Amina MADDOURI soutient sa thèse de doctorat le jeudi 17 décembre 2020 : « Vers des systèmes multi-agents auto-adaptatifs et coopératifs pour les applications d’assistance ambiantes »

/, Evénements, Recherche, Soutenance de thèse/Amina MADDOURI soutient sa thèse de doctorat le jeudi 17 décembre 2020 : « Vers des systèmes multi-agents auto-adaptatifs et coopératifs pour les applications d’assistance ambiantes »

Amina MADDOURI soutient sa thèse de doctorat le jeudi 17 décembre 2020 : « Vers des systèmes multi-agents auto-adaptatifs et coopératifs pour les applications d’assistance ambiantes »

Amina MADDOURI soutient sa thèse de doctorat le jeudi 17 décembre 2020 à 14 h. La soutenance est publique et retransmise via Collaborate.

Titre : Vers des systèmes multi-agents autoadaptatifs et coopératifs pour les applications d’assistance ambiantes

Résumé :

Nos recherches portent sur les systèmes multi-agents (SMA) adaptatifs en environnement ouvert doté d’Objets Connectés (OC). Nous nous intéressons à un contexte ouvert, dynamique et instable dans lequel les agents doivent coopérer de manière dynamique. En effet, comme l’environnement est dynamique, en raison de la disponibilité ou du manque des OC et de la diversité des situations, les mécanismes de coopération entre les objets connectés doivent être conçus de manière dynamique et adaptative. L’adaptation prend en considération le contexte de la personne (personnes âgées ou dépendantes) ainsi que les protocoles d’interaction multi-agents existants.

L’objectif de ce travail est de proposer une contribution à l’automatisation de la conception et du déploiement de SMA adaptatifs pour les applications d’assistance ambiante. Nous proposons une nouvelle approche pour la génération automatique d’un SMA adaptatif pour les applications d’assistance ambiante (GAAMAAA). Cette approche se focalise sur la conception et la mise en œuvre d’une ontologie de protocoles d’interaction (PrOnto) et sur les étapes de création du SMA.

Pour cela, GAAMAAA propose une architecture en trois couches. Une ontologie du domaine de l’Assistance Ambiante (AA) et notre ontologie de protocoles PrOnto servent de bases de connaissance pour créer les agents du SMA (couche Ontologie). Un modèle d’exécution des protocoles permet aux agents de prendre part à l’interaction de manière dynamique (couche Configuration). Notre approche est validée sur un scénario de localisation d’un robot, avec deux protocoles d’interaction, parmi les plus utilisés, les réseaux contractuels et les coalitions (couche Application). L’évaluation, basée sur une méthode d’analyse de sensibilité, a permis de caractériser les performances effectives des protocoles d’interaction en fonction des situations. Ces premiers résultats sont prometteurs quant au développement de SMA adaptatifs pour les applications d’assistance ambiante.

Composition du jury de thèse

Membre du jury Titre Lieu d’exercice Fonction dans le jury
Samir OTMANE Professeur des Universités Université d’Évry, Université Paris-Saclay Directeur de thèse
Chantal  TACONET Maître de Conférences Télécom SudParis Examinatrice
Salima  HASSAS Professeure des Universités Université Claude Bernard Lyon 1 Examinatrice
Jalel AKAÏCHI Professeur des Universités Université de Tunis Co-Directeur de thèse
Meritxell  VINYALS Ingénieur de Recherche Institut CEA LIST/Université Paris-Saclay Examinateur
Abderrazak  JEMAI Professeur des Universités Université de Carthage Rapporteur
Amel  BOUZEGHOUB Professeure des Universités Télécom SudParis Rapporteure
Nadia  ABCHICHE-MIMOUNI Maître de Conférences Université d’Évry, Université Paris-Saclay Co-encadrante
  • Date : jeudi 17/12/2020, 14 h 00
  • Soutenance publique via Collaborate
  • Doctorante : Amina MADDOURI, IBISC équipe IRA2
  • Direction de thèse : Samir OTMANE (PR Univ. Évry, IBISC équipe IRA2)
  • Co-Direction de thèse : Jalel AKAÏCHI (PR Univ. Tunis)
  • Co-encadrement : Nadia  ABCHICHE-MIMOUNI (MCF Univ. Évry, IBISC équipe IRA2)
2021-05-03T08:59:45+00:00 décembre 16th, 2020|Equipe IRA2, Evénements, Recherche, Soutenance de thèse|0 Commentaires
WP to LinkedIn Auto Publish Powered By : XYZScripts.com