Graceful Degradation and Speculation for Robots in Highly Dynamic Environments
Dégradation progressive et spéculation pour les robots dans des environnements hautement dynamiques
Résumé
Distributed systems are systems composed of multiple communicant processes cooperating
to solve a common task. This is a generic model for numerous real systems as wired or mobile
networks, shared-memory multiprocessor systems, and so on. From an algorithmic point of view,
it is well-known that strong assumptions (as asynchronism or mobility) on such systems lead often
to impossibility results or high lower bounds on complexity. In this thesis, we study algorithms
that adapt themselves to their environment (i.e., the union of all assumptions on the system)
by focusing on the two following approaches. Graceful degradation circumvents impossibility
results by degrading the properties offered by the algorithm as the environment becomes stronger.
Speculation allows to bypass high lower bounds on complexity by optimizing the algorithm only
on more probable environments.
Robot networks are a particular case of distributed systems where processes are endowed with
sensors and able to move from a location to another. We consider dynamic environments in which
this ability may evolve with time. This thesis answers positively to the open question whether
it is possible and attractive to apply gracefully degrading and speculative approaches to robot
networks in dynamic environments. This answer is obtained through contributions on gracefully
degrading gathering (where all robots have to meet on the same location in finite time) and on
speculative perpetual exploration (where robots must visit infinitely often each location).
Les systèmes distribués sont des systèmes composés de plusieurs processus communiquants
et coopérants ensemble pour résoudre des tâches communes. C’est un modèle générique pour de
nombreux systèmes réels comme les réseaux sans fil ou mobiles, les systèmes multiprocesseurs
à mémoire partagée, etc. D’un point de vue algorithmique, il est reconnu que de fortes hypothèses (comme l’asynchronisme ou la mobilité) sur de tels systèmes mènent souvent à des
résultats d’impossibilité ou à de fortes bornes inférieures sur les complexités. Dans cette thèse,
nous étudions des algorithmes qui s’auto-adaptent à leur environnement (i.e., l’union de toutes
les hypothèses sur le système) en se concentrant sur les deux approches suivantes. La dégradation progressive contourne les résultats d’impossibilité en dégradant les propriétés offertes par
l’algorithme lorsque l’environnement devient fort. La spéculation contourne les bornes inférieures
élevées sur les complexités en optimisant l’algorithme seulement sur les environnements les plus
probables.
Les réseaux de robots représentent un cas particulier des systèmes distribués où les processus,
dotés de capteurs, sont capables de bouger d’une localisation à une autre. Nous considérons des
environnements dynamiques dans lesquels cette capacité peut évoluer avec le temps. Cette thèse
répond positivement à la question ouverte de savoir s’il est possible et bénéfique d’appliquer
les approches progressivement dégradante et spéculative aux réseaux de robots dans des environnements dynamiques. Cette réponse est obtenue en étudiant le rassemblement (où tous les
robots doivent se retrouver à la même localisation en temps fini) progressivement dégradant et
l’exploration perpétuelle (où les robots doivent visiter infiniment souvent chaque localisation)
spéculative.
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...