CSP sur les flux

Sujet de thèse
CSP sur les flux de données
Arnaud Lallouet
Contexte : Les flux de données sont présents dans de nombreux systèmes : réseaux de capteurs,
flux de données physiques, astronomiques, musicales, boursières, flux XML. Dans cette thèse, nous
allons nous intéresser aux problèmes de décision et d’optimisation inmpliquant des flux de données.
Le modèle de décision choisi est celui des CSP (Problèmes de Satisfaction de Contraintes).
Ces problèmes peuvent être abordés sous de nombreux angles, notamment celui des problèmes
on-line où une décision doit être prise en temps réel. On se trouve alors confronté à une succession
de problèmes de décision séquentielle mais dans laquelle une décision prise à un instant peut influer
sur l’éventail des possibilités encore disponibles dans le futur. Cette approche est particulièrement
importante en pratique mais la plupart des approches imposent un très grand recalcul qui nuit à
l’aspect on-line [5].
Récemment une approche nouvelle a été proposée : celle de voir un QCSP comme l’approximation d’un problème on-line [3]. Un QCSP est un problème de contraintes dans lequel certaines
variables sont quantifiées universellement. Le problème doit avoir une solution quelles que soient
les valeurs de ces variables non contrôlées par le décideur. Cette incontrôlabilité sert par exemple
à modéliser un adversaire ou l’incertitude liée à l’environnement. C’est ce dernier cas qui nous
intéresse pour les problèmes on-line. Le Greyc possède une grande expertise dans ce domaine
qui sera mise à contribution [1]. Les méthodes de résolutions adaptées à ce cadre ne sont pas
éloignées de la programmation par contraintes stochastique [6], ce qui permettra de combiner les
deux approches.
Une autre approche consiste à travailler directement sur la donnée ”flux” et d’en chercher une
représentation qui satisfasse les contraintes. Comme les flux sont des objets infinis, on ne pourra
résoudre les problèmes que dans l’ensemble de ceux qui sont représentable de manière finie. Un
moyen de faire est de représenter un flux par un automate de mot infini [4]. Le problème est alors
celui de la synthèse de système à partir d’une spécification logique [2]. Nous pouvons proposer
une nouvelle approche basée sur la propagation et l’ennumération afin d’essayer de résoudre des
cas pratiques. Dans un second temps sera abordé le problème de la synthèse de système interactif, les contraintes donnant une spécification partielle du problème. L’objet construit sera alors
intermédiaire, contenant une partie du schéma de décision, le reste étant à établir dynamiquement.
Projet : Le but de ce projet est d’étudier les aspects théoriques et pratiques permettant la
résolution de contraintes sur les flux de données. Il conviendra en particulier de :
• proposer un langage de contraintes qui soit suffisamment général pour permettre l’expression
de problèmes.
• proposer une technique de résolution de telles contraintes
• illustrer par des applications
contact : [email protected]
References
[1] Marco Benedetti, Arnaud Lallouet, and Jérémie Vautard. QCSP Made Practical by Virtue of Restricted Quantification. In Manuela Veloso, editor, International Joint Conference on Artificial Intelligence, pages 38–43, Hyderabad, India, January 6-12 2007. AAAI Press.
[2] Amir Pnueli and Roni Rosner. On the synthesis of a reactive module. In POPL, pages 179–190, 1989.
[3] David Stynes and Kenneth N. Brown. Realtime online solving of quantified csps. In Ian P. Gent,
editor, CP, volume 5732 of Lecture Notes in Computer Science, pages 771–786. Springer, 2009.
[4] Wolfgang Thomas. Automata on infinite objects. In Handbook of Theoretical Computer Science,
Volume B: Formal Models and Sematics (B), pages 133–192. 1990.
[5] Gérard Verfaillie and Narendra Jussien. Dynamic constraint solving, 2003. CP’2003 Tutorial.
[6] Toby Walsh. Stochastic constraint programming. In Frank van Harmelen, editor, ECAI, pages 111–115.
IOS Press, 2002.
2