| Titre : |
Les architectures parallèles embarquées dédiées à l’accélération des algorithmes évolutionnaires : application à la conception d’un système dédié à l’agriculture de précision |
| Type de document : |
document électronique |
| Auteurs : |
Soumaya Ferhat-Taleb, Auteur ; Nour El Houda Benalia, Directeur de thèse |
| Editeur : |
[S.l.] : [s.n.] |
| Année de publication : |
2025 |
| Importance : |
1 fichier PDF (10.4 Mo) |
| Présentation : |
ill. |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Thèse de Doctorat : Electronique : Alger, Ecole Nationale Polytechnique : 2025
Bibliogr. p. 193 - 223 |
| Langues : |
Français (fre) |
| Mots-clés : |
Agriculture de précision
Réseaux de capteurs sans fil
Algorithmes évolutionnaires
Optimisation
Multi-objectifs
Apprentissage automatique
Accélération
Déploiement de nœuds |
| Index. décimale : |
D001425 |
| Résumé : |
L’agriculture moderne est confrontée à de nombreux défis liés à la croissance rapide de la population et à la pénurie des ressources naturelles, notamment l’eau. L’agriculture de précision s’impose alors comme une solution prometteuse intégrant des technologies avancées pour améliorer les rendements et préserver les ressources. Parmi ces technologies, les réseaux de capteurs sans fil (WSN) jouent un rôle essentiel dans la surveillance des sols. Dans cette thèse, nous avons proposé un outil d’aide au déploiement optimal des nœuds dans un WSN destiné à une application agricole de surveillance du sol.
Dans la première partie, un modèle mathématique a été développé en intégrant plusieurs contraintes : coût, couverture, connectivité, sur-couverture, et une nouvelle contrainte de distance entre les nœuds. Dans la deuxième partie, nous avons appliqué des algorithmes évolutionnaires multi-objectifs (MOEAs) tels que NSGA-II et SPEA-II, qui ont montré de bonnes performances, bien que ralentis pour de grandes surfaces.
Ainsi, dans la troisième partie, nous avons proposé une hybridation logicielle du SPEA-II avec des algorithmes de régression issus de l’apprentissage automatique (MLP, KNN, DT, RF), ce qui a permis une réduction de 66 % du temps d’exécution. Une accélération matérielle via GPU a permis un gain supplémentaire de 28 %. |
Les architectures parallèles embarquées dédiées à l’accélération des algorithmes évolutionnaires : application à la conception d’un système dédié à l’agriculture de précision [document électronique] / Soumaya Ferhat-Taleb, Auteur ; Nour El Houda Benalia, Directeur de thèse . - [S.l.] : [s.n.], 2025 . - 1 fichier PDF (10.4 Mo) : ill. Mode d'accès : accès au texte intégral par intranet.
Thèse de Doctorat : Electronique : Alger, Ecole Nationale Polytechnique : 2025
Bibliogr. p. 193 - 223 Langues : Français ( fre)
| Mots-clés : |
Agriculture de précision
Réseaux de capteurs sans fil
Algorithmes évolutionnaires
Optimisation
Multi-objectifs
Apprentissage automatique
Accélération
Déploiement de nœuds |
| Index. décimale : |
D001425 |
| Résumé : |
L’agriculture moderne est confrontée à de nombreux défis liés à la croissance rapide de la population et à la pénurie des ressources naturelles, notamment l’eau. L’agriculture de précision s’impose alors comme une solution prometteuse intégrant des technologies avancées pour améliorer les rendements et préserver les ressources. Parmi ces technologies, les réseaux de capteurs sans fil (WSN) jouent un rôle essentiel dans la surveillance des sols. Dans cette thèse, nous avons proposé un outil d’aide au déploiement optimal des nœuds dans un WSN destiné à une application agricole de surveillance du sol.
Dans la première partie, un modèle mathématique a été développé en intégrant plusieurs contraintes : coût, couverture, connectivité, sur-couverture, et une nouvelle contrainte de distance entre les nœuds. Dans la deuxième partie, nous avons appliqué des algorithmes évolutionnaires multi-objectifs (MOEAs) tels que NSGA-II et SPEA-II, qui ont montré de bonnes performances, bien que ralentis pour de grandes surfaces.
Ainsi, dans la troisième partie, nous avons proposé une hybridation logicielle du SPEA-II avec des algorithmes de régression issus de l’apprentissage automatique (MLP, KNN, DT, RF), ce qui a permis une réduction de 66 % du temps d’exécution. Une accélération matérielle via GPU a permis un gain supplémentaire de 28 %. |
|
D000100 
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheLes architectures parallèles embarquées dédiées à l’accélération des algorithmes évolutionnaires (2025)
