = 1;
i 4;
k 4;

0,7 < 1

oui

S* S

S* 1

S0
Figure 1.3 : Aprs la troisime itration de S3 vers S4.
Itration 4 : k = 4
S Si+1 = S5
Comparaison: S* < S5

1 < 0,8

Non

Etat [5] == vrai,

S0 S5 = 0,8;
i 5;
k 5;

S0
Figure 1.4 : Aprs la quatrime itration de S4 vers S5.

Itration 5 : k = 5
S Si+1 = S6
Comparaison: S* < S6
Etat [6] vrai,
S0 S6 = 0,9;
i 6;
k 6;

1 < 0,9

Non

S0

Figure 1.5 : Aprs la cinquime itration de S5 vers S6.

Aprs les 5 itrations :
T[i]
0,5
Etat [i]
vrai

0,7
vrai

Vrai

1
vrai

vrai

vrai

Retourner ( la solution optimale est : 1) ;

1.2. Deuxime cas : S0 = S6

Figure 2 : Cas o S0 = S6.

Dans ce cas la partie quon doit excuter est :
Dbut
i = 6;
S* S0;
Mettre jour S0 la liste TABOU ;

Etat[i] vrai ;
Pour k= 1 jusqu 5 faire /* Rpter tant que le nombre ditrations est inferieur 5*/
S Si-1 ; /*La meilleure voisine est immdiatement la solution i-1*/
Si S* S alors /*Comparer la solution initiale avec la meilleure voisine rencontre*/
S* S ; /*Sest la solution optimale actuellement*/
Mettre jour Si-1 dans T [i-1] ;
Fin si

Etat [i-1] vrai ;

S0 == Si-1 ;

i i-1 ;
k k+1 ;
Fin pour

Retourner ( la solution optimale est : S*) ;

Fin
A. Explication du cas:
Pour ce cas il faut :
1. Initialiser lindice i par la valeur 6, car la solution initiale choisie alatoirement est S6 ;
2. On doit supposer que cette solution est la meilleure actuellement ;
3. Ajouter cette solution la liste TABOU dans T [6] ;
4. Mettre Etat [6] vrai ;
5. Dbut de la boucle : pour chaque itration on doit :
5.1 initialiser S par Si-1 ;
5.2 comparer S* avec S ; et en ce moment on peut observer deux cas supplmentaires qui
sont :
5.2.1 Le cas o S* S :
Remplacer la valeur de S* par la valeur de S, puisquelle est la meilleure ;

Sauvegarder Sdans la liste TABOU; nous serons oblig de prendre toujours Sest Si-1 pour
garantir le parcours total de lespace de recherche ;

Mettre leur Etat correspondant (Etat [i-1]) vrai ;

Remplacer S0 par Si-1 ;

Dcrmenter la valeur de i par 1 ;

Incrmenter la valeur de K par 1 ;

Reboucler jusqu k = 5.

5.2.2 Le cas ou S* > S :

Malgr que Sest mauvaise par rapport S0, mais il faut sauvegarder ltat de i+1 par vrai ;

Forcer S0 par la valeur de S ;

Dcrmenter la valeur de i et incrmenter de k pour garantir le passage vers les autres solutions
;

6. Afficher la solution optimale S*.

B. Exemple:
Supposons que: S1 = 0,5
S2 = 0,7
S3 = 0,2
S4 = 1
S5 = 0,8
S6 = 0,9
S0 S6 = 0,9
i = 6;
S* S0 = 0,9;

Mettre jour 0,9 dans T[6];

Etat [6] vrai ;
Itration 1 : k = 1
S Si-1 = S5
Comparaison: S* < S5

0,9 < 0,8

Non

Etat [5] vrai,

S0 S5 = 0,8 ;
i 5;
k 2;

S0

Figure 2.1 : Aprs la premire itration de S6 vers S5.

Itration 2: k = 2
S Si-1 = S4
Comparaison: S* < S4

0,8 < 1

oui

S* S

Mettre jour 1 dans T [4];

Etat [4] vrai,
S0 S4 = 1;
i 4;
k 3;

S0

Figure 2.2 : Aprs la deuxime itration de S5 vers S4.

Itration 3 : k = 3
S Si-1 = S3.
Comparaison: S* < S3
Etat [3] vrai,
S0 S3= 0,2;
i 3;
k 4;

1< 0,2

Non

S* 1

S0

Figure 2.3 : Aprs la troisime itration de S4 vers S3.

Itration 4 : k = 4
S Si-1 = S2.
Comparaison: S* < S2

1 < 0,7

Non

Etat [2] vrai,

S0 S2 = 0,7;
i 2;
k 5;

S0

Figure 2.4: Aprs la quatrime itration de S3 vers S2.

Itration 5 : k = 5
S Si+1 = S1
Comparaison: S* < S1
1 < 0,5
Non
Etat [1] vrai,
S0 S1 = 0,5;
i 1;
k 6;

S0
Figure 2.5: Aprs la cinquime itration de S5 vers S6.

Aprs les 5 itrations :

T[i]
Etat[i]
vrai

Vrai

Vrai

1
vrai

vrai

0,9
vrai

Retourner ( la solution optimale est : 1) ;

4.1.3. Troisime cas : S0 au milieu

Figure 3 : Cas o S0 au milieu.

Dans ce cas la partie quon doit excuter est :
Dbut
I0 i ;
S* S0 ;
Mettre jour S0 la liste TABOU dans T [i] ;
Etat[i] vrai ;

Si (Si-1 Si+1) alors /*Comparaison entre les deux voisins et choisie le maximum*/

Verifieversfin ();
Aspirer ();
Verifieversdebut ();
Sinon

Verifieversdebut ();
Aspirer () ;
Verifieversfin ()
Fin si

Retourner ( la solution optimale est : S*) ;

Fin
A. Explication du cas :
Pour ce cas il faut :
1. Sauvegarder lindice de la solution initiale i dans I0, car dans ce cas nous sommes oblig de
rcuprer cet indice pour faciliter le retour vers linitial lors de larrive une des deux
extrmits (1 ou 6), cest--dire lors de se positionner une des deux cas particuliers, qui sont la
fin ou le dbut de lenchainement des solutions, dans ce dernier cas on doit excuter la
procdure dAspiration.

2. On doit supposer que cette solution est la meilleure actuellement ;

3. Ajouter cette solution la liste TABOU dans T [i] ;
4. Mettre Etat [i] vrai ;
5. Faire la comparaison : Si-1 Si+1
5.1. Si positif nous serons oblig danalyser le sens de Si+1 jusqu la fin.

Figure 4 : Lenchainement de Verifieversfin ().

Aspirer : cest la procdure qui permet le retour vers la premire solution
initiale S0, pour analyser le sens inverse (le sens de Si-1).

Aspiration

Figure 5 : Schma daspiration (S6 vers S0).

5.2. Sinon nous avons analys le sens de Si-1 jusquau dbut, et appliquer la procdure
daspiration.

Figure 6 : Lenchainement de Verifieversdebut ().

Aspiration

Figure 7 : Schma daspiration (S1 vers S0).

On doit analyser maintenant le sens inverse (le sens de Si+1) pour satisfaire le
parcours total de tout lespace de recherche.

B. Exemple:
Supposons que: S1 = 0,5
S2 = 0,7
S3 = 0,2
S4 = 1
S5 = 0,8
S6 = 0,9
S0 S4 = 1.
i = 4;
I0 i = 4;
S* S4 =1 ;
Mettre jour 1 dans T [4];
Etat [4] vrai ;
Comparaison : S3 S5
0,2 0,8

oui

Verifieversfin ()

S0

Figure 8.1: Aprs la premire itration de S4 vers S5.

Figure 8.2: Aprs la deuxime itration de S5 vers S6.

Excuter la procdure daspiration
Aprs lexcution de laspiration on : i I0
i4;
Excuter la procdure de Verifieversdebut () ;

S0

Figure 8.3: Aprs la troisime itration de S4 vers S3.

S0

Figure 8.4 : Aprs la quatrime itration de S3 vers S2.

S0
Figure 8.5: Aprs la cinquime itration de S2 vers S1.
Aprs les 5 itrations :
T[i]
Etat[i]

Vrai

Vrai

vrai

Retourner ( la solution optimale est : 1) ;

1
vrai

vrai

Vrai

Liste des Tableaux

Tableau 1 : Les diffrentes gnrations des rseaux radio mobiles .................................................................. 6

Tableau 2 : Tableau rcapitulatif des diffrents types de cellules. ......................................................................... 14
Tableau 3 : Exemple de type Interaction sans communication ........................................................................70
Tableau 4: Dictionnaire des attributs ............................................................................................................86
Tableau 5: Dictionnaire des relations ............................................................................................................87
Tableau 6: Comparaison entre les distances de couverture des cellules ............................................................90
Tableau 7: Pertes apportes par les diffrents matriaux de construction..........................................................90

Glossaire

GSM : Global System for Mobile communications

PAF : Problme dAllocation de Frquence
SIM : Subscriber Identity Module
BTS

: Base Transceiver Station)

BSC : Base Station Controller)

MSC : Mobile Switching Centre
HLR : Home Location Register
VLR : Visitor Location Register
AUC : Authentication Centre
OMC : Operation and Maintenance Centre
RO

: Recherche Oprationnelle

SIG : Systmes dInformations Gographiques

XML : EXtended Markup Language
OWL : Ontology Web Language
SMA : Systmes Multi Agents