Soutenance de Pablo De Villeros

Avec le développement de l’informatique distribuée et des réseaux à grande échelle au cours de la dernière décennie, l’optimisation distribuée basée sur le consensus est devenue un sujet très actif dans l’ingénierie de contrôle en raison de son application dans l’allocation des ressources, les réseaux intelligents, les réseaux de capteurs et l’apprentissage automatique. En outre, dans certaines applications de coordination des mouvements, plusieurs agents physiques doivent établir une formation spécifique autour d’un emplacement optimal pour l’ensemble de la flotte. Il s’agit d’un cas plus général de consensus, où la position finale de chaque agent est décalée par rapport à une configuration souhaitée.

On trouve des applications du contrôle de formation dans les domaines de l’automobile et de l’aérospatial, allant de
l’assemblage de structures à l’exploration d’environnements inconnus, en passant par la navigation dans des environnements hostiles et le transport coopératif. Cependant, la plupart des algorithmes d’optimisation distribués ne présentent pas toujours un taux de convergence raisonnable.

Cette thèse vise à concevoir de nouveaux algorithmes d’optimisation distribuée en utilisant un formalisme de système multi-agents (c’est-à-dire une approche basée sur le consensus) tout en considérant le temps comme une contrainte forte. En particulier, les algorithmes de ce travail sont développés dans le cadre d’une convergence à temps fixe avec une limite supérieure arbitraire du temps d’établissement et ont été prouvés comme étant robustes aux problèmes de communication entre les agents et aux perturbations externes. Plusieurs simulations sont effectuées pour comparer les algorithmes proposés avec les schémas existants et évaluer leur applicabilité à l’estimation de la source et à l’apprentissage collaboratif.

• M. Constantin Morarescu. PR. U. de LORRAINE, France.
• M. Emmanuel Nuño Ortega. PR. UDG, Mexique.

• Mme. Federica Garin. CR. INRIA, , France.
• M. Jorge Rivera Domínguez. PR. CINVESTAV, Mexique.
• M. José Javier Ruiz León. PR. CINVESTAV, Mexique .

• M. Michael Defoort. PR UPHF, France.
• M. Alexandre Loukianov. PR. CINVESTAV, Mexique.

• M. Mohamed Djemai. PR. UPHF, France.