N dordre : 145 N bibliothque : 00ENSL0145

ECOLE NORMALE SUPERIEURE DE LYON Laboratoire de lInformatique du Paralllisme

THESE pour obtenir le grade de Docteur de lEcole normale suprieure de Lyon Spcialit : Informatique au titre de lcole doctorale de mathmatiques et informatique fondamentale prsente et soutenue publiquement le 21 janvier 2000 par M. Nicolas SCHABANEL

Algorithmes dapproximation pour les tlcommunications sans l : Ordonnancement pour la dissmination de donnes et Allocation statique de frquences
Aprs avis de : Monsieur Michel H ABIB Monsieur Phillipe JACQUET Monsieur Sanjeev K HANNA Devant la commission dexamen forme de : Monsieur Michel H ABIB Monsieur Phillipe JACQUET Madame Claire K ENYON (directrice de thse) Monsieur Sanjeev K HANNA Monsieur Yves ROBERT (prsident du jury) Monsieur Stphane U BDA (co-directeur de thse)
 # $

sein

l e Sup

rieure d
% ! " & ' (

du La
4 2 3

boratoir

e Ly

on, au
, + ) *

<

lEcole No

a rm


ed e
= > ? @

lInformat

is arall l

ique du P

me.
W V U T

Th se p

rpare

Remerciements
X

'

&

>

"

<

gique que poss dago ible. ument aussi p

2 3 5 6 0 / 9 4 . , < 7 1 8 > * + : ; ; ) ( = ' ? % & @ " $ ! #

>

<

<

>

to ar Neal Young, Id like n a nt re ti o ou a lo t about approxima lectu e r p Je my om ssi recious co mments on e welc ca a c i gain fo r your very n
y x w X v u Y t s r Z p q \ [ o ] n a m ^ l _ j k ` i e h g f b c d

th ou or y lg ank yo ori u very much f n and ea thm s er zatio an at Dar s and randomi ey hav dh tmouth llege ; th Co elp in Han over.

r art m ve to D h c n o ry k lly re ge ind invitatio resear ing ne the a ch l l owe rally about tea d me to improve my

Cla ire K oi enyon o r , mes rais b v i se ur ec de en voul t a th ab lap nom u diriger m (don r. breuses s l ir pr e e n eu person nt l es rch vr issage du mtier de che itabl r. es prior its du mtie
X B A D W C / V
E U F I S T  G J  . H R L Q N P O K M , +    * )  ' (   &  %  $  " # $ "  !       # %  &  ' ( , ) + * 0 C A ? B . @ 5 / 3 8 < 4 > D 1 6 7 = ; 2 9 :

, je da b U m ane n ls s Stph sei jour c l dyna n o c m u e s e isme et t to ts . s i n pas dust riels ne sont
T S P Q O R N M L K ) I J G H E F ( ' & % $
# " !                    

'

&

"

ur po par r s e ci out ve on ouha mer un t t ite te re tiens t peu s fo idi Je elle rec rt utiles. tionnell s mais qu e
H G F E D j i C B h A g A @ f e ? d > c b a = ` < ; : _ ^ ] 9 8 \ [ 7 6 Z 5 Y 4 X W 3 V 2 1 U 0 / . , + *

ns et de t i er s fc N ea urtou emercier, sont di vec td Je l Y s a tie oung e mavoir encadr rali ns ) qui e d ch s i mont perm aus pro si t p a e dire combien ton

t rapporter sur ce lourd docu re e ment, riche

em av nd t i oi r e m eu ctio nt culi pris la codire rcier d ur p e r c o o nsi ement te rem nge p ster a en un rel ch

arques et rsultats col tc s rem latrau de nombreuse x qui, je lespre, renden

cept , Philippe Jacquet, e ci galement mes troi oir ac Habib t Sanje nd mer s rappo dav l a e r a g h n c i n n ev Kha rteurs M U
j o g l n k f i h q e d m c a p b w u r ` s _ ^ t x  v \ 
z { s

s du

dpart de Claire, au sein chance d e d t r e o t u o i eu la n ver le n qui pe, dans laquelle ja dynamisme, les encourageme
v Y o
{    } y     z   | ~ 

obert Yves R
a ^ ` _ \ ] [ Z

te e jury de ma accueil , je souhai te remercier p sider l thse, avoir our avoir bien voulu pr et surtout pour m es moyens qu travaux. e mes i ont p )) et l ermis la ralisation d rfois acerbes ;j h k m l n g c f o e q d i u s p r w b t x

li lor

le me u nt ns e ns n u e ti e e r des ouci s mrables. J nent ; l d cie a p e lo progr ntique perm ur le t s si rg nt s a a n isati gnicatifs ta ation on et de ladministr

ts (pa e doc

de li

t o e ut v n d da an suit abord ep te remercier act a d r aff es co our mavoir is en cont ue s m nn ra q t a s t i i s a c s h i ssan ances et des rsult ider a te et b nque pour m

o .T a ire ve a th Cla s a er s v e o au ion uv art de qu ir dm dp es relat rs o u l e l on ontr que aborate trouve des coll

m le o y ave pr uth C o ollege, where I h ul for nd tec cess. I am also very gratef ou a h n i ques ky . Id also like to than

'

"

&

qu c e ux q
) ( . / *

>

<

>

<

ur r po r a s i m dinal c d mer t pou rs m tier, t e tendres e at out particuliremen dossi hs s r e e puis v celles des di

'

&

"

>

<

o se un s l Anne, je tadres e ec s es con as d on de l a t t r a e i ntes l acti trang er ou que la rd

; : 9 8 7 * 6 / 5 4 1 + , 0  . 3 2               

Un
g f

pl t

dou x me rci ma toute r e in mb stalla tion de sa cha

z y h k x i w j l v p n q t u s m o r

p e a etite J nv va nt uliette davoir bie pe de p n ointer le bout de so

o u tit lue at h at te n e z h ndre la n de m ama ors d u ventre de sa m

  
  

aitais, tout en me soutenant ds que j uh

qu ssi remercier mes pare , pour mavoir laiss li tudes e j les n iq u e nts, Fr bre de drais au poursuivre anois et Mo Je vou

en avais besoin.

"

&

'

n,

o I (tout particulireme hane B uc ussi remercier les membr Stp nt Jr du LR haite a es de l my Barbay, Je sou quipe Algo tgr. nti in is toujours se
" # !    $   %       
|   x w v u t O N { z y P M  s L ~ } r Q     q R K   p S T J T  o U G n I V m H W X F l Y * +

oyer) pour les dis c u a s v s s o i u n o o n s n s e e u c M az u onstru es sur ctives et richissantes q la recherche et lenseignement d en

J du LIP (tout particuli rme et ac alement remercier les m M C2 Delo rement drais g embres Je vou Marianne de lquipe lENS Lyon. sses ces annes pa
G # " ! F & E  D   C H A I  $ J
% B '  ? @ +  ,  1   >   3 =   :  0 7 <  v u 5 t w s ; x   y r 2 9  z q 8 { p | o 4  n } m ~ 6 l   k j i h g f O e d c b a a ` _ S P ^ ] V \ U Q [ Z Y R X W T S

ue j

aurais

ur

z erovni , Afonso Ferreira, L ent Fabien Feschet po Jane abilit galem i a ur son t i t v e a c r r e , N e s arayanan extrme M t e o w l , c o e J e m c o s i e a n n and in Ann a th r very apolis Harol r chapitre de m d Kaplan for you during summer 1995, e t
 6 5   : 9 8 7 4   ; < 3  = >   ? 2  @ 1   A 0 B / C  
 E D . 

p re

endan ( ons p , je te remercie davoir as ogique ;-)) lors de nos odinca ychol cussi sur le s T n s p o i n m t d a n b e s o i r t e e sou us I
a  @ @ ` _   A ^ ?   : =  <    ]  ; c \  7 Z C b [ 8  ! >  5    Y d 6  B Y "  G D X 4 9  3
 E U W 2 T F V 1 J 0 ( & . # / $ $ ) % + , ' *

te s

ts de omen e pouse Stphanie, po ur ces s rmant es m a u h s q d c i t n a t t a o y i mp A et recherche et . r u a l e h r rc sur no su tre futur mtier de che s de rexion
f  

p u oubl Boug po e u r mav ed oir encadr en stag

David Gross, et Sophie Laplan sourire chacune de m te) qu m i mont accueilli avec le es visites au LRI, si bien que je

pour avoir leurs collaborations frutuctueu r Derrey ses, relu s ans vaciller lintroduction et le p mon beau-pre Michel

uve douloureuse de la r d a c t i o n de m a thse.

sur nos planches voile M i ri

t auss i p a r p o tole. usemen bel (p ..), mais aussi pour ces autres m ar baston et malheure
4
. 2 & 3 0 ( / * + , 1

trs nombreux seeff, de merci r Elis

          !     $     % " # ) '

>

<

e dt n

)b n av op r t ( vo oir sup port sans iqu du m ir s abr l occ i courageusement f au-de t upai ent trs largemen

ment
emie

t l
e f g

k po

Luc

ie D r. . E. A.,

ainsi

ques
L M N

urant

&

hero
' ( )

y su

e so

n.

e ro ar ai n t et m o ch t re er et contre vents ue j pe p nt q t l e in t ite Juliette penda emps .

s e , mo n ret

our Lyon et la
m co

A Anne, A Juliette

Table des matires

Introduction
Dissmination de donnes en environnements asymtriques . . . Un petit historique . . . . . . . . . . . . . . . . . . . . . Domaines dtude . . . . . . . . . . . . . . . . . . . . . . Un problme dordonnancement gnrique . . . . . . . . . Etat de lart . . . . . . . . . . . . . . . . . . . . . . . . . Notre contribution pour la dissmination de donnes . . . Organisation de la premire partie du document . . . . . . Allocation statique de frquences dans les rseaux cellulaires . . La problmatique . . . . . . . . . . . . . . . . . . . . . . Modle(s) . . . . . . . . . . . . . . . . . . . . . . . . . . Etat de lart . . . . . . . . . . . . . . . . . . . . . . . . . Notre contribution pour lallocation statique de frquences Organisation du document . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
5 5 7 9 9 12 13 14 14 16 18 20 20

I Ordonnancement pour la dissmination de donnes

1 Ordonnancer la dissmination de donnes 1.1 Dnition du modle et notations . . . . . . . . . . . . . . 1.1.1 Contexte . . . . . . . . . . . . . . . . . . . . . . 1.1.2 Le modle et les notations . . . . . . . . . . . . . 1.1.3 Expression algbrique du cot . . . . . . . . . . . 1.1.4 Renversement du temps . . . . . . . . . . . . . . 1.2 Travaux antrieurs . . . . . . . . . . . . . . . . . . . . . . 1.2.1 Un minorant sur le cot des ordonnancements . . . 1.2.2  -duret . . . . . . . . . . . . . . . . . . . . . 1.2.3 Existence dun optimal priodique . . . . . . . . . 1.2.4 Algorithmes dapproximation un facteur constant 1.3 Notre contribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21
23 23 23 25 27 30 34 35 40 40 44 54

TABLE

DES

MATIRES

1.3.1 1.3.2 1.3.3

Dissminer des messages de longueurs diffrentes . . . . . . . . . Dissminer des messages avec premption . . . . . . . . . . . . . Un schma dapproximation pour la dissmination de messages de longueurs uniformes . . . . . . . . . . . . . . . . . . . . . . . . .

55 56 56 59 59 65 65 66 69 69 75 77 77 78 83 83 87 94 97 99 99 103 103 104 105 113 115 116 116 121 121 123 125 126 134 140

Dissmination de messages de longueurs non-uniformes Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Rductions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 Densit des ordonnancements priodiques . . . . . . . . . . . 2.1.2 Borner la priode dmission . . . . . . . . . . . . . . . . . . 2.2 Minorer le cot dun ordonnancement optimal . . . . . . . . . . . . . 2.2.1 Extension naturelle du minorant dAmmar et Wong . . . . . . 2.2.2 Un minorant dle pour la dissmination sur un canal . . . . . 2.3 Autour de loptimalit . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1  -duret . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.2 Existence dun ordonnancement optimal ? . . . . . . . . . . 2.4 Approximations dun facteur constant sur un canal . . . . . . . . . . 2.4.1 Approximation randomise . . . . . . . . . . . . . . . . . . . 2.4.2 Approximation dterministe et priodique . . . . . . . . . . . Conclusions et Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . Annexe : Analyse des frquences des messages dans lalgorithme randomis

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

Dissmination de messages de longueurs non-uniformes avec premption Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Dnition du modle et rsultats prliminaires . . . . . . . . . . . . . . 3.1.1 Le modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Une observation cruciale . . . . . . . . . . . . . . . . . . . . . 3.1.3 Expression du cot et rversibilit . . . . . . . . . . . . . . . . 3.1.4 Rductions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Minorer le cot optimal . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Un premier minorant . . . . . . . . . . . . . . . . . . . . . . . 3.2.2 Un minorant ralisable . . . . . . . . . . . . . . . . . . . . . . 3.3 A propos de loptimal . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.1  -duret . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.2 Existence dordonnancements optimaux priodiques . . . . . . 3.4 Approximations un facteur constant . . . . . . . . . . . . . . . . . . 3.4.1 Ordonnancer sur un canal . . . . . . . . . . . . . . . . . . . . 3.4.2 Dissmination sur plusieurs canaux . . . . . . . . . . . . . . . Conclusions et Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

ii

TABLE

DES

MATIRES

4 Un schma dapproximation pour le cas des longueurs uniformes Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 Prsentation gnrale . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Ordonnancer des groupes de messages . . . . . . . . . . . . . . . . 4.2.1 Ordonnancements groupes-cycliques . . . . . . . . . . . . 4.2.2 Approximation groupes-cyclique . . . . . . . . . . . . . . . 4.2.3 Drandomisation . . . . . . . . . . . . . . . . . . . . . . . 4.3 Ordonnancer des grands groupes et un nombre constant de messages 4.3.1 Frquences de diffusion . . . . . . . . . . . . . . . . . . . 4.3.2 Borner la priode dun ordonnancement quasi-optimal de A 4.3.3 Ordonnancer dans des emplacements rservs . . . . . . . . 4.3.4 Un ordonnancement quasi-optimal . . . . . . . . . . . . . . 4.4 Le cas de messages de contribution ngligeable . . . . . . . . . . . 4.5 Un schma dapproximation quadratique . . . . . . . . . . . . . . . 4.5.1 Arrondir et partitionner . . . . . . . . . . . . . . . . . . . . 4.5.2 Le schma . . . . . . . . . . . . . . . . . . . . . . . . . . Conclusions et Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . 5 Rsolution des problmes de minimisation dnissant nos minorants Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 Rsolution du problme relax . . . . . . . . . . . . . . . . . . . 5.1.1 Expression algbrique . . . . . . . . . . . . . . . . . . . 5.1.2 Rsolution numrique du problme . . . . . . . . . . . . 5.2 Rsolution du problme fort . . . . . . . . . . . . . . . . . . . . Conclusions et perspectives . . . . . . . . . . . . . . . . . . . . . . . . Conclusions et perspectives Bibliographie pour la dissmination de donnes Index pour la dissmination de donnes Index des citations de la dissmination de donnes

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

143 143 144 146 146 147 149 156 156 158 163 166 170 171 171 177 178 181 181 182 183 184 185 187 189 191 197 201

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

II Allocation statique de frquences

203

6 Allocation statique de frquences sur la grille triangulaire 205 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 La problmatique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 Dnition du modle tudi dans ce chapitre . . . . . . . . . . . . . . . . . 207

iii

TABLE

DES

MATIRES

6.1

6.2 6.3 6.4

Un premier exemple : Multi-coloriage optimal des graphes bipartis Plan du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . Prliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.1 Coloriage Rouge-Vert-Bleu et emprunt de frquences . . . 6.1.2 Un premier exemple :  et !#"$&% . . . . . . . . . . . . . 6.1.3 Expression de la plage maximale des cliques de Algorithme dapproximation pour  . . . . . . . . . . . . . Extension au cas o   &' . . . . . . . . . . . . . . . . . . . . . Algorithme dapproximation pour le cas o )(*% . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

209 210 210 210 211 212 213 219 221 222 223 227 229

Conclusions et perspectives Bibliographie pour lallocation de frquences Index pour lallocation de frquences Index des citations de lallocation de frquences

iv

Table des Algorithmes

1.1 1.2 1.3 1.4 2.1 2.2 2.3 3.1 3.2 3.3 3.4 3.5 3.6 4.1 4.2 4.3 4.4 4.5 5.1 6.1 6.2 Calcul de la solution du minorant +,.-/102" . . . . . . . . . . . . . . . . Algorithme randomis de dissmination sur un canal . . . . . . . . . . . Algorithme glouton de dissmination sur un canal . . . . . . . . . . . . . Algorithme dapproximation bas sur le nombre dor . . . . . . . . . . . Approximation randomise pour la dissmination sur un canal . . . . . . Approximation gloutonne pour la dissmination sur un canal . . . . . . . Approximation dterministe et priodique sur un canal . . . . . . . . . . Approximation randomise pour la dissmination premptive sur un canal Algorithme glouton de dissmination premptive sur un canal . . . . . . Approximation dterministe et priodique sur un canal . . . . . . . . . . canaux . . . . . Approximation randomise pour la dissmination sur 3 Algorithme glouton de dissmination premptive sur 3 canaux . . . . . Approximation dterministe et priodique sur 3 canaux . . . . . . . . . Approximation groupes-cyclique randomise sur un canal . . . . . . . . . Approximation groupes-cyclique gloutonne sur un canal . . . . . . . . . Approximation groupes-cyclique priodique sur un canal . . . . . . . . . Ordonnancer les messages de 4 et 5 . . . . . . . . . . . . . . . . . . . . Le schma dapproximation polynomial . . . . . . . . . . . . . . . . . . Calcul de la solution du problme de minimisation (5.1), [BNBNS98] . . Algorithme dallocation de frquences pour la contrainte co-site    . Algorithme dallocation de frquences pour la contrainte co-site &' . . . . . . . . . . . . . . . . . . . . . . 40 45 49 53 83 88 92 127 129 132 136 138 139 148 150 154 167 177 186 217 220

Introduction

Les tlcommunications sans l sont de nos jours au centre des moyens de communication et sont appeles se dvelopper dans les annes venir. Le dveloppement des rseaux sans l a, bien entendu, permis la prolifration des tlphones mobiles avec la libert1 quils procurent. Mais ces rseaux ont galement rvolutionn la faon de diffuser linformation, tout simplement car ils sont capables de servir la mme information, en masse, un nombre arbitraire2 dutilisateurs, sans surcot. Le dveloppement des rseaux satellite par exemple offre prsent une capacit et une couverture ingales. Depuis le dbut des annes 1980, nous avons vu apparatre les systmes dinformation chaud : systmes informatiss dinformations trac et touristiques (e.g. ATIS, Advance Traveller Information System [IVH94, SL96]) qui permettent aux voitures spcialement quipes de choisir le meilleur itinraire en fonction des conditions de trac ; systmes radio de ashs dinformations boursires, mto ou sportives ; ou encore les systmes vido de lms la demande sur les chanes de tlvision cbles, ou de formations lintrieur mme dune entreprise. Ces systmes doivent pouvoir servir en mme temps un trs grand nombre dutilisateurs : par exemple, ATIS est amen servir jusqu 100 000 clients en mme temps aux heures de pointes dans les grandes villes. Ces nouveaux systmes ont pu tre raliss efcacement par des moyens de diffusion de masse des informations : par voie hertzienne, ou encore par des rseaux naturellement diffusants comme Ethernet. A cause de leur caractre de diffusion de masse, la particularit de tels rseaux est la faible capacit dinteraction avec lutilisateur. En effet, si la diffusion de linformation du serveur vers les clients dispose dune large bande passante, celle des clients vers le serveur est souvent faible, voir nulle : pour les connexions Internet via satellite, par exemple avec DirecPC [Dir97], les connexions montantes (de lutilisateur vers les serveurs) se font par tlphone 56 Kbps (au mieux !) contre 400 Kbps pour les communications descendantes ; un terrain extrme dap1

Libert proclame par les diffrents oprateurs grand renfort de bonshommes qui volent... A modrer sans doute par des rsultats de physique qui doivent interdire la trop grande prolifration dantennes, mais dans une bien moindre mesure que pour les circuits cbls.
2

I NTRODUCTION

plication est celui du champ de bataille militaire o les soldats sur le terrain ne peuvent pas mettre vers le serveur, de peur de rvler leur position. On parle alors de systmes de communications asymtriques. Pour de tels systmes, lapproche traditionnelle interactive [en anglais, pull-based], par mission de requtes de lutilisateur au serveur est inefcace : en effet les temps de transmission sont trop longs et surtout le trs grand nombre de clients rend irralisable la gestion des requtes individuelles. Aussi au dbut des annes 1980, pour les ralisations du Teletext et du Videotext en Europe, et pour le projet du Boston Community Information System (BCIS, 1982) aux Etats-Unis, une nouvelle approche a t dveloppe, dite pseudo-interactive [en anglais, push-based]. Le serveur met les diffrentes informations indpendamment des requtes effectives des clients, qui se connectent sur les canaux dmission et attendent que les informations qui les intressent soient diffuses. Lutilisateur a seulement lillusion dinteragir, en choisissant quel message attendre. Ce protocole pseudo-interactif est appel Dissmination de donnes [en anglais, Data Broadcast ou Dissemination Based Information System]. Pour le cas trs courant o la majorit des clients demande la plupart du temps le mme petit nombre de donnes, ce protocole est extrmement efcace, aussi bien en termes de charge rseau, que de charge serveur, ou de temps de rponse aux clients : le serveur rserve alors des canaux spciaux pour la dissmination de ce petit nombre de donnes et consacre ainsi le reste de la bande passante an de servir individuellement les requtes pour les donnes atypiques. On parle alors dapproche mixte, pseudo-interactive pour les donnes les plus populaires, et interactive pour les autres. Du fait des caractristiques de diffusion de masse, un effet de bord de lmission sans l est la prsence dinterfrences. Une tape importante lors de la conception des rseaux sans l est donc la conguration des metteurs. Cette tape est notamment cruciale pour la tlphonie mobile, o lon compte prs dun metteur par pt de maisons dans les grandes villes (e.g. plusieurs centaines dmetteurs sur Paris en 1997). Chaque metteur doit pouvoir mettre et recevoir dans sa zone de couverture, sur un certain nombre de frquences, sans interfrer avec les autres. Le nombre de frquences dun metteur correspond directement au nombre maximal dutilisateurs en simultan dans sa zone de couverture. Maximiser le nombre de frquences disponibles par metteur dans une plage de frquences donne, ou encore minimiser la plage de frquences utilise pour un nombre donn de frquences chaque metteur, est donc une motivation essentielle des oprateurs de tlphonie mobile, et plus gnralement de tout systme hertzien. Il sagit donc de placer judicieusement les metteurs an dune part dobtenir une bonne couverture moindres frais, et dautre part de garantir la qualit de service en vitant les interfrences, tout en minimisant la taille de la plage de frquences utilise. Les graphes de couverture et dinterfrence sont souvent trs diffrents. Les zones de couverture, o le signal est sufsamment lev pour assurer une bonne transmission, sont en gnral plus petites que les zones dinterfrence, dlimites par la frontire o le signal devient ngligeable. La planication des rseaux est au centre des proccupations des oprateurs de tlphonie mobile an de faire face la demande

Dissmination de donnes en environnements asymtriques

sans cesse croissante, et plus gnralement, de tout utilisateur de systmes hertziens de communications. Dans cette thse, nous tudions chacun de ces deux thmes et plus particulirement : lordonnancement pour la dissmination de donnes, et lallocation statique de frquences.

Dissmination de donnes en environnements asymtriques

Un petit historique
Lapproche pseudo-interactive de la diffusion des donnes est ne au dbut des annes 1980. Aprs quelques annes, cette approche a pris un essor considrable la suite du dveloppement des tlphones mobiles et de lextension des rseaux satellites et cbls. Nous trouvons prsent diffrentes offres commerciales, comme : des systmes de dissmination de linformation, tels Pointcast Inc. [Poi97] sur Internet (nouvellement renomm EntryPoint Inc. [Ent99], suite sa fusion avec le service de portefeuille lectronique eWallet Inc.), Airmedia Inc. [Air97] par metteurs radio ; ou encore des solutions rseau ddies, telles Marimba Inc. [Mar97]. Lune des toutes premires tudes des systmes de dissmination dinformation a t le Boston Community Information System (BCIS, 1982), dvelopp par le Massachusetts Institute of Technology (MIT) : il sagissait dun systme dinformation chaud destin des utilisateurs du mtro Bostonien, spcialement quips de rcepteurs radio. A la mme poque (dbut 1980) les systmes de Teletext et de Videotext [Sig80], utilisant la tlvision comme moyen de rception, ont connu un succs grande chelle en Europe (en Allemagne en particulier) [Gif90]. Lapplication au domaine des bases de donnes a t lobjet du projet Datacycle [HGLW87, BGH 6 92] Bellcore au dbut des annes 1990 : dans ce projet, la base de donnes circule toute entire sur un bus de trs large bande passante (140Mbps) ; et les utilisateurs obtiennent les informations en ltrant les donnes diffuses avec un appareil ddi de rception, massivement parallle, capable de trier jusqu 200 millions de prdicats par seconde ; il est galement possible pour lutilisateur dadresser des requtes au serveur. Depuis quelques annes, le systme dinformations trac et touristiques ATIS (Advanced Traveller Information System, 1997 [IVH94, SL96]) est un exemple dapplication typique, par le nombre de clients servis simultanment (plus de 100 000) : ce systme permet aux conducteurs spcialement quips, de choisir le meilleur itinraire en fonction des conditions de trac, ou bien de dcouvrir les sites touristiques, de rechercher un htel, une station service, etc.... Lun des sujets de dveloppement trs prometteurs actuels est lapplication Internet de ces techniques : en effet lexplosion dInternet, due la baisse du prix dachat des ordinateurs, (e.g. le nombre de machines connectes Internet a augment de 70% entre janvier 1996 et janvier 1997), pose le problme de la surcharge serveur des sites les plus populaires, comme les sites des grands tournois de tennis (e.g. 787879 7;:=<.>@? ACB@DFEG9HDGIKJ ) ou les

I NTRODUCTION

sites olympiques. Comme le souligne Bestavros [Bes96], si les serveurs web proposent plusieurs milliers de pages, un trs petit nombre runit la trs grande majorit des requtes : il cite, par exemple, le cas du serveur LMONP787879Q>@RG9HACBSR qui propose plus de 2000 pages, mais dont seulement 0,5% des pages sont demandes par 69% des requtes, et 10% des pages concentrent 91% des requtes. Disposer de moyens de communications de masse (sans l ou de type bus Ethernet) permettrait dune part de soulager les serveurs de la charge du traitement des requtes pour les pages les plus populaires, et dautre part de librer de la bande passante, en connant la dissmination des pages les plus demandes sur un petit nombre de canaux rservs. Lors de simulations, Acharya, Franklin et Zdonik [AFZ97, FZ97, FZ98], ont dmontr que pour les systmes de communication asymtriques, les stratgies de dissmination pseudo-interactive permettent damliorer considrablement les performances pour un nombre lev dutilisateurs. La gure 1 prsente lun de leurs rsultats : un mme serveur diffuse un lot de donnes sur un bus des clients de prol identique suivant deux stratgies ; la premire, pseudo-interactive, suit un ordonnancement cyclique x, et la seconde traite les requtes des utilisateurs en FIFO.
600

diffusion la demande

Temps de rponse

500 400 300 200 100 0 10

diffusion pseudo-interactive

25

50

100

250

Nombre dutilisateurs

F IG . 1 : Evolution du temps de rponse en fonction du nombre de clients lors de simulations (source: [FZ97]). Alors que le temps dattente est constant pour le serveur pseudo-interactif, le serveur la demande est dbord partir dun certain nombre dutilisateurs et lattente augmente dramatiquement, pour se stabiliser une valeur bien plus leve que pour le serveur pseudointeractif. La stabilisation nale, qui donne cette forme en S, sexplique par le fait que la le dattente des requtes adresses au serveur la demande contient nalement tous les messages dans un ordre cyclique donn. Comme le soulignent Franklin et Zdonik dans leur tat de lart de lapproche pseudointeractive [FZ98], les technologies utilises sur Internet ne permettent pas toujours de tels

Dissmination de donnes en environnements asymtriques

Domaines dtude

moyens de dissmination. Aussi lapproche pseudo-interactive propose est ralise pour linstant par mise jour des caches des serveurs locaux, ce qui impose de tenir compte de la topologie du rseau et des dpendances gographiques des requtes [Bes96, BC96]. Un exemple dapplication est le systme PointCast [Poi97] de diffusion de journaux lectroniques personnaliss sur Internet. Lenjeu principal de lintroduction des protocoles de dissmination de donnes est donc de rduire lattente des utilisateurs, en rduisant la bande passante occupe par les donnes les plus populaires sans augmenter leur attente pour ces informations. Il sagit donc, pour le serveur, de trouver un bon ordonnancement de ces donnes sur les canaux rservs, an de minimiser lattente des clients qui se connectent de temps autre et attendent lmission des donnes qui les intressent.

Domaines dtude
Un serveur de dissmination dinformations est charg de diffuser sur des canaux spcialement rservs, un certain nombre de messages (typiquement les pages les plus populaires dun site web, les diffrents ashs dun programme dinformation, etc...), des clients, qui se connectent de temps autre sur ces canaux, et attendent que les messages quils demandent, soient diffuss. Dans cette thse, nous emploierons indiffremment les termes de messages, donnes, informations, pages, pour dsigner les donnes diffuses. Etant donn que les requtes des utilisateurs ne sont pas transmises au serveur, ce dernier se base sur un prol de lutilisateur moyen, pour calculer lordonnancement des messages. Le prol est dtermin par les popularits des diffrents messages, cest--dire la distribution des requtes sur les messages. Ces probabilits sont calcules, par exemple, en tudiant la trace des requtes sur le serveur, ou bien en demandant tout simplement aux utilisateurs de soumettre leurs centres dintrt (e.g. PointCast [Poi97]). Dans [Vis94], Viswanathan prsente quelques mthodes pour dterminer le prol pour un ensemble de donnes. A partir de ce prol et des caractristiques des messages, le serveur cherche dterminer un ordonnancement sur les diffrents canaux, qui minimise, dune part le temps de rponse moyen du systme (que lon appellera aussi le temps de service), cest--dire lattente moyenne des clients qualit de service, et dautre part le cot dmission cot du service. Ces deux fonctions caractrisent la fonction de cot de lordonnancement. Avec la prolifration des portables (e.g. tlphones mobiles, Palm-pilot, etc...), dautres axes de recherche ont t tudis partir du milieu des annes 1990, qui cherchent minimiser la consommation dnergie des appareils de rception : en effet, lcoute des canaux consomme de lnergie et donc en mettant de temps autre un index des prochains messages diffuss, le serveur peut permettre aux appareils lcoute de se dconnecter pour se reconnecter au moment exact de la dissmination du message qui les intresse, conomisant ainsi substantiellement les batteries. La miniaturisation aidant, les appareils de rception ont gagn en capacit mmoire,

I NTRODUCTION

permettant ainsi de dvelopper des algorithmes de gestion de cache local. Ainsi au milieu des annes 1990, an de rduire lattente dun client qui surfe diffrents messages ou pages, des amliorations du protocole de rception du client ont pu tre proposes : laide de probabilits conditionnelles et dindexage (entre autres), lappareil client dcide de tlcharger par anticipation les messages en cours de diffusion, alors que lutilisateur ne les a pas encore demands, an dcourter lattente par la suite. Il existe aussi une autre branche de la dissmination de donnes en milieu asymtrique, dont le but nest pas directement de minimiser lattente de clients, mais de satisfaire des contraintes de temps rel. Il est en effet parfois critique dassurer un dbit dinformation constant, notamment pour les serveurs vido. Il sagit dans ce cas pour le serveur de gnrer un ordonnancement qui satisfasse des contraintes sur le dbit du type : au moins vingt images du lm A doivent tre diffuses dans tout intervalle dune seconde. Le problme, [en anglais, pinwheel], est alors trs diffrent et sort du cadre de cette thse ; le lecteur intress pourra se rfrer [HMR 6 89, CC92, CC93, BB97]. La dissmination de donnes met donc en jeux de nombreux critres doptimisation (e.g. temps dattente, conomie dnergie, stratgie danticipation au chargement, etc...) et propose donc de nombreuses variantes, dont quelques unes nont t envisages que trs rcemment ( partir de 1994 essentiellement), et dont la plupart sont encore ouvertes. Ce problme prsente de nombreuses originalits par rapport aux problmes traditionnels dordonnancement (paralllisation, planication demploi du temps, etc...). Tout dabord, lordonnancement stend sur une dure innie, et les quantits minimiser sont donc dnies de manire asymptotique. Ensuite, comme nous le verrons, le temps de rponse du systme est une fonction quadratique, alors que les problmes dordonnancement usuels cherchent minimiser une fonction objectif linaire (attente maximale, attente totale, temps de compltion, etc......). De plus, trouver loptimum est  -difcile3 ds les cas les plus simples (e.g. sil ny a aucune dpendance entre les messages, ou aucun cot dmission). Les problmes de gestion de cache sont aussi trs diffrents. En effet, le cot dune faute de page nest pas constant, comme pour les caches mmoire, mais dpend de la date de la faute et de lordonnancement venir. Aussi jusquau milieu des annes 1990 et encore aujourdhui, seuls les cas les plus contraints ont t tudis.

Un problme de dcision est dit -difcile si pour tout problme de dcision soluble en temps polynomial non-dterministe, toute instance de peut se rduire en temps polynomial une instance de telle quune instance de admet une solution si et seulement si linstance correspondante de en admet une. Dun point de vue pratique, un problme est -difcile sil est au moins aussi dur que des problmes rputs trs difciles (e.g. -SAT, le voyageur de commerce, etc...) dont on ne connat pas de solutions polynomiales lheure actuelle.

TKUWV

KT UWV TK[\V

XZY

TK[]V

TK[\V

XWY

TKUWV

Dissmination de donnes en environnements asymtriques

Un problme dordonnancement gnrique

Un problme dordonnancement gnrique

La problmatique de la dissmination de messages ne se limite pas au simple cadre des rseaux sans l mais modlise aussi deux autres problmes, dont la correspondance est dtaille dans [BNBNS98] : la planication de la maintenance de machines et le rapprovisionnement de stocks. Pour le problme de maintenance, introduit par Wei et Lu [WL83] et repris par Anily, Glass et Hassin [AGH94, AGH95], lquivalent de lensemble des messages diffuser est un ensemble de machines maintenir (par exemple, des photocopieurs). La probabilit instantane de dfaillance de chaque machine augmente linairement avec le temps (par exemple, avec le nombre de copies effectues). Il sagit de calculer lemploi du temps des diffrents oprateurs ou agents de maintenance (correspondant aux canaux dans le cadre de la dissmination de messages) de faon minimiser la fois le risque de dfaillance et le cot de maintenance. Dans la problmatique du rapprovisionnement de stocks, nous disposons dun nombre limit de camions (les canaux de la dissmination de messages) qui doivent ralimenter diffrents stocks (les messages) ; les stocks doivent honorer des commandes (les requtes des clients) ; les commandes non-honores ont un cot proportionnel la dure dattente ; il sagit alors de minimiser le cot de revient de lexploitation. Une part importante des travaux sur le domaine a t ralise par Anily, Glass et Hassin dans [AGH95], puis par Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98], dans le cadre de la maintenance des machines ; nous prsenterons leurs rsultats dans le cadre de la dissmination de messages. Les rsultats prsents dans cette thse sappliquent naturellement ces diffrents domaines dapplication.

Etat de lart
La problmatique de la dissmination de donnes est apparue au dbut des annes 1980 avec le dveloppement du Teletext et du Videotext [Sig80]. Jusquen 1996, les tudes se limitent au cas o tous les messages ont le mme temps de transmission. Le temps est discret et lunit de temps est la longueur commune des messages. Comme le souligne alors Ammar dans [Amm87], [this hypothesis] is required to render the problem under consideration tractable4 . En 1983, dans [Gec83], Gecsei dmontre que, si lon tire alatoirement la page diffuser chaque top selon une distribution xe, le meilleur choix consiste la tirer avec une probabilit proportionnelle la racine carre de sa popularit. Cette rgle est connue dans le domaine sous le nom de la rgle de la racine carre [en anglais, square root-rule]. Nous verrons quelle stend dautres cas. Deux annes plus tard, Ammar et Wong obtiennent, en tudiant les ordonnancements priodiques, un minorant sur le cot de tout ordonnancement priodique dans [AW85]. Ils justient par la suite dans [AW87] que cette restriction aux ordonnancements priodiques ne soit pas limitative, en dmontrant
4

En franais ;-), [cette hypothse] est ncessaire pour permettre ltude du problme.

I NTRODUCTION

lexistence dun ordonnancement optimal priodique, quils dcrivent laide dun processus Markovien ni. Une autre preuve de ce rsultat, base sur ltude des cycles dun graphe valu, sera propose par Anily, Glass, et Hassin dans [AGH95]. Deux observations cruciales sont tires de ltude du minorant dAmmar et Wong : idalement, cest--dire en oubliant les contraintes de non-recouvrement des messages, chaque message doit tre diffus priodiquement intervalles rguliers, et avec une frquence proportionnelle la racine carre de sa popularit. Ces deux observations sont la base de toutes les tudes faites dans le domaine. Ce minorant leur permet de plus de prouver que lalgorithme de Gecsei est une ' approximation5 . En effet idalement, chaque message est diffus dans un intervalle de longueur _ proportionnelle la racine carre de sa popularit et donc chaque requte attendrait _a`b' . Dans le cas de lalgorithme de Gecsei, toute requte attend en moyenne _ unit de temps, et donc au plus le double de loptimum. Ils proposent de plus deux autres heuristiques dterministes. La premire est gloutonne et choisit chaque top dordonnancer le message dont lattente cumule est la plus leve. Lautre utilise une proprit du nombre dor, mise en valeur par Knuth [Knu73, vol. 3, pp. 510511] dans le cadre du hachage, puis utilise par Itai, Hofri et Rosberg [IR84, HR87] dans le cadre des rseaux TDM : les multiples du nombre dor modulo  se rpartissent le plus uniformment possible entre c et  . Ammar et Wong utilisent cette proprit pour obtenir un ordonnancement priodique, tel que les intervalles entre deux missions conscutives dun mme message soient peu prs rguliers. Ces deux heuristiques sont testes empiriquement sur des lots de messages, pour lesquels la distribution des popularits vrie la loi de Zipf [Zip49], qui semble modliser assez bien la ralit des demandes. Dautres tudes empiriques de ces heuristiques seront reprises dans le cadre de la toile par Su et Tassiulas, dans [ST97a, ST97b]. En 1994, le problme de lordonnancement est repris dans le cadre de la maintenance de machines par Anily, Glass, et Hassin qui, dans [AGH94], donnent une bdec@%f% -approximation pour le cas de trois machines de mme dure de maintenance. Dans [AGH95], ils proposent et analysent une 'gdih -approximation base sur un arrondi des puissances de ' des longueurs idales des intervalles entre les maintenances dune mme machine, calcules partir du minorant dAmmar et Wong [AW85]. Dans [BNBNS98], Bar-Noy, Bhatia, Noar et Schieber dmontrent, dans le cadre de la maintenance de machines, que le problme de lordonnancement de messages de longueur uniforme avec cot de diffusion, est  -difcile. Ils analysent galement les heuristiques proposes par Ammar et Wong dans [AW85, AW87]. Ils dmontrent que lalgorithme glouton est en fait la drandomisation de lalgorithme de Gecsei, et est donc une ' -approximation. Ils montrent aussi que lalgorithme bas sur le nombre dor est en fait une j@`bk -approximation. De plus, ils tendent ces deux heuristiques
5 Une -approximation dun problme de minimisation est un algorithme polynomial qui gnre une solution de cot gal au plus fois le cot optimal.

10

Dissmination de donnes en environnements asymtriques

Etat de lart

au cas des messages de longueur uniforme avec cot de diffusion sur plusieurs canaux. Dans [BNS99], Bar-Noy et Shilo tudient compltement le cas de deux messages sur un canal. Ils dmontrent que quelles que soient les requtes pour les messages 4 et 5 (4 , 5 , 4 ou 5 , 4 et 5 , 4 puis 5 , 5 puis 4 ), quels que soient leurs temps de transmission, lordonnancement optimal est priodique de priode 145nmCmCmo5p" ou 14qmCmCmr45p" . Durant la mme priode, au milieu des annes 1990, Acharya, Alonso, Franklin et Zdonik, dans [ZFAA94], proposent un modle simpli, plus restreint, pour dterminer les ordonnancements : les disques diffusants [en anglais, broadcast disks]. Il sagit de dcomposer lordonnancement des messages en srie dordonnancements cycliques. Les messages sont partitionns en groupes selon leur importance par une mthode ad hoc. Les messages dun groupe sont diffuss cycliquement, une fois par cycle. Chaque cycle est visualis comme un disque, qui tourne une certaine vitesse, dautant plus leve que les messages quil contient sont populaires. Lordonnancement nal est obtenu en fusionnant les diffrents cycles avec diffrentes densits, donnes par les vitesses de rotation des disques [AAFZ95]. Cette approche permet de garantir que chaque message sera ordonnanc intervalles rguliers, et que lordonnancement sera priodique, mais interdit datteindre loptimum. Notons que la mthode des disques diffusants prsente de nombreuses similarits avec lheuristique dveloppe par Anily, Glass et Hassin dans [AGH95]. Dans [AFZ96, Ach98], Acharyan, Franklin et Zdonik proposent, dans ce cadre, une tude des stratgies de gestion de cache : ils dmontrent empiriquement que lalgorithme classique LRU (viction de la page lue le plus anciennement) nest pas adapt ce contexte et quil faut lui prfrer une stratgie qui tient compte de lordonnancement en cours. La stratgie dclare la meilleure consiste liminer la page qui sera la moins demande en moyenne par la suite, i.e. dont le produit de la popularit par lattente jusqu sa prochaine dissmination est le plus petit. Dans [KL98], Khanna et Liberatore dmontrent que, pour un disque diffusant cycliquement s messages (on parle de disque diffusant linaire [en anglais, at broadcast disk]), aucun algorithme en ligne dterministe ne peut obtenir, avec un cache de taille t , un rapport de performance infrieur uvwsxty" sur le nombre optimal de fautes de page, et aucun algorithme randomis ne peut obtenir un rapport de performance infrieur uvws{z}|f~]ty" . Ils proposent par ailleurs des algorithmes qui atteignent ces minorants une constante prs : pwsxty" pour lalgorithme dterministe et pws{z}|f~\ty" pour lalgorithme randomis. Paralllement, partir de 1994, des tudes sur lconomie dnergie, ralise en diffusant rgulirement un index des prochaines missions, sont dveloppes par Babrinath, Immielinski et Viswanathan [IB94, IVB94b, IVB94a] pour le cas dun disque diffusant linaire. Ils obtiennent, pour un disque diffusant linaire de s messages, une Ob" approximation pour le temps dattente et atteignent la borne 1zK|f~s," sur le temps dcoute, impose par la thorie de linformation, en structurant lindex laide de tables de hachage. Ces tudes sont poursuivies sur le cas de plusieurs canaux, par Shivakhumar et Venkatasubramanian dans [SV96] qui obtiennent galement la borne 1zK|f~s," pour le cas de

11

I NTRODUCTION

p1z}|f~]s," canaux. En 1998, Khanna et Zhou dans [KZ98] tendent ces rsultats en proposant un algorithme dordonnancement des messages sur un canal qui permet dobtenir une bdih -approximation pour le temps dattente moyen tout en ralisant, une constant, prs le temps dcoute minimal 1z}|f~]s," . Les seules tudes du cas des longueurs non-uniformes, antrieures nos travaux, ont t menes par Hameed et Vaidya dans [VH96, VH97, VH99, HV99]. Ils proposent des heuristiques pour lordonnancement de messages sans cot de diffusion, bases sur lextension naturelle du minorant dAmmar et Wong de [AW85]. Leurs heuristiques sont testes empiriquement sur des lots de messages dont la distribution de la popularit vrie la loi de Zipf.
Notre contribution pour la dissmination de donnes
La contribution du prsent document, pour le domaine de la dissmination de donnes, concerne la conception de lordonnancement partir du prol de lutilisateur, indpendamment de lexistence de cache ou dindexation. Nous nous sommes attachs dune part amliorer les rsultats prcdents en proposant un algorithme plus efcace pour le cas o tous les messages ont la mme longueur ; et dautre part tendre le domaine de recherche au cas o les messages diffuser nont pas tous la mme longueur. Cette restriction est en effet trs contraignante en pratique puisque les donnes diffuser sont le plus souvent de taille variable (e.g. les pages web dun serveur ; les infos, la mto, la bourse et le bulletin de sport dun journal). Nous avons donc tudi ce cas sous deux aspects : non-premptif et premptif. Nous avons dmontr que ces deux cas sont  -difciles, mme si les messages nont pas de cot de diffusion. Nous montrons aussi que, comme lavaient suspect Ammar et Wong dans [AW85], le cas o les messages sont de longueurs diffrentes sans premption, est beaucoup plus compliqu que le cas des longueurs uniformes. En effet, si lajout dun canal dans le cas uniforme namliore lattente optimale des utilisateurs que dune constante, il lamliore dun facteur arbitraire dans le cas non-uniforme (v. exemple 2.2 page 61). En particulier, lextension naturelle du minorant dAmmar et Wong [AW85] au cas des longueurs non-uniformes, est inefcace : le cot de lordonnancement optimal en est arbitrairement loign. Nous avons donc dvelopp un nouveau minorant qui nous a permis dobtenir un algorithme dapproximation dun facteur constant, pour le cas dun canal. Si, comme nous le verrons pour le schma dapproximation pour le cas des longueurs uniformes, le cas de plusieurs canaux ne prsente pas de diffrence de complexit avec un canal, lexploration de plusieurs canaux reste un problme ouvert pour le cas des longueurs non-uniformes. La question de savoir si lextension naturelle du minorant dAmmar et Wong au cas des longueurs non-uniformes a un sens, a motiv lintroduction et ltude du cas premptif. Nous en proposons et tudions un modle, o les messages sont dcoups en paquets de mme longueur. Le client intress par un message doit tlcharger tous les paquets du

12

Dissmination de donnes en environnements asymtriques

Organisation de la premire partie du document

message. Le problme reste  -dur. Nous drivons un nouveau minorant dont la valeur est assez similaire lextension naturelle de celui dAmmar et Wong. Et nous obtenons pour ce problme une ' -approximation qui dmontre donc que la premption permet damliorer dun facteur arbitraire le temps de rponse de lordonnancement de messages de longueurs non-uniformes. Notre tude du cas premptif peut galement tre vue comme une extension du problme de lordonnancement des messages de longueurs uniformes au cas o les utilisateurs ne demandent pas des messages seuls, mais des lots de messages (par exemple, diffrentes parties dun journal). En effet les paquets constituant un message, peuvent tre considrs comme des messages de longueur unitaire runis en un lot que les utilisateurs peuvent demander. Notre tude est le cas particulier de cette extension, o les lots sont disjoints. En ce sens, ces travaux sont donc aussi une gnralisation de certains des rsultats de ltude de toutes les requtes possibles pour deux messages sur un canal, ralise par Bar-Noy et Shilo dans [BNS99]. Nous avons aussi tudi le cas des messages de longueurs uniformes. Nous avons amlior les rsultats existants en proposant un schma dapproximation polynomial6 . Le meilleur algorithme polynomial prcdent [BNBNS98] tait une approximation j@`bk de loptimum. Notre algorithme stend galement au cas o les messages ont des cots de diffusion borns par une constante. Il prsente aussi lavantage de gnrer un ordonnancement priodique de priode borne qui soit quadratique en le nombre de messages.

Organisation de la premire partie du document

Nos travaux sur lordonnancement de la dissmination de donnes en environnements asymtriques font lobjet de la premire partie de ce document. Cette premire partie est dcoupe en cinq chapitres. Le premier chapitre dnit le modle et sa problmatique, et prsente dans le dtail les travaux antrieurs qui sont la base des travaux de cette thse. Principalement, le travail dAmmar et Wong [AW85] sur le calcul du minorant et sur la preuve de loptimalit dun ordonnancement priodique, et celui de Bar-Noy, Bhatia, Noar et Schieber [BNBNS98] sur la  -duret, lanalyse des approximations et leurs extensions au cas de plusieurs canaux. Les lecteurs familiers du domaine pourront passer directement au chapitre suivant. Notre tude du cas o les messages nont pas tous la mme longueur fait lobjet du deuxime chapitre. Nous y prsentons les changements avec le cas uniforme. Un nouveau
Un schma dapproximation polynomial dun problme de minimisation (resp. de maximisation) est une suite calculable dalgorithmes , qui en un temps polynomial calcule une solution ralisable
6

KT UWwfV !  dont la valeur est au plus T1o/V fois (resp. au moins T1Wpo/V

fois) la valeur optimale. En clair, une suite dalgorithmes polynomiaux qui calculent des solutions arbitrairement proches de loptimal.

13

I NTRODUCTION

minorant est prsent, qui nous permet dobtenir un algorithme dapproximation pour le cas dun canal. Le troisime chapitre tudie lextension au cas premptif. Lexistence dun ordonnancement priodique optimal y est dmontre et nous prsentons un nouveau minorant pour ce cas. Nous obtenons galement un algorithme dapproximation. Nous prsentons notre schma dapproximation pour le cas des messages de longueur uniforme et de cot de diffusion born au quatrime chapitre. Le dernier chapitre de cette partie est consacr la rsolution de nos minorants. Nos minorants sont tous prsents sous forme de problmes de minimisation contrainte nonlinaire. Nous y prsentons lextension de la mthode dveloppe par Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98]. La rsolution utilise la base une relaxation Lagrangienne. Nous en prsenterons rapidement, au dbut de ce chapitre, les principes gnraux. Le lecteur intress pourra se reporter au cours [Gui95] propos par Guignard sur la question.

Allocation statique de frquences dans les rseaux cellulaires

La seconde partie de cette thse est consacre la conception dalgorithmes dapproximation pour lallocation statique de frquences dans les rseaux cellulaires.

La problmatique
Dans un rseau sans l, laccs des utilisateurs au rseau se fait par voie hertzienne via un transmetteur. Chaque transmetteur couvre une certaine zone, dite de couverture, dans laquelle les utilisateurs peuvent mettre et recevoir sur le rseau en communiquant avec ce transmetteur sur une certaine frquence. Plus prcisment la communication est tablie sur un canal de transmission. Un canal de transmission correspond une gestion partage des frquences dont le but est de pouvoir augmenter le nombre dutilisateurs connects en mme temps un mme transmetteur : un canal est une suite de crneaux de temps de communication intervalles rguliers (dans le cas dun multiplexage en temps, TDMA) sur une ou plusieurs frquences (dans le cas dun multiplexage en frquences, FDMA) munie dun code de transmission (cas dune modulation par codage, CDMA). Par exemple, dans la norme GSM, chaque frquence est partage en huit canaux composs de crneaux de cFdih@bfj ms ( {bh@`g%bc ms) rpartis uniformment dans le temps ; les frquences sont rparties toutes les cFdi' MHz dans les bandes kfjbc jFh MHz (pour les communications montantes, du mobile vers le transmetteur) et jf%fh jfbc MHz (pour les communications descendantes). Deux utilisateurs peuvent communiquer de faon simultane sur des canaux diffrents. Cependant, du fait des interfrences, deux communications distinctes (avec le mme transmetteur ou avec deux transmetteurs diffrents) ne peuvent pas avoir lieu sur le mme canal si les utilisateurs sont trop proches lun de lautre, car leurs communications se brouilleraient

14

Allocation statique de frquences dans les rseaux cellulaires

La problmatique

mutuellement. Le nombre de canaux disponibles sur un transmetteur correspond donc au nombre maximum dutilisateurs qui peuvent accder au rseau dans sa zone de couverture. Lallocation des canaux aux transmetteurs est donc une tape critique de la conception dun rseau sans l. Pour des raisons techniques de synchronisation temporelle, il est trs difcile de partager une mme frquence sur deux transmetteurs diffrents. Aussi, le problme lallocation des canaux se rduit attribuer chaque transmetteurs les frquences sur lesquelles les communications vont tre tablies (notons que pour le cas de protocole CDMA, ce sont les codes qui forment la ressource critique). Nous oublierons donc partir de maintenant la notion de canaux pour se concentrer sur le problme de lallocation des frquences sur les metteurs.

SG// @;Qo v/;}oP!

F IG . 2 : Un exemple de rseau cellulaire et de son graphe de couverture (en pointill). Pour accder au rseau, les utilisateurs (reprsents par des petits ronds noirs) se connecte sur le transmetteur de la zone de couverture o ils se trouvent. Rapidement, ds les annes 1980, il est apparu ncessaire de rutiliser autant que possible les frquences pour faire face laugmentation sans cesse croissante du nombre dutilisateurs des rseaux sans l. Aussi, les premiers rseaux base de transmetteurs puissants couvrant une large zone de couverture ont t progressivement remplacs par des rseaux, dits cellulaires, constitus de transmetteurs de puissance plus faible couvrant des zones plus petites. Il est alors possible dallouer les mmes frquences des transmetteur pour peu quils soient sufsamment loigns. Lenjeu de lallocation de frquence est en ef-

15

I NTRODUCTION

fet dassurer la qualit de la communication, cest--dire le rapport signal-sur-bruit pour chaque frquence utilise [en anglais, CIR Carrier-to-Interference ratio], en utilisant une plage minimale de frquences. Lattnuation dun signal est progressive avec la distance lmetteur selon ya , o varie entre et h suivant les milieux. Par exemple, qgdih lintrieur dun btiment [KN96], ce qui implique une diminution de j@ du signal chaque fois que lon double la distance au transmetteur. Il est donc possible dallouer des frquences identiques des transmetteurs diffrents pour peu quils soient une distance sufsante lun de lautre, que lon peut calculer en fonction de la qualit de communication requise et du rseau considr. Le problme de lallocation de frquences consiste alors attribuer chaque transmetteur un nombre sufsant de frquences pour quil puisse rpondre sans interfrence aux demandes daccs des utilisateurs dans sa zone de couverture, tout en minimisant la plage de frquences utilise. Si nous relions les transmetteurs pouvant entrer en interfrence par une arte, nous obtenons le graphe dinterfrence du rseau. Le problme de lallocation de frquences se ramne alors attribuer chaque sommet du graphe un certain nombre de frquences gal la demande dans la zone de couverture du transmetteur correspondant, tel que les frquences alloues deux sommets relis par une arte satisfassent des contraintes dinterfrence, sachant que ces contraintes varient avec la distance (physique) entre les transmetteurs correspondants. En considrant les frquences comme des couleurs au sens classique de la thorie des graphes, nous sommes ramens une gnralisation du problme de coloriage de graphe classique.

Modle(s)
Nous avons vu que nous pouvions reprsenter le rseau cellulaire par un graphe dont les sommets sont les transmetteurs, et o une arte signie quil existe une possibilit dinterfrence entre les transmetteurs et . Les demandes en fr . Les frquences sont quences des transmetteurs sont donnes par une fonction , codes par des entiers, que lon appellera aussi couleurs. Il sagit donc dattribuer chaque transmetteur un ensemble de frquences (ou couleurs) \ de taille CGn et tels que les frquences de ninterfrent ni entre elles, ni avec celles des voisins de , tout en minimisant la taille de la plage de frquences utilise, cest--dire la diffrence entre la plus grande et la plus petite frquence utilise. Si chaque transmetteur demande une unique frquence ( pour tout ) et si les contraintes dinterfrence sont simplement que les frquences soient diffrentes, nous reconnaissons le problme de coloriage de graphes classique, dont louvrage [JT95] de Jensen et Toft prsentent une grande part des travaux. Diffrents modles ont t proposs pour les contraintes dinterfrence. Le principe est que plus les transmetteurs sont proches, plus les frquences quils utilisent doivent tre loignes [BP90]. Aussi un premier modle consiste pondrer les artes n par la

16

Allocation statique de frquences dans les rseaux cellulaires

Modle(s)

diffrence minimale F entre deux frquences alloues aux sommets et (voir par exemple [Gam86]). Dans certains cas, seules certaines diffrences entre frquences sont interdites et si lon note lensemble de diffrences interdites, le -coloriage, propos par exemple dans [Hal80], consiste attribuer chaque sommet un ensemble de frquences tel que les diffrences des frquences de entre elles et avec celles de ses voisins nappartiennent pas . Dans [Rob91] et [Rob93], Roberts prsente un tat de lart des rsultats sur le -coloriage. Dans dautres applications pratiques, les plages de frquences autorises varient dun transmetteur lautre (proximit dun aroport, frquences de police, prsence dautres oprateurs, etc...). Aussi le coloriage par listes, introduit indpendamment par Erds, Rubin et Taylor dans [ERT79] et Vizing dans [Viz76], propose dattribuer chaque sommet une liste de frquences autorises en . Il sagit alors de choisir frquences dans pour le transmetteur . Ltat de lart trs complet de Tuza [Tuz97] prsentent les nombreux travaux sur ces modles trs gnraux. Notons que le coloriage par liste modlise galement diffrents problmes gnriques dordonnancements classiques sous contrainte, comme la planication dhoraires davions dont les dates de maintenance sont xes. Ces modles posent cependant le problme de leur complexit due leur grande gnralit. En fait mme pour les graphes les plus simples (par exemple, un simple cycle de longueur impaire) le cas gnral de ces problmes devient trs difcile voir inextricable, si bien que seuls les cas lmentaires ont t tudis (e.g. une ligne de transmetteurs par exemple [GGS93], ou bien des schmas de demandes trs simples e.g. [Gam82]). Le fait est que de trs nombreux problmes industriels restent sans solution. Les clbres Philadelphia examples prsents par Anderson dans [And73] sont, par exemple, des graphes trs simples (sous-graphes induits de la grille triangulaire comptant peine une vingtaine de sommets) pour lesquels la recherche de solutions optimales a mobilis pendant plusieurs annes et mobilise encore de nombreux chercheurs pour des valeurs de demandes xes et connues ! Les Philadelphia examples nont pu tre rsolus de faon optimale que par des heuristiques ad-hoc couples avec des minorants adquats, comme par exemple les travaux de Gamst dans [Gam86], de Janssen et Kilakos dans [JK96], ou de Smith et Hurley dans [SH97]. Lobtention de minorants ables est dailleurs une contribution essentielle de ces modles : ils permettent dvaluer sur les problmes rels les performances des heuristiques utilises alors que leur analyse mathmatique est dsespre actuellement, mme sur les graphes lmentaires. Aussi, depuis le milieu de annes 1990, des modles simplis sont tudis sur des graphes de complexit modre qui permettent dobtenir des rsultats plus prcis. Ils permettent notamment de garantir les performances dheuristiques sur des classes de graphes non-triviales, tout particulirement celles proches des graphes utiliss dans les rseaux rels. Un de ces modles simplis semble se dmarquer depuis quelques annes car il correspond assez bien aux problmes pratiques tout en offrant de nombreuses possibilits thoriques. Dans ce modle, que nous appellerons le problme du multi-coloriage sous contraintes, le

17

I NTRODUCTION

graphe considr nest plus le graphe dinterfrence du rseau, mais le graphe de voisinage gographique. Les artes de ce graphe relient des transmetteurs qui sont proches gographiquement. Les contraintes dinterfrence sont alors caractrises par une suite dcroissante dentiers /xmCmCm o  , appele contrainte co-site, est lcart minimal impos entre deux frquences alloues un mme sommet et o les , pour  , appeles contraintes inter-site, sont les carts minimaux entre deux frquences alloues deux sommets distance dans le graphe de voisinage gographique. Le premier indice tel que c , appel distance de rutilisation dans le graphe, correspond la distance dans le graphe partir de laquelle deux sommets peuvent partager des frquences sans interfrence. Le problme consiste alors trouver une allocation des frquences sur les sommets qui minimise la (taille de la) plage de frquences totale utilise et qui satisfasse dune part les demandes des sommets et dautre part les contraintes dinterfrence. Notons que si lon se restreignait minimiser le nombre de frquences, les valeurs des constantes dinterfrence dCCCd non-nulles seraient sans importance puisque lon obtiendrait une solution optimale partir dune solution du problme avec /\mCmCmg& \2 en multipliant les fr quences par la contrainte maximale  . Lorsque / et que rwa){c , ce problme est connu sous le nom du multi-coloriage. Le problme du multi-coloriage est un problme assez ancien en thorie des graphes [CGJ78, HRS73] qui connat un regain dintrt depuis quelques annes du fait de ces applications pour la conception des rseaux cellulaires. Le modle du multi-coloriage sous contraintes est celui que nous adopterons dans la suite du document.

Etat de lart
La majorit des travaux actuels porte sur le multi-coloriage simple o la distance pour , ) et o  / . Ce problme est de rutilisation vaut (r difcile pour de nombreuses classes de graphes, notamment pour les sous-graphes induits de la grille triangulaire [MR97]. Mme pour des graphes lmentaires comme les cycles de longueurs impaires, le multi-coloriage sous contraintes gnrales reste un problme ouvert. Diffrentes classes de graphes ont donc t tudies successivement. Narayanan et Shende dans [NS97] puis Khanna et Kumaran dans [KK98] proposent indpendamment des multi-coloriages optimaux pour les graphes bipartis et les cycles de longueurs impaires. Dans [NS97, MR97, SU98], Narayanan, Shende, McDiarmid, Reed, Schabanel, Ubda, erovnik proposent indpendamment trois algorithmes similaires pour le multi-coloriage des sous-graphes de la grille triangulaire qui ralisent des approximations b de loptimum. Nous verrons au chapitre 6 que lon peut rduire le facteur dapproximation jusqu suivant luniformit des demandes des nuds du graphe. Cette classe de graphes suscite un grand intrt : dun point de vue thorique, car le problme est -difcile ds les plus simples contraintes ; mais aussi car elle est trs utilise en pratique. Placer les transmetteurs selon la grille triangulaire offre en effet dune part une excellente couver-

18

Allocation statique de frquences dans les rseaux cellulaires

Etat de lart

ture et des interfrences rduites, et dautre part une rgularit qui facilite la ralisation du rseau [Mac79, KN96]. Dans [KK98, Hav99], Khanna, Kumaran et Havet dmontrent, indpendamment galement, que lon peut multi-colorier avec couleurs les sous-graphes induits sans triangle de la grille triangulaire lorsque les demandes sont uniformes7 . Havet utilise ce rsultat pour dmontrer que lon peut approximer le multi-coloriage de ces sous-graphes induits sans triangle de la grille triangulaire un facteur b de loptimal. Certaines de ces heuristiques admettent des versions distribues. Dans [JKNS98], Janssen, Krizanc, Narayanan et Shende proposent diffrentes approximations distribues pour le multi-coloriage ( /x ) des sous-graphes induits de la grille triangulaire dont le facteur dapproximation varie en fonction de la taille du voisinage consult par chaque nud : une -approximation lorsquaucun voisin nest consult ; une -approximation lorsque les voisins consults sont distance ; une g -approximation pour un rayon de ; et une b -approximation en consultant des voisins distance au plus . Dans [H99], -approximation distribue pour le multi-coloriage des Havet et erovnik proposent une sous-graphes induits sans triangle de la grille triangulaire. Dans [SU99], nous tendons notre approximation pour les sous-graphes induits de la grille triangulaire au cas dune contrainte co-site arbitraire . Nous conservons le facteur dapproximation b lorsque  et obtenons un multi-coloriage optimal une constante additive prs lorsque v& . Khanna et Kumaran proposent dans [KK98] une approximation pour cette mme classe de graphes dans le cas o la distance de rutilisation ), problme que Simon a dmontr -difcile vaut avec )/; ) (et w ) dans [Sim88]. A la suite de nos travaux, Janssen et Narayanan proposent dans [JN99] une b g G -approximation pour cette mme classe de graphes dans le cas gnral des contraintes inter-site lorsque la distance de rutilisation vaut et ) / . Notons que Gerke propose dans [Ger99] un algorithme optimal pour le multicoloriage des graphes bipartis lorsque la distance de rutilisation vaut et ) / . A linstar du coloriage classique [Vis92, Ira94, LST89], il existe une variante dynamique du problme o les demandes des diffrents nuds varient avec le temps [CR82]. Le but de cette variante est dtudier le comportement dun algorithme dallocation sur une suite de demandes (correspondant par exemple une srie dappels tlphonique pour un rseau de tlphonie mobile). Il sagit de tester la ractivit de lalgorithme et ses possibilits de blocage. Katzela et Nagshineh proposent dans [KN96] un tat de lart des mthodes utilises en pratique pour la rallocation dynamique des frquences ainsi que leurs valuations. Dans [JKM95], Janssen, Kilakos et Marcotte proposent pour les graphes -coloris o lon ne sautorise qu recolorier les sommets distance au plus des modications des demandes, un algorithme de multi-coloriage en-ligne quils dmontrent optimal dans [JK95] au sens que lalgorithme utilise le nombre minimal de couleurs pour ne jamais bloquer



 



  

 

On note



Cte pour signier que

est la fonction constante de valeur Cte.

19

I NTRODUCTION

quel que soit le nombre de modications. Lorsque les contraintes dinterfrence valent x / x et w x , Feder et Shende proposent une approximation en-ligne pour les sous-graphes induits de la grille triangulaire dans [FS98]. Notons enn lapproche originale pour ce problme de Van den Heuvel, Leese et Sheperd qui proposent dans [HLS98] de considrer une distance cyclique modulo un entier pour tablir les contraintes entre les frquences. Le problme consiste alors trouver la valeur minimale qui permette dattribuer une valeur modulo chaque sommet dune grille innie triangulaire ou carre, telle que et que pour toute paire de sommets et distance , les valeurs qui leurs sont affectes et sont distance au moins modulo , o . / . Avec une telle allocation, chaque sommet peut alors satisfaire une demande arbitraire en sallouant les frquences dont la valeur est modulo .

 !

"

"

*)))

"

$# " $# &%

"

$#

"

('

Notre contribution pour lallocation statique de frquences

Dans la seconde partie de cette thse, au chapitre 6, nous proposons un algorithme dallocation de frquences pour les sous-graphes induits de la grille triangulaire dans le cas dune distance de rutilisation et pour des contraintes co-site arbitraires  / (rwa. ). Notre algorithme ralise un facteur dapproximation de b que nous pouvons n$ b , o est le porter, sous condition dune certaine uniformit des demandes, rapport de la demande minimale non-nulle sur la demande maximale des sommets. Notre contribution [SU98, SU99] a t obtenue indpendamment des travaux de Narayanan, Shende, McDiarmid et Reed [NS97, MR97] pour les contraintes  / et en est une premire extension des contraintes dinterfrence plus gnrales. Notons qu la suite de nos travaux, Janssen et Narayanan proposent dans [JN99] un algorithme dapproximation g G de loptimal pour le cas gnral des contraintes co-site et inter-site un facteur b pour ). distance , o (et

,+ -

.  

Organisation du document
Ce document est prsent en deux parties. Chaque partie est compltement indpendante et possde sa propre conclusion. La premire partie (chapitres 15) est consacre lordonnancement pour la dissmination de donnes. Son organisation a t prsente page 13. La seconde partie, compose dun unique chapitre (chapitre 6) est consacre lallocation statique de frquences sur la grille triangulaire. Aprs une brve introduction aux mthodes et rsultats mis en uvre, nous y prsenterons notre algorithme ainsi que son analyse. Nous conclurons enn par les perspectives que nous envisageons et les prolongements possibles de nos travaux.

20

Premire partie

Ordonnancement pour la dissmination de donnes

21

CHAPITRE

Ordonnancer la dissmination de donnes

Lobjet de la premire partie du prsent document est lobtention dordonnancements efcaces pour la dissmination de donnes dans les rseaux asymtriques. Dans ce chapitre, nous commenons par introduire section 1.1, la dnition du modle de la dissmination de donnes. Puis, la section 1.2 expose les rsultats antrieurs qui sont lorigine de nos travaux. Enn nous prsentons notre contribution par rapport ces rsultats, dans la section 1.3.

1.1
1.1.1

Dnition du modle et notations

Contexte

Le serveur de dissmination dinformation diffuse un certain nombre de messages des clients. Ces messages sont dtermins par certaines caractristiques, dont le temps de transmission (quon appellera aussi longueur) et le cot de chaque diffusion. Le serveur cherche un ordonnancement pour la dissmination des messages qui minimise deux quantits : le temps de service moyen du systme (on parlera aussi du temps de rponse moyen), cest-dire lattente moyenne des utilisateurs qualit de service ; et le cot moyen de diffusion cot du service. Dans un protocole pseudo-intractif, les requtes des utilisateurs ne sont plus transmises au serveur, mais les utilisateurs se connectent sur les canaux dmission et attendent la diffusion des messages qui les intressent. Aussi, le serveur connat les utilisateurs par leur prol, cest--dire la distribution des requtes sur les diffrents messages. Les requtes des utilisateurs arrivent selon un processus de Poisson et sont servies ds quelles ont tlcharg le message demand.

23

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Considrons lexemple suivant pour nous familiariser avec le problme :

Exemple 1.1 Considrons un serveur qui doit diffuser deux messages et de temps de transmission identiques s et de cots de diffusion nuls : est demand par G des requtes, par G . Comment doit-il diffuser ces deux messages sur un canal ? est quatre fois plus demand que , un premire ide serait donc de diffuser quatre fois plus que . Calculons donc le temps de service moyen de lordonnancement p , Figure 1.1 :

Une requte demande avec probabilit . Comme lintervalle entre les diffusions de est constant de longueur s, elle attend le dbut de lmission de en moyenne s, auxquelles il faut ajouter le temps de tlchargement de : s. De mme, une requte demande avec probabilit . Elle tombe dans lintervalle de longueur s avec probabilit et attend le dbut de lmission de en moyenne : # s. Et elle tombe dans lun des trois intervalles de longueur s, qui composent , avec probabilit et attend alors en moyenne s, auxquelles il faut ajouter le temps de chargement s. Ainsi, une requte pour est servie, en moyenne, au bout de s. Le temps de rponse moyen une requte pour lordonnancement est donc : s

Comparons ce rsultat lordonnancement priodique

99: 99: 99: ;; 7 7 7 8 8 MT TDT Q Q Q Q 7 87 R 87 Q Q Q Q : : R : Q Q Q Q TMTDT UMX UWV TMDT T =>@?BADCFEG>IHKJMLANPO 11112p 6 2  G
P34
P34Y2P3Z
2 1  5 G P34 
1 34 
34Y& \1 ]3Z
 4 3  ` ]3Zn 34^ _a` 34b _c
3d 1111p 2 &6 ]3Z5 ` 3def]3Z ` P3Z.
P34g 11p 2 &6 TMTDT Q Q ll mlml R mlml Q Q kjkj kjkj R kjkj Q Q hh ihih R ihih TMTDT S TDTDT TMTDT UX UV 11 2 &6 234 ` 34 ` ]3Z
3Z
xoP3Z
1  
F IG . 1.1 : Lordonnancement F IG . 1.2 : Lordonnancement Pour cet ordonnancement, une requte pour s ; et une requte pour au bout de
24

34

1 2 5 1 1 11112 &6 ;;< ;;< < R < TMTDT S

2 [34 P34Y [ 34

, Figure 1.2 :

est servie en moyenne au bout de f s. Ainsi

3Z5 34n

Chapitre 1 Ordonnancer la dissmination de donnes 1.1 Dnition du modle et notations

1.1.2 Le modle et les notations

lattente moyenne dun client est de :

est lorAinsi, lordonnancement est meilleur que . En fait donnancement optimal ; il faut donc diffuser deux fois plus que , lorsque est quatre fois plus populaire que . Il sagit, comme nous le verrons dans la section suivante, dune rgle gnrale pour ce problme, connue sous le nom de la rgle de la racine carre [en anglais, square-root rule], mise en vidence par Ammar et Wong dans [AW85] : les messages doivent idalement tre diffuss avec une probabilit proportionnelle la racine carre de leur popularit.
Nous allons prsent dnir le modle gnral et les notations qui seront utilises tout au long de cette premire partie du document.

3Zp 3D5 `  3Z5ff]3Z ` P ] 3Z

 112p 6 1 1112p 6 2 1 2
s

112 1 6

1.1.2

Le modle et les notations

CCC de mesLes messages. Lentre du problme est un ensemble sages. Chaque message q est caractris par : son temps de transmission  , qui sera appel aussi longueur de ; son cot de diffusion chaque diffusion de cote ; et sa popularit aZ , cest--dire la probabilit quun utilisateur demande le message :

q | }q

{ |K{)))|n u 

q srq 3 t3Wz qvuxw y q q |

Nous emploierons par la suite indiffremment les termes donnes , informations, ou pages (web) pour dsigner les messages diffuser. La distribution a! des demandes sur les messages sera aussi appele le prol de lutilisateur. Lordonnancement. Etant donn un nombre de canaux de diffusion identiques, C C C un ordonnancement des messages est formellement une suite de \ couples , o et G CCC . Pour tout , on dnit , si est le ime message diffus sur le canal et est le temps auquel commence cette mission. Comme sur un canal donn la diffusion dun message doit tre termine avant le dbut de la suivante, nous avons la contrainte de non-recouvrement suivante :

  " Mq 3- " " " "

~ 3Wqu q  3 r 3 K3M~w " "

) " \ ", \} ] "tvzFd

(1.1)

Durant la diffusion, les utilisateurs se connectent suivant un processus de Poisson un instant alatoire (continu), se mettent lcoute des diffrents canaux et tlchargent le message qui les intressent ds quil est diffus sur lun des canaux.

25

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

La fonction de cot. Le serveur cherche minimiser la combinaison de deux quantits sur lordonnancement : le temps de service moyen du systme, et son cot de diffusion. Le temps de service dun ordonnancement , que lon appellera parfois le temps de rponse 8 [en anglais, Expected Service Time], correspond lattente asymptomoyen, not tique moyenne des requtes des clients, o la moyenne est prise la fois sur le temps et sur la distribution des demandes . En dnissant pour tout intervalle de temps , F comme le temps de service moyen dune requte arrivant dans , on pose :

] 

dsigne le temps de service dune requte pour arrivant au De mme si temps (continu) , alors le temps de service moyen dune requte pour arrivant dans un intervalle de temps est, en prenant la moyenne sur le temps :

En prenant la moyenne sur la distribution des demandes, on obtient nalement le temps de service moyen dune requte quelconque arrivant dans :

| [ ] K3W[ [ ] 88/  3 3Oew xW ] K K3Wq -3- qq q [ P ] K3Wq q I3WF [ 8 K3Wqq@3- [  [ u ] K3WF [ 8 a | B] K3Wq q -3Wg [
, pour tout .

8 , est le cot moyen asymptotique Le cot de diffusion dun ordonnancement , not par unit de temps de la diffusion des messages selon . Par dnition, la diffusion de chaque message q cote . Pour tout intervalle de temps , le cot de diffusion moyen sur lintervalle , not g , est gal la somme des cots de diffusion des messages dont lmission commence dans , divise par la longueur de :

[ q  3W[ [ [ K3W[g] [ Y G   d
8  8/ W x K3 3Oew  e 8
,

  [

Ainsi,

pour tout

Le cot dun ordonnancement , not , est alors dni dans le problme de la dissmination de donnes, comme la somme du temps de service moyen et du cot de

26

Chapitre 1 Ordonnancer la dissmination de donnes 1.1 Dnition du modle et notations

1.1.3 Expression algbrique du cot

diffusion :

enx$/]$$

Notons quen jouant sur les cots de diffusion, nous pouvons obtenir nimporte quelle combinaison linaire de ces deux quantits. Remarque 1.1 Il est impossible de minimiser sparment, en mme temps, le temps de service et le cot de diffusion. En effet minimiser le temps de service impose de maximiser le taux de diffusion, alors que cela maximise le cot de diffusion. Cest pourquoi le compromis de la minimisation de la somme est utilis dans ce domaine. Le cas des ordonnancements priodiques. Dans le cas dun ordonnancement priodique de priode lintervalle de temps , ces expressions se simplient de la faon suivante :

[ $/]$K3W[P $$K3W[P enx$/]$K3W[P$K3W[P

(1.2)

Restreindre ltude aux ordonnancements priodiques, permet donc dliminer le caractre asymptotique. Nous verrons par la suite que cela est souvent trs utile.

1.1.3

Expression algbrique du cot

En regardant attentivement la mthode que nous avons employe dans lexemple 1.1 page 24, pour calculer le temps de service dun ordonnancement, nous nous rendons compte que nous utilisons les longueurs des intervalles dlimits par les dbuts des diffusions de chaque message. En effet, les longueurs des intervalles entre deux diffusions conscutives , Figure 1.1 page 24, sont : s, s, s, et de dans lordonnancement service dune requte pour , hors temps de tlchargement de , s. Et le temps de O O O s. Etudions prsent le cas gnral. Nous vaut : avons besoin pour cela de quelques notations.

G 1112^ 6 34 1 _ )-P3WY  3WY v 1 3WY v 3WY  " } p  q q [

P34 34 34 1

Notations. Soit un ordonnancement sur canaux et un intervalle de temps born. Pour chaque message (cf. illustration Figure 1.3 page suivante) : est le temps coul du dbut de au dbut de la premire diffusion de q . Et, pour , est la longueur de lintervalle de temps entre les dbuts des q ime ime et diffusion de q aprs le dbut de . est le nombre de diffusions de q qui commencent dans .

q + 

27

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

q
de

est la longueur de lintervalle entre la n de et le dbut de la premire diffusion aprs .

TDTM T TDTM T TDTM T

F IG . 1.3 : Illustration des notations de la section 1.1.3. Ici, message commencent dans .

U S$ X $S V S$ q

S $S S$ TDTMT ".b [

MT TDT S TM TDT TM TDT

missions du

Avec ces notations, on obtient lexpression suivante pour le cot de lordonnancement : Lemme 1.1 (Expression algbrique du cot) Le temps de service moyen dun ordonnan, sur un intervalle de temps born, avec les notations cement des messages dnies ci-dessus, est : (1.3)

Et le cot de diffusion de

q}33Wqu [ u u B ]$K3W[P |z [ |( I+0 I  u $3W[P [ ".(

vaut :

(1.4)

Remarquons que lon retrouve bien lexpression de lexemple 1.1 page 24, pour temps de service moyen sur une priode de lordonnancement , dune requte demandant le message .

G11112^ 6

Preuve. Considrons une requte pour le message . Pour , avec probabilit , elle tombe uniformment dans lintervalle de longueur et attend le dbut du message en moyenne temps. Et avec probabilit , elle tombe dans le

q v  +

dernier intervalle et attend le dbut du message en moyenne :

\". - [ G]@ 

28

Chapitre 1 Ordonnancer la dissmination de donnes 1.1 Dnition du modle et notations

1.1.3 Expression algbrique du cot

En ajoutant le temps de tlchargement de , puis en sommant sur les diffrentes requtes, on obtient lexpression (1.3) page ci-contre. Par dnition, le cot de diffusion est la somme des cots de diffusion des messages dont lmission commence dans , divise par ; do lexpression (1.4) page prcdente.

z q [

Le cot dun ordonnancement est donc une fonction quadratique en les longueurs des intervalles dlimits par les missions conscutives dun mme message, ce que lon peut interprter par plus lintervalle est grand, plus on a de chance dattendre longtemps. Remarquons que lon peut reprsenter, comme le montre la gure 1.4, le temps de service de chaque message, cumul sur un intervalle, par la somme des surfaces de triangles rectangles isocles, dont le dernier est tronqu. Cette reprsentation nous sera utile plus tard pour lobtention dun algorithme en temps ni et pour lanalyse des algorithmes gloutons.

U TDTM T TDTM T TDTM T >JWH>KHG>M N  @> DAA >FHN>I?BADCFE>IH JHFMAL AN N >>IHH
(>   -EG>M N   >  [

F IG . 1.4 : Le temps de service des requtes pour le message , cumul sur un intervalle , est la somme des surfaces de triangles rectangles isocles, dont . Les temps le dernier est tronqu, et du temps de tlchargement de de service de deux requtes sont illustrs par des traits pais, les parties grises correspondent aux phases de tlchargement. Lexpression algbrique de Lemme 1.1 se simplie dans le cas dun ordonnancement priodique : Corollaire 1.1 Si est un ordonnancement priodique de priode sages , alors :

TM TDT S TM TDT TM TDT P E E > - EG> (N

(> > -E q q

q}33Wqvu  u u  ex$  | z t | ".G((

des mes-

(1.5)

29

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

o est le nombre de diffusions de par priode, et dsigne la longueur de lintervalle ime et la ime diffusion de dune priode de . entre la Ces expressions nous seront trs utiles pour obtenir un minorant. Cependant, comme nous le verrons, il est souvent plus efcace de raisonner directement sur les requtes. Les preuves en sont souvent plus courtes et plus intuitives.

"

x+ 

qv

1.1.4

Renversement du temps

Cette section adopte un point de vue particulier qui nous sera utile par la suite pour analyser facilement les algorithmes gloutons par exemple. La difcult, lusage, de la dnition du temps de service dune requte est que celui-ci dpend du futur. Ainsi, on ne peut pas valuer le cot un instant avec la seule connaissance de ce quil sest pass avant . Or, lorsque nous regardons lexpression du temps de service pour un ordonnancement priodique, Corollaire 1.1 page prcdente, nous constatons quelle ne dpend que des longueurs des intervalles entre deux diffusions. Nous pourrions donc dnir de faon quivalente le cot instantan au temps en fonction de la date de la dernire diffusion de chaque message. Nous dmontrons ici que de temps de service de tout ordonnancement est rversible, cest--dire que sa valeur est inchange, que lon dnisse le cot en fonction de la diffusion suivante du message ou bien de la diffusion prcdente. (Remarquons que cette proprit est triviale pour le cot de diffusion). Ce rsultat permet en particulier de dmontrer que les diffrents articles traitant du domaine dnissent bien le mme modle : ceux qui dnissent le cot en arrire [AGH95, BNBNS98], et ceux qui dnissent le cot en avant [BNS99, KS99, Sch00, KSY00].

Denition 1.1 Pour un ordonnancement , nous dnissons lattente en arrire pour le message la date , note !#" , comme le temps coul depuis le dbut de la . Si est la date du dbut de la dernire diffusion de avant , dernire diffusion de nous avons :

qv

 F $K3Wqv@3-- q !$" $K3Wq 3-W{K+ q P

qv

Nous considrerons que tous les messages sont diffuss la date &% (lquivalent de cette hypothse pour le temps de service est quaucune requte narrive avant '% ). Ainsi, si il ny a eu aucune diffusion de avant , nous avons : !$" . De la mme faon, lattente en arrire moyenne pour sur un intervalle born , not , est dnie en prenant sur le temps : !$"

f$3Wq@3W[P

q $ K 3Wq 3-W{

(1.6)

!#"

$K3WqvI3W[] [

!$"

$K3WqvI3-W)(

(1.7)

30

Chapitre 1 Ordonnancer la dissmination de donnes 1.1 Dnition du modle et notations

1.1.4 Renversement du temps

Puis en prenant la moyenne sur le prol de lutilisateur, nous obtenons lattente en arrire moyenne sur lintervalle born : (1.8)

[ u !#" $K3W[] | *!#" f$K3Wqv@3W[P 

Lattente en arrire moyenne dun ordonnancement en est alors la valeur asymptotique dnie par :

!#"

Nous dnissons nalement le rtro-cot dun ordonnancement comme la somme de lattente en arrire, du cot de diffusion de lordonnancement, et du temps de tlchargement moyen des requtes :

f$ W !#" f$K3 ,+3eM3 "ee

pour tout ,+ .

(1.9)

Le thorme 1.1 suivant dmontre que le cot dun ordonnancement est identique quil ou bien partir de . Ainsi, !$" permet de soit dni partir de !$" dnir un cot instantan en dun ordonnancement, dtermin en fonction des diffusions ordonnances avant la date , cest--dire sur lintervalle born . Commenons par valuer lattente en arrire moyenne. Lattente en arrire moyenne se reprsente de la mme faon que prcdemment laide de triangles, identiques ceux du temps de service mais renverss, comme le montre la gure 1.5 page suivante. Cette gure met, de plus, en vidence une correspondance graphique troite entre lattente en arrire et le temps de service hors temps de tlchargement : le temps de service dune requte au temps correspond la section horizontale, dbutant au temps , du triangle en cours, alors que lattente en arrire correspond la section verticale du mme triangle sous le temps .

u " {&!$"   |z( $K3- W $K3-W %]3-&

(1.10)

$K3-W

La proposition suivante dmontre la proprit annonce.

Thorme 1.1 (Rversibilit) Pour tout ordonnancement nous avons :

u ]v$&!$"$ |z

des messages

q33Wqvu

(1.11)

31

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

<;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< BA AB = BA >=  ] `]a] \b\c d\e] AB BA = BA >= AB BA = BA >=    ] = >=

U,V N

PWEHE E --E E

<;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;<

<;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< >= >= >= >= >= >= >= >=

<;:9<;<;:9<;<;:9 <;<;:9
<;<;:9 <;<;:9 <; JI >= JI >= JI >= JI >= JI JI LKJI LKJI LK LK

M NPORQTS <;:9<; ;:9<;< <:;9<; <:;9<; <:;9<; <:;9<; <:;9<; <;:9<; <;:9<; ;:9<;< <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; ;:9<;< <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; ;:9<;< <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; ;:9<;< <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; ;:9<;< <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; <;:9<; JI JI JI JI JI JI JI 1 JI 21 JI JI JI JI JI JI JI ?1 JI @?21 JI JI JI JI JI JI JI ? JI @? JI JI JI JI JI JI JI ? JI ?@ JI Attente JI JI JI enJI arrire JI JI ? JI @? JI JI JI JI JI JI JI ? JI @? LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LKJI LK LK LK LK LK LK LK LK LK LK LK LK LK LK LK LK LK LK LK LK T. LK Service LK LK E LK EF LK LK LK LK LK LK LK E LK FE LK LK LK LK LK LK LK E LK FE LK LK LK LK LK LK LK E LK FE

<;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< <;:9<; ;:9<;< 21 21 21@? @?21 @? @? ?@ ?@ @? @? @? @? EF EF FE FE FE FE FE FE

<;:9<; :9 9: <;:9<; :9 :9 <;:9<; :9 :9 <;:9<; :9 :9 <;:9<; :9 :9 <;:9<; :9 :9 21 21 - 21 @?21 21 - 21 @? ?@ @? @? 7 78 7 87 EF EF FE FE FE FE FE FE 87 87 EF

:9 :9 9: :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 .- / .- 0/ .- / .- 0/ / 0/ / 0/ / 0/ / 0/

0/
0/ 0/ 0/ 0/ 0/

:9 :9 9: :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 :9 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 0/ 65 65 56 65 65 65 56 56 56 65 65 65 65 65 65

:9 :9

:9 9: :9 Y :9 YY :9 :9 :9 Y :9 YY :9 :9 YYY 0/ 0/ 0/ 0/ 0/ 0/

Attente en arrire

WE H K H Z H W H E -E

P]_^ ] ]\ ] [Z\ ]_^ ,] GH GH GH GH ` \

])] HG HG UW

C CD C HG DC C HG DC C HG DC

CD CD LK CD DC DC LK DC DC DC LK DC DC DC LK DC UX

5 65 56 5 65 65 FE 5 56 56 3 FE 34 5 43 65 65 3 FE 34 5 43 65 65 U

YYY

F IG . 1.5 : Reprsention graphique de lattente en arrire et de sa correspondance avec celle du temps de service. Les requtes et leurs temps de service (hors temps de tlchargement) sont reprsents en noir. Lattente en arrire ces dates est reprsente en gris. Nous constatons que lattente en arrire correspond la section verticale du triangle la verticale de .

Preuve.

Soit

 u  W  ] $ g   f h % f e x xW !#" $gf %hfe | zjif

un ordonnancement. Il sagit donc de prouver que :

Nous adoptons les notations de la section prcdente, rappeles Figure 1.5 :

lk @m m
ime

est le nombre de diffusions de

qv

qui dmarrent dans %hf .

est la longueur de lintervalle de temps dlimit par les dbuts des on& diffusions de .

qv

ime

et

est la longueur de lintervalle entre aprs .

et la diffusion de

qv

immdiatement

32

Chapitre 1 Ordonnancer la dissmination de donnes 1.1 Dnition du modle et notations

1.1.4 Renversement du temps

Nous avons (cf. illustration Figure 1.5 page prcdente) :

et, Ainsi :

qr B$ u Ii G n m-Ist !$"f$af %hfe p  | qr u G u ]f$gf %hfe |z(u i p | n{ m- ts

u | u ]f$gf %hfeanv!$"$gf %hf Tn | z | w m n G xzy n m-{

|
et :

surface du petit rectangle gris du triangle tronqu, Figure 1.5

Ainsi,

En particulier, si , alors et nous avons ni. . La difcult de la preuve, ici, est que les quantits Supposons que et oscillent de faon dphase. Nous allons donc procder en deux tapes. Nous commenons par borner la distance entre deux crtes conscutives sont petits devant . Puis, nous de ces quantits en dmontrant que les intervalles bornerons la valeur de avec la valeur de crte suivante de . . Comme , il existe tel que pour tout : Commenons par borner . Ainsi, pour tout et pour tout :

En particulier, pour tout : telle que , nous constatons que, pour tout Nous en concluons que, pour tout : et donc

u v$gf %hfe !#" $gf %hfe)i |z u | ]v$ !$"$ i | z !#" f$~} ]v$~ } !#" $ } !$"f$af %hfe ]$a  f %hfe G ]$g  f %hfe !#" f$gf %hfe BG !#" f$ &} !$"f$af %hfe G p i B n m- | G n m n- + m + &% G mi, BG m $ G ~
. Ainsi, en considrant la date : 33

(1.12)

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Maintenant que nous nous sommes assurs que lespace entre les crtes est ngligeable gf %hf par la valeur devant la priode considre, nous pouvons borner la valeur de de crte suivante de !#" gf %hf :

]v$  $  e u !#" f$gf %hfegi $gf %hf | z }qr B u u $ |zji p | n0 m- st u B i * m  u u |z(ui p m i o* m- |  mu u i * u m !$"$a  f %hfi o * u m&)i |z(` u Gio $ !#" Bg  fb%hfi #i |z u !#" f$]f$i |z
tend vers linni :

Et donc, en prenant les limites suprieures, lorsque

C.Q.F.D.

Cette proposition sera particulirement utile pour analyser les performances des algorithmes gloutons, Section 1.2.4 par exemple. Car, nous pourrons calculer leurs cots laide de lattente en arrire moyenne et donc en fonction des messages qui sont dj ordonnancs. La section qui suit, retrace les travaux antrieurs pour le cas des messages de longueur uniforme, qui sont la base de nos travaux. Elle prsente en particulier le minorant dAmmar et Wong [AW85] et diffrents algorithmes dapproximation que nous tendrons par la suite.

1.2

Travaux antrieurs

Parmi les travaux antrieurs sur lordonnancement de la dissmination dinformation, seul le cas des messages de longueur uniforme a fait lobjet dune tude approfondie menant des algorithmes avec garantie de performance. Comme le souligne Ammar en 1987,

34

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.1 Un minorant sur le cot des ordonnancements

dans [Amm87], [this hypothesis] is required to render the problem under consideration tractable1 . Dans ce cadre, les auteurs font lhypothse que les canaux sont synchroniss et mettent aux dates entires et que les messages ont tous longueur : ainsi, en reprenant les notations de la section 1.1.2 page 25 dnissant le modle, pour tout ordonnancement  k) f k)[R  , les dates de dbut de diffusion k) sont entires. Remarquons que lhypothse du temps discret induit un surcot infrieur une unit de temps. En effet, il suft de dcaler toutes les diffusions de message qui ne commencent pas une date entire, sur le temps entier immdiatement suprieur. Le cot de diffusion reste inchang et le service des requtes est retard dau plus une unit de temps.

Denition 1.2 Le ime crneau [en anglais, time slot] dun canal dsignera lintervalle de temps )nfR sur ce canal. Il sagit donc de trouver un bon ordonnancement des messages dans ces crneaux. Cette section dtaille les rsultats qui ont t obtenus dans ce domaine.

1.2.1

Un minorant sur le cot des ordonnancements

Une tape cl lors de la conception dalgorithme dordonnancement de la dissmination de donnes est la recherche dun bon minorant sur le cot dun ordonnancement optimal. Non seulement celui-ci permet de garantir les performances, mais il se rvle tre trs informatif sur la forme idale dun ordonnancement optimal, en proposant une frquence optimale respecter pour la diffusion de chaque message. Le lemme suivant prsente le minorant quAmmar et Wong ont propos dans [AW85] pour le cas dun ordonnancement sur un canal sans cot de diffusion. Nous donnons ce lemme dans le cas gnral de la dissmination de messages de longueurs uniformes sur canaux. Cette gnralisation est due Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98].

Lemme 1.2 (Un minorant pour le cas des longueurs ` uniformes, [AW85, BNBNS98]) Le problme de minimisation non-linaire suivant est un minorant du cot de

En franais ;-), [cette hypothse] est ncessaire pour permettre ltude du problme.

35

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

delongueur , sur canaux : z zz p i z * i , ` | (1.13) f Sur le domaine: ob z # u ` . Et est atteint si et Ce problme de minimisation admet une unique solution u seulement si il existe un ordonnancement qui diffuse chaque message priodiquement,
tout ordonnancement des messages

ff

exactement tous les

Remarque 1.2 Ce minorant est particulirement intressant pour deux raisons. Dune part, pour chaque message . Dautre part, il donne une il suggre une frquence condition doptimalit : ce minorant nest atteint qu la condition que lon puisse ordon priodiquement, exactement tous les . Le premier point va nous servir nancer chaque concevoir et garantir des approximations, en particulier durant le chapitre 4, o nous tablirons lexistence dun schma dapproximation polynomial pour ce problme. Le second point va nous permettre dtablir la $ -duret du problme. Preuve du Lemme 1.2. Nous verrons dans la section suivante quil existe un ordonnancement priodique optimal. Aussi, nous pouvons limiter notre tude aux ordonnancements priodiques. k et . Reprenons les notations Soit un ordonnancement priodique de priode  dnies pour chaque message au corollaire 1.1 page 29. Daprs ce corol laire, le temps de service moyen dune requte pour est :

Relaxons les contraintes sur lordonnancement en optimisant le temps de service pour chaque message indpendamment des autres, sans tenir compte des contraintes de non recouvrement entre les messages (dnies par (1.1) page 25). Etant donn que , la stricte convexit de & implique que la somme des carrs est minimise si et seulement si tous les termes sont gaux2 , cest--dire si et seulement si le mesCette proprit est directement relie un autre problme de minimisation dnergie de physique. En effet, la somme R jc  correspond lnergie de ressorts de raideur identique et de longueur vide nulle, attachs la queue le leu, entre deux clous distants de . Lnergie est alors minimise lquilibre, lorsque
2

36

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.1 Un minorant sur le cot des ordonnancements

sage est diffus priodiquement, tous les obtenons que :

exactement. Posons 

, nous

et donc, en sommant sur les diffrents types de requtes : z

$ 

Dautre part, le cot de diffusion se rcrit :

la frquence ( valeur Notons que

correspond dans h ) dans lordonnancement, cest--dire au pourcentage de crneaux qui sont du message z , on a :  . Et, comme sa diffusion. Comme consacrs chaque vrie  ~ , on a : . Ainsi en minimisant sur sur le domaine dni par ces contraintes, nous obtenons bien un minorant sur le cot de tout ordonnance ment. La fonction objectif   est convexe, en tant que combinaison linaire positive de fonctions convexes. est galement Le domaine de minimisation      convexe (cest lintersection densembles convexes). Ainsi, comme  et comme  nest constant sur aucun segment, la fonction objectif admet un unique minimum sur le domaine de minimisation. b Finalement, daprs ce qui prcde, ce minimum est atteint si et seulement si il existe un ordonnancement qui diffuse chaque message priodiquement, tous les exactement.

On ne sait donner dexpression algbrique de la solution du problme de minimi` pas . Aussi, pour sa rsolution, Bar-Noy, Bhatia, Naor et Schieber utilisent une sation ` `  du minorant , en liminant la contrainte version relaxe  u . On obtient alors un nouveau minorant, plus faible que le prcdent, mais dont nous savons dcrire ` al, gbriquement la solution  . Cette solution permet de construire la solution de comme nous le verrons au lemme 1.4 page 39. Lemme 1.3 (Minorant relax pour le cas des uniformes, [BNBNS98]) Le ` longueurs suivant est un minorant du cot de tout problme de minimisation non-linaire 
les ressorts ont tous la mme longueur



37

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

ordonnancement des messages

`  



, de longueur , sur z

, b domaine: Suro le

* 

canaux :

zz

(1.14)

Ce problme de minimisation admet une unique solution

 , telle que :  
, (1.15)

dni par : si , alors !  % ; et, sinon, !  est lunique solution $# "!  ~ . De plus, ce minorant est atteint si et seulement si positive de : &# priodiquement, tous les il existe un ordonnancement qui ordonnance chaque message  exactement.

"!

pour un certain !

,  est clairement un minorant du cot. Preuve. Comme  De mme, la fonction objectif est convexe sur un domaine convexe, et nest constante ` ` sur aucun segment. Donc admet une unique solution  . Par construction,   est ralis si et seulement si il existe un ordonnancement qui diffuse chaque message priodiquement, tous les  . La rsolution de ce problme de minimisation non-linaire utilise une relaxation La grangienne dont nous allons dtailler les tapes an den justier rigoureusement la validit. ( ' Soit  , la fonction objectif (pure). Remarquons que chacune * * ' 3 des fonctions z est unimodulaire et admet un unique minimum donc )  ) . admet pour unique minimum sur . # , sur * + Soit , la contrainte principale. Les contraintes dnissent un '0/ , sont ' considrer : . Deux cas domaine - de )

. .

pouvons dcrotre lun des  pour le rapprocher de , et amliorer ainsi la solution). Le thorme des extrema lis donne que les gradients de  et + sont colinaires au minimum  . Remarquons que les gradients de  et + pointent la mme direction 6dans 5 en  , puisque  crot lorsque entre dans le domaine +  . Ainsi il existe un
3

z - , alors comme chacun est unimodulaire, Si des termes ( ' le minimum de  est atteint sur la frontire de - , dnie par : +  4  (sinon, nous
, alors

Si

'3/ 2 -

, et on pose !

 1

.z

z

Une fonction est dite unimodulaire si elle change de sens de variation au plus une fois.

38

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.1 Un minorant sur le cot des ordonnancements

paramtre !   , appel paramtre de Lagrange, tel que 839;:=<;> 9;:7<;> systme suivant :

 7! 

soit solution du

Ce systme peut tre rcrit suivante en introduisant la fonction, dite de de la faon Lagrange, @ 7! 1 ,A!B+ :

+  1 

!   ?

+ 

(1.16)

(1.16)

 D E @! E

 E

@z

 7!  4 

7 !  4 

i.e.

 7! 

est un point critique de @ . (1.17)

critique4  7!  , tel que : Or, @ admet un unique point et F!  ~ , C.Q.F.D. &#

"! 

,!

permet de dduire la valeur de la Connatre la valeur la solution  de  ` de , comme lindique de lemme suivant, qui sera dmontr dans le solution de cadre plus gnral de cette thse au chapitre 5. , [BNBNS98])  "G Lemme 1.4 (Rsolution Soient , la solution de ` de , si  , alors .  , la solution de  . Pour tout ` IHJ I H

` et

Remarquons que si  , pour tout , alors  vrie les contraintes de ` zIH et J du minorant : nous  . Nous obtenons ainsi un I H algorithme de` rsolution  commenons par calculer la solution ; sil existe un indice , tel que u  de  , alors nous xons la valeur de , et nous itrons sur le problme o cette variable a  . Lalgorithme complet (1.1) est dcrit page suivante. t retire ; sinon, nous avons Pour ltude des extensions prsentes dans ce document (tout particulirement celle du chapitre 3), nous aurons besoin dtendre la mthode que Bar-Noy, Bhatia, ` Naor et Schieber . Ces rsultats tant ont propose pour la rsolution du problme de minimisation plutt techniques, nous avons prfr leurs consacrer un chapitre spar, le chapitre 5. Nous y prsenterons, entre autres la preuve de notre gnralisation du Lemme 1.4 ainsi que ltude ` ` du calcul approch des solutions  et de  et , respectivement. `
Comme nous lavons vu Remarque 1.2 page 36, le minorant propose une frquence idale
pour chaque message et une condition doptimalit qui est que chaque message soit ordonnanc priodiquement tous les exactement. Cette condition va nous permettre dtablir que le problme avec des cots de diffusion est # -difcile.
4

Un point critique dune fonction

MNONONOPM L;Q K I L N

est un point

LSR

tel que :

UTV

MXW7W7Z\Y [ I LSR ^ ]`_ .

39

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 1.1 Calcul de la solution du minorant Entres : Un entier et un ensemble de probabilits et cot . Rpter

ba

` Xc  de messages de longueur , ` .

/ Calculer la solution d ` Pour tout ,

teld que

J du problme relax  fe

d Pour tout

/ Jusqu ce que

~g, .

reste inchang.

1.2.2

hji

-duret

Nous donnons le rsultat suivant, sans en dtailler la preuve qui ne nous sera pas utile par la suite. Thorme 1.2 (kml -duret du cas longueurs uniformes Gavec cots de diffusion, [BNBNS98]) , avec Le problme de lordonnancement de la dissmination de messages  des cots de diffusion, sur canaux, est $ -difcile. Principe Le principe est de dmontrer que dcider si lon peut raliser le miude la ` preuve. norant , cest--dire si lon peut ordonnancer chaque message priodiquement tous les , est # -difcile. Ceci est obtenu en dmontrant quen jouant sur les cots de diffusion , nous pouvons obtenir nimporte quelles valeurs pour les . Nous sommes alors ramener montrer la # -duret de savoir sil est possible dordonnancer des messages, sans recouvrement, intervalles rguliers de longueurs xes. La $ -duret de ce dernier problme est alors obtenue par rduction du problme du coloriage des graphes [BNBNS98].

Remarque 1.3 La $ -duret du problme de la dissmination de messages de longueur uniforme sans cot de diffusion, est encore un problme ouvert actuellement.

1.2.3

Existence dun optimal priodique

Pour tablir le minorant Lemme 1.2, nous avons fait lhypothse que nous pouvions nous restreindre aux ordonnancements priodiques. Lobjet de cette section est de dmontrer

40

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.3 Existence dun optimal priodique

quil existe un ordonnancement optimal priodique, dans le cas o le temps est discret, et o tous les messages ont le mme temps de transmission. Ce rsultat a t obtenu une premire fois par Ammar et Wong dans [AW87], en prsentant le problme sous forme dun processus Markovien ni. Nous exposerons ici la preuve dAnily, Glass, et Hassin quils ont propose dans le cadre de la maintenance de machines [AGH95]. Le principe est de commencer par dmontrer que nous pouvons borner lintervalle entre deux diffusions conscutives dun mme message (Lemme 1.5) et ainsi dmontrer que lon peut se restreindre lexploration dun nombre ni dtats possibles. Cette preuve utilise un graphe dtats valu dont les chemins innis et leur fonction de cot associe sont en bijection avec les ordonnancements. An de clarier les notations, nous ne considrerons que le cas dun canal ; la gnralisation au cas de plusieurs canaux est immdiate.

G n op,jq\osr dun ordonnancement t , nous dnisDenition 1.3 (Etat) Pour chaque crneau sons ltat vx u w ozy la date o comme le -uplet { v w ozy v w ozyz| , o v w ozy q est le temps coul depuis le dbut de la dernire diffusion de jusquau temps o (cf. Figure 1.6). 7~}~}~} = ~}~}~} ~} ~} ~}~}~}~} }~}~}~}~ ~}~} }~}~ }~~} ~}~} ~}~} ~}~} }~}~ ~}~} ~}~} ~}~} ~} }~ ~}~}~} }~}~}~ ~}~} }~}~ ~}~} }~}~ BU==N B M ~}~} ~}~} ~}~} ~}~} ~}~} ~}~} ~}~} 7= ~}~} ~}~} ~}~} ~}~} ~}~} ~}~} ~}~} 7= P47=

F IG . 1.6 : Dnition de ltat vx uw longueurs uniformes.

ozy

la date (entire) o pour le cas des messages de

Denition dtats) Le graphe dtats X dun ensemble de messages v 1.4 X(Graphe c / a ) est le graphe valu suivant. Les sommets de sont les tats u { v  v | w y . Etre au sommet v u la date (entire) o , signie que la dernire v y . Les artes sont de deux  message G diffusion de chaque a commenc la date w o , types. Pour q , les artes qui relient les sommets { v  v  v | aux v 4q| sont tiquetes . Et celles qui relient les somsommets { v 4 q qg v v mets {  ) | aux sommets { v g4q) v 4q| sont tiquetes . Passer par une w o,qy et o signie que lon a diffus le arte tiquete ( resp. ) entre les dates message (resp. rien) durant le crneau o . Nous associons chaque arte un cot, correspondant au surcot induit par la diffusion en cours, que nous dnissons naturellement comme le rtro-cot moyen sur le crneau. Or, lattente en arrire moyenne pour le mes sage durant un crneau dtat { v ) v | est wv ,q y . Ainsi, le cot dune arte

41

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

tiquete joignant

{v



v | { v qg v

4q| vaut : v
(1.18)

( 7 w y q, q
Et, pour une arte quete :

joignant

{v





v | { v g4qq) v q
v

q| , ti(1.19)

( w y

( = w y q z B = w y (1.20) w Le cot dun chemin y inni est alors dni comme la valeur asymptotique du cot de ses segments nis : IH  B w y    B B w = yNP pour tout . (1.21)
Ainsi si on note t lordonnancement des messages Fz)z sur un canal, obtenu b en concatnant les tiquettes des artes du chemin , nous avons une bijection entre les chemins innis de et les ordonnancements t des messages ")z sur un w t y canal. De plus, construction, le cot de est exactement le rtro-cot de t :  w t y par B = w y . Ainsi, le thorme 1.1 page 31 sur la rversibilit du temps assure que :

Nous dnissons alors naturellement le cot dun chemin ni comme le cot moyen de ses artes :

wt y

B w y

Nous avons donc tabli une correspondance entre les chemins innis de nancements des messages )z sur un canal.

et les ordon-

Note 1.1 Pour le cas de plusieurs canaux, la dnition de ltat une date o reste inchange, seule la dnition des artes du graphe dtat doit tre revue. Au lieu de diffuser au plus un message, chaque arte peut diffuser jusqu messages et sont tiquetes en consquence par autant de messages. Leur cot reste dni de la mme faon, comme le rtro-cot moyen de lordonnancement sur le crneau correspondant aux diffusions de larte. Lunique difcult est alors la lourdeur des notations. Le lemme suivant dmontre que lon peut se restreindre un graphe dtats ni. Nous donnerons par la suite deux preuves de ce rsultat dans deux cas plus gnraux : le cas

42

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.3 Existence dun optimal priodique

o les messages nont pas tous la mme longueur dune part, et celui o les missions des messages peuvent tre premptes, dautre part. Aussi, nous ne donnerons ici que le principe de la preuve. Lemme 1.5 (Borner lintervalle entre deux diffusions, [AW87, AGH95]) Pour tout ordonnancement t des messages "zj , il existe un ordonnancement t  , tel que :

et tel que pour toutG , tout intervalle entre deux diffusions conscutives du message w born par y\= .

w t  y

w txy

soit

Principe de la preuve. Pour chaque intervalle, considr de gauche droite lun aprs lautre, de longueur suprieure , dans lequel nest pas diffus, on choisit un crneau vide, ou un crneau contenant un message diffus plusieurs fois, et on y ordonnance . On dmontre par le calcul que, pour la valeur de donne, le cot de lordonnancement obtenu est meilleur sur tout intervalle . On dnit alors t  comme lordonnancement  limite.

Thorme 1.3 (Existence dun optimal priodique, [AW87, AGH95]) Lorsque le temps est discret et que les messages ont tous le mme temps de transmission, il existe un ordonnancement optimal qui est priodique, Preuve. Grce au Lemme 1.5, nous pouvons nous restreindre aux ordonnancements t tels que lintervalle de temps entre deux missions conscutives de j est borne par . Soit t , / un tel ordonnancement. t correspond un chemin inni B c dans le sous-graphe ni aPqgz . Ce chemin se dcompose donc de induit par les sommets v tels que v en un nombre ni de cycles dont certains sont parcourus un nombre inni de fois. Le cot de , et donc celui de t , est alors la combinaison barycentrique nie des cots des diffrents cycles de parcourus une innit de fois par B . Ainsi, le cot de tout ordonnancement t est minor par le cot minimum dun cycle du graphe ni . Ainsi, soit p un cycle de X de cot minimum, lordonnancement correspon dant t , priodique, est optimal. Remarquons que nous obtenons ainsi un algorithme en temps ni (exponentiel) pour calculer un ordonnancement optimal bas sur la recherche dun cycle de poids moyen minimum. Un algorithme permettant de calculer ce type de cycle, en temps polynomial en la taille du graphe, est donn par Orlin, Tarjan et Young dans [YTO91].

43

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

1.2.4

Algorithmes dapproximation un facteur constant

Les meilleurs rsultats jusqu nos travaux sont des approximations un facteur constant pour ce problme. Comme nous lavons annonc au dbut de cette section, ces algorithmes reposent sur les observations tires de lanalyse du problme de minimisam w y . tion Algorithmes randomiss Le premier algorithme, propos par Gecsei dans [Gec83] pour le cas dun canal, sans cot de diffusion, propose dordonnancer dans chaque crneau un message tir au hasard suivant une distribution w y xe : &

q . Le temps de service de : cet ordonnancement est alors le suivant : chaque requte demande j avec probabilit ^ , attend q jusqu la n crneau courant, attend en moyenne c du qpuis 0 w qX, y ^ aj ne soit pas diffus avant o ,q jusqu la diffusion de j , auxquels il faut ajouter le temps de chargement, q , de . Ainsi lesprance du temps de service de lordonnancement alatoire t Gec gnr est :

q ^ (1.22) En minimisant sur les , sous la contrainte $ q , (de la mme faon que m nous avons rsolu le problme de minimisation relax w y page 37)), il dmontre que la distribution w y , qui minimise le temps de service, choisit proportionnellement la racine carre de la popularit du message j , ^ . Lesprance du temps de service de n  w t
Gec yr

lordonnancement randomis est alors de :

n  w t

q ^ X Gec yr

(1.23)

Notons que du fait de la loi de grands nombres, lesprance est atteinte avec probabilit q . Ammar et Wong dmontrent pour ce cas, la solution du problme de minimisam w y vrie : D que ^ . Ainsi le temps de service optimum est minor par : tion

w q y q Lalgorithme de Gecsei est donc une -approximation.

(1.24)

Bar-Noy, Bhatia, Noar et Schieber tendent dans [BNBNS98] cette heuristique au cas de canaux avec cot de diffusion. Pour cela, ils proposent de diffuser chaque message

44

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.4 Algorithmes dapproximation un facteur constant

Algorithme 1.2 Algorithme randomis de dissmination sur un canal Entres :

w y

Si

q q alors Introduire un message fantme , avec q q q .

Tirer au hasard
q  avec probabilit

vriant, pour tout , $F , et q ?q .

et une valeur

telle que :

Sortie :

Pour tout o Si

qI

q .

Ne rien ordonnancer durant le crneau o Ordonnancer le message j durant le crneau o

alors

Sinon

dans chaque crneau sur chaque canal avec probabilit q w ( y , o ( est la so w lution du problme de minimisation y . Rappelons que q ( , ainsi cas de Gecsei, du fait de la prsence des cots, la somme q . Contrairement au w des probabilits diffusion y peut tre infrieure q ; cela signie quavec probabi w de q y , on ne diffuse rien. Lanalyse du temps de service de lordonnanlit  cement gnr t BNBNS , est alors, de manire identique :

n  w t

BNBNS yr

q ^

(1.25)

Le cot de diffusion est la somme pondre des frquences. Par la linarit de lesprance, lesprance du cot de diffusion de t est donc la somme pondre des esprances des frquences de chaque message, cest--dire  q ( pour chaque j . Ainsi :

n w t

yr BNBNS

(1.26)

45

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Ainsi le cot de service moyen de t est :

n w t

q  7 y r 0 m w y 0 w y BNBNS 

(1.27)

La difcult de la gnralisation au cas de plusieurs canaux, outre la rsolution du problme de minimisation, est alors dassurer quun mme message ne soit pas diffus plusieurs fois sur diffrents canaux dans le mme crneau, ce qui biaiserait les probabilits. Bar-Noy, Bhatia, Naor et Schieber, proposent pour cela une distribution particulire sur chaque canal que nous prsenterons sous une forme tendue, au chapitre 3. Algorithmes dterministes Algorithmes gloutons. Pour le cas dun canal, sans cot de diffusion, Ammar et Wong proposent, dans [AW85], des exprimentations de diffrentes heuristiques gloutonnes sur des prols utilisateur suivant la loi de Zipf [Zip49]. Lordonnancement est calcul de o linni. La dcision gloutonne est prise en fonction de ltat courant vx u w ozy de lordonnancement au crneau courant o . Ils dmontrent ainsi exprimentalement que choisir, chaque crneau, dmettre le message de dlai moyen cumul maximum [en anglais, MAD, maximize Mean Agregate Delay], cest--dire, avec nos notations, dattente en arrire cumule w ^ v y maximale, est la rgle qui donne les meilleurs rsultats. Des exprimentations seront menes par la suite dans [ST97a, ST97b]. similaires En fait, Bar-Noy, Bhatia, Noar et Schieber dmontrent implicitement dans [BNBNS98] que cette heuristique gloutonne est la version drandomise de lalgorithme randomis de Gecsei. Ils ltendent donc au cas de la dissmination sur plusieurs canaux avec cot de diffusion en drandomisant (implicitement) leur gnralisation de lheuristique de Gecsei. Le paragraphe suivant se propose de prsenter le principe du paradigme utilis ici, que nous appellerons : la drandomisation gloutonne. Drandomisation gloutonne dun algorithme randomis. Considrons un algorithme randomis dont lobjectif est de produire une solution qui minimise une certaine fonction de cot. Le principe de la drandomisation gloutonne est de remplacer les tirages alatoires de cet algorithme par un choix glouton qui garantisse chaque tape que lesprance du cot, conditionne aux choix antrieurs, est toujours infrieure ou gale lesprance du cot de lalgorithme randomis. Plus prcisment, les diffrentes excutions possibles dun algorithme randomis peuvent se reprsenter sous forme dun arbre des choix alatoires (cf. Figure 1.7 page ci-contre). Les nuds sont les parties non-randomises du programme. Et les artes reprsentent les diffrents choix alatoires possibles la n de lexcution de chaque partie

46

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.4 Algorithmes dapproximation un facteur constant

dterministe. Chaque arte est value par la probabilit du choix auquel elle correspond (la somme des valeurs des artes sortantes dun nud est donc q ).

)+* , )+* 4 "!# :1;+<>= 0@?-A * BCB 8 6 )+* 4 "!%$ /1032 D-* )) 8 6

Init /103254 * ) 478 6

)-* . $ $ !' & :1;+<>= 0KJ B * BLB 8 6 )+* 2 /103254 * E 476 )+* D 8 )+* 4 )+* . $!%$ )+* 4 $ !%( & :I;-<F= 03? B * BCB 8 6

/1032 ,9* )) 8 6 )-* D

)+* E

!$&!' :1;-<F= 0HG B7* BCB 8 6

"!%$!%$ :I;-<>= 03? B * BCB 8 6

$&!%$!# :1;+<>= 0ON B7* BCB 8 6

/10KMM * 4 ) 8 6

$ !%$&!(  :1;+<>= 0HA * BCB 8 6

F IG . 1.7 : Un exemple de larbre des excutions possibles dun algorithme randomis et, en gras, la trace de sa drandomisation gloutonne. Excuter un algorithme randomis revient parcourir alatoirement un chemin de la racine une feuille dans cet arbre. Un tel chemin est parcouru avec une probabilit gale au produit des probabilits des artes qui le composent. Ainsi, Figure 1.7, la solution P #P  I[ . cotant  ;R Q est atteinte avec probabilit : TSVU %WXU  Z  Y Nous tiquetons chaque nud par lesprance des valeurs des solutions proposes dans son sous-arbre. Ainsi, le nud P a une esprance de :  Um ; \XU]P ; P   ;R Q . De mme, le nud P a pour esprance : %W^U_PCW& ;  %W`U_P   ; Y P-Sa ;R Q Y . Ainsi, si nous avons fait le choix P , nous pouvons esprer un cot moyen de P-Sa ;R Q , ce qui est meilleur que lesprance initiale de PCW& IWR Q ; et si nous faisons ensuite le choix , nous pourrons esprer un cot moyen encore meilleur de P  ;R Q . Lide de la drandomisation  gloutonne dun algorithme de minimisation (resp. maximisation) randomis est de remplacer les tirages alatoires lors dune excution, par la slection du nud dont lesprance est la plus faible (resp. la plus leve). Cette stratgie permet de garantir que lalgorithme glouton rsultant produit une solution de qualit au moins gale lesprance de lalgorithme randomis original. Sur notre exemple, Figure 1.7, pour minimiser le cot, notre algorithme glouton fait successivement les choix P , puis , puis P : la solution obtenue a un cot de P ;R Q . Remarquons que la drandomisation gloutonne ne produit pas la meilleure

47

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

solution possible, W& ;R Q sur notre exemple, mais garantit seulement que la solution a un cot infrieur lesprance de lalgorithme randomis initial. Le point cl de ce paradigme est le calcul de lesprance conditionnelle du cot. Dans notre cas, le fait que lordonnancement soit inni pose problme. Si lon cherche minimiser le cot asymptotique de lordonnancement global, tous les choix de messages sont quivalents pour les premiers crneaux : leur inuence sur lesprance du cot est ngligeable, puisquils sont en nombre ni. Nous pouvons malgr tout restreindre la minimisation aux ordonnancements de longueur nie b dcfe puis faire tendre c vers linni. Nous prfrerons cependant la mthode danalyse dveloppe par Bar-Noy, Bhatia, Naor et Schieber dans [BNBNS98], base sur lutilisation dune fonction potentiel qui permet de tenir compte du surcot ventuel venir. Lutilisation de la fonction potentiel vite davoir grer les problmes autour de la date c de lapproche nitiste. En fait leur fonction potentiel est dnie comme lesprance de lattente cumule venir des requtes arrives avant la date g et qui nont pas encore t servies au temps g . Nous verrons que cette interprtation nous permettra de gnraliser leur preuve aux diffrentes variantes que nous tudions dans cette thse. Nous obtenons ainsi que lalgorithme 1.3 page suivante, qui choisit chaque tape de diffuser le message qui maximise lesprance de lattente cumule venir des requtes non-servies h ^ji(( F lk , est la (une) drandomisation gloutonne de lalgorithme randomis prcdent. Comme le soulignent Bar-Noy, Bhatia, Naor et Schieber, ( est proportionnel P lorsque les messages nont pas de cot de diffusion. Ainsi, dans ces conditions, lalgorithme glouton choisit chaque tape de diffuser le message qui maximise mi^ , cest--dire qui maximise hji k : cet algorithme est donc bien la gnralisation de lheuristique dAmmar et Wong. Thorme 1.4 (Algorithme glouton, [BNBNS98]) Lalgorithme glouton 1.3 page cicontre gnre un ordonnancement n sur un canal, dont le cot est major par :

 P  ohlnpk #q3r rthjuvk : Ainsi, si est la solution du minorant s Y fw ohlnpk0yx7w ohjuvk

 

(1.28)

Preuve. Nous allons utiliser le thorme de rversibilit page 31 qui nous assure que le cot de n est gal son rtro-cot. Ainsi, nous allons pouvoir dnir le cot de n sur b gze uniquement en fonction des messages ordonnancs avant g . Nous dnissons donc le cot {-|H~ }  hmg+npk du crneau g qui diffuse le message uj ( F ) selon n , comme la somme

48

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.4 Algorithmes dapproximation un facteur constant

Algorithme 1.3 Algorithme glouton de dissmination sur un canal Entres :

Si

P P #q3r
Y

h k vriant, pour tout , F , et P P. #q3r

alors

Introduire un message fantme u P P #q3r P .

, avec

Y Y

, et une valeur , telle que :

Sortie :

Pour tout g

P I Y Soit i ltat au temps hmgPLk de lordonnancement (Dnition 1.3 page 41). Choisir
CP  tel que h ^mi^ lk soit minimal. Si Y alors Ne rien ordonnancer durant le crneau g
Sinon Ordonnancer le message uj durant le crneau g

49

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

de lattente en arrire moyenne durant le crneau prcdent hmgPLk , du cot de diffusion j rz hlnpk le vecteur du message uj et du temps de tlchargement moyen. Si lon note i dtat au temps hmgPLk , lattente en arrire moyenne pour chaque message u durant le j r crneau hmg3PLk vaut hji hlnpkP Ik , et donc :

{-|~ }  hmgnk ^ shlnLb gA&gP+emk P ^ i j r hlnpk P Y Y 3 q r

{-|~a P }  hmg+npk a ~ w o hlnk o Y ## c q3r P Posons s

w q3r h z \ ztk . Pour dmontrer que fwZhlnpkVs
w , Y nous utilisons une fonction potentiel hmg+npk . Cette fonction potentiel est dnie comme lesprance de lattente supplmentaire des requtes arrives avant g et qui nont pas encore t servies la date g , si lordonnancement se poursuivait par lordonnancement randomis aprs g . Comme &9i hlnpk requtes sont arrives depuis la dernire diffusion et devraient attendre en moyenne F la prochaine diffusion de u , nous posons : hmg+npk Y i hlnpk +q3r
Cette fonction potentiel permet de prendre en compte par anticipation lattente venir des requtes. Posons :

Notons que pour le premier crneau, lattente en arrire dans le crneau prcdent vaut }  hdP npk est dni comme la somme du cot de diffusion du premier simplement et donc {-|~ message et dune unit de temps. Daprs le thorme 1.1, nous avons donc :

}  hm g+npk hmg3_P nkhmg+npk hmg+npk Y s

w {-|~a hnpk Y et Nous allons dmontrer que pour tout g , hmg+npk4f . Ainsi, comme hmgnkF , nous aurons en sommant de g Y P c : {-|~ }  hmgnkcxCs
wV q3r ce qui donnera le rsultat. Pour cela, nous allons calculer lesprance de hmgnpk en supposant que le message diffus au temps g soit choisi selon lalgorithme randomis, et dmontrer quelle est positive. Nous dmontrerons ensuite que le choix glouton est celui qui

50

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.4 Algorithmes dapproximation un facteur constant

maximise hmg+npk . Notons nK , lordonnancement identique n sur b gpP+e et qui diffuse , n ne diffuse rien durant ce crneau). Alors, le message u durant le crneau g (si comme pour ^ , iK hln k i r hlnpkY P et, iK hln k P , nous avons :

r hmgP npkhmgnk Y i l h npk F & q3r

Ainsi,

P r r hmg+n k Y s
w &9i l h npk i hlnpk &F +q3r 3 q r Et donc, comme q P Y P , lesprance de hmg+n k vaut, en supposant que avec probabilit P : P hmgn k Y q
Or,

est tir

hmg+n k5 i r hlnpk r Ainsi, le choix glouton qui minimise hj y i hlnpk k assure bien que hmg+npk C.Q.F.D. hmgn k Y

soit positif.

Note 1.2 La gnralisation de lalgorithme glouton 1.3 page 49 au cas de plusieurs canaux consiste simplement modier la rgle de slection pour choisir, essentiellement, les messages qui minimisent la quantit hj3Oik . Ainsi, comme pour le message fantme, cette quantit vaut , nous ne considrons pour chaque crneau que les messages u , P , tels que hj+K^Omi -lk0 , et nous diffusons les X# hm3 k messages parmi ceux-ci qui minimisent cette quantit. Approximation de loptimum. Une autre heuristique pour de la dissmination de messages de longueurs uniformes sur un canal, a t dveloppe ds 1987 par Ammar et Wong, dans [AW87], puis analyse par Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98]. Cette heuristique produit un ordonnancement priodique de priode exponentielle sur un canal et de cot infrieur : de loptimum, lorsque les cots de diffusion des messages sont nuls ; et P %WI\ de loptimum, dans le cas contraire. Lide est

51

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

dutiliser une proprit du nombre dor mise en vidence par Turn Ss en Y 1957 (Thorme 1.5) : les multiples du nombre dor modulo P se rpartissent peu prs uniformment entre et P . Thorme 1.5 (Vera Turn Ss, 1957, [Knu73, vol. 3, pp. 510511, 543]) Soit , un | PLk , h |& PLk , 99 , hm | PLk nombre irrationnel. Si lon place les points hj sur le segment b CP+e , les longueurs des hm^PLk segments que lon obtient sont au plus au  | nombre de trois. De plus, le point suivant hhmyPLk PLk tombera dans un des segments de longueur maximale. En outre, si lon dit que lon a une mauvaise coupe lorsque lon dcoupe un segment b Fe en deux segments b O>>e et bTtFe dont lun mesure plus du double de lautre, alors les multiples de modulo P ne ralisent aucune mauvaise coupe de b CP+e si et seulement si est congru modulo P au nombre dor Y rz ou hdPyk . Ainsi, le nombre dor est lirrationnel dont les multiples modulo P dcoupent b CP+e le plus uniformment possible par cette mthode. Cette proprit fut dabord utilise pour la construction de tables de hachage [Knu73, vol. 3], puis par Hofri, Itai, et Rosberg pour le traitement des requtes dans les rseaux TDM [IR84, HR87]. Le principe est de calculer laide du minorant dAmmar et Wong, les proportions idales hdP k des messages, puis de se donner une priode c et deffectuer Y c a diffusions de chaque message u dans la priode. Les dates de diffusion de chaque message sont dtermines de la faon suivante. Chaque message u se voit attribuer hm x9x9x r_kd | PfP_  de positions un ensemble Y dans b CP+e correspondant des multiples conscutifs de modulo P . Ensuite, lensemble de ces positions r x9x9x sont tries par ordre croissant. Puis on ordonnance Y durant le crneau g la diffusion du message u tel que la g ime position appartienne . Lalgorithme complet (1.4) est dcrit page suivante. Thorme 1.6 ([BNBNS98]) Soit n lordonnancement priodique de priode c gnr par lalgorithme 1.4 page ci-contre. Lorsque c tend vers linni, le cot de n admet pour limite :

rz

~a  wohln _ o  ##K ~a  wohln o  ##K _

k t x wohjuk lorsque les cots de diffusion des messages sont nuls ; kP %WI\xtwohjuvk sinon.

Bar-Noy, Bhatia, Naor et Schieber proposent une gnralisation pour la dissmination sur plusieurs canaux dans le cas o les cots de diffusion sont nuls. Ils dmontrent que la g canaux, les messages selon les nralisation naturelle qui consiste ordonnancer, sur les positions, par blocs de , donne le mme rapport de performance. Cependant, Ammar et

52

Chapitre 1 Ordonnancer la dissmination de donnes 1.2 Travaux antrieurs

1.2.4 Algorithmes dapproximation un facteur constant

Algorithme 1.4 Algorithme dapproximation bas sur le nombre dor Entres : Un entier c et un ensemble de probabilits h k et cot hj k . Soit y

Y Lu_rC9993Fu 

de messages de longueur P , sur un canal.

Si

q3r

P P

la solution du problme du minimisation s alors

r hjuk

Pour

Sortie :

Y  T  Y Y c . Y hhm x9x9x7 3 r
kk |& PP_  . Trier lensemble Y r x9x9x . x9x9x" k Y P 'hmime lment de appartient avec  alors Si le g Y Ordonnancer u le crneau g de lordonnancement riode c .
Sinon Ne rien ordonnancer dans le crneau g .

Introduire un message fantme u P P q3r P .

, avec

Y Y

et une valeur , telle que :

Pour g

priodique de p-

Ne rien ordonnancer dans les crneaux

hm x9x9x PLk c

53

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Wong proposent dans [AW87] des simulations dont le rsultat est qu priode gale, lalgorithme glouton produit de meilleurs ordonnancements que lalgorithme bas sur le nombre dor, lorsque les popularits des messages suivent la distribution de Zipf. La gure 1.8 , sur trois messages de cot de prsente une excution de lalgorithme 1.4 avec c diffusion nul : u_r a pour probabilit r [1 , u Y a pour probabilit Y 1 et u a Y pour probabilit Wong vaut alors : s r hjuvk Y   S . Y P1 . Le minorant dAmmar et Et lalgorithme du nombre dor donne un ordonnancement dont le cot est TS\ .

@ L9 y CI-IL"" - Ld9Ip F-ay C b CP+e

&I'I1tIt9 Co" a aL1 l &I 9I5'-9"L11C- hju _ u r>u-u ur>u ur>u9u u_r>u-u_r>ur>u ur>u9u u r>u-ur+k5 sur les trois F IG . 1.8 : Le rsultat de lalgorithme 1.4 page prcdente pour c Y messages de cots de diffusion nuls u_r , u et u tels que : r , 1 Y : [ Y 1 et O Y P1 T  S \, . Le cot de lordonnancement obtenu est alors que sZrthjuk Y   S .
Nous ne dtaillerons pas cette heuristique plus avant car nous ne lutiliserons pas par la suite. Nous proposerons dailleurs au chapitre 4 un schma dapproximation pour ce mme problme dont le principe est trs diffrent.

1.3

Notre contribution

Notre premire contribution a fait lobjet de la premire partie de ce chapitre. Il sagit davoir runi dans un mme cadre les approches prcdentes issues de diffrents domaines, tels le Teletext, la maintenance de machines, la diffusion de message, etc..., en uniant les notations et en les prsentant dans une problmatique cohrente, qui permettra par la suite les extensions envisages. Les points particulirement critiques concernent essentiellement la fonction de cot : dune part nous en donnons une dnition rigoureuse laide dune limite suprieure (et non pas dune limite qui nexiste pas toujours), et dautre part le thorme de rversibilit du cot page 31 permet dassurer que les articles dnissant le cot en arrire (e.g. [AGH95, BNBNS98]) et ceux dnissant le cot en avant (e.g. [BNS99, KS99, Sch00, KSY00]) dnissent bien le mme modle.

54

Chapitre 1 Ordonnancer la dissmination de donnes 1.3 Notre contribution

1.3.1 Dissminer des messages de longueurs diffrentes

Nos contributions principales lordonnancement de la dissmination de donnes dans ce document sont les suivantes :

lextension du modle et de ltude au cas des messages de longueurs non-uniformes, tout dabord sans premption, puis avec premption. un schma dapproximation polynomial pour le cas o les messages ont tous la mme longueur.

1.3.1

Dissminer des messages de longueurs diffrentes

Cette tude fait lobjet du chapitre 2. Comme nous lavons vu dans la partie prcdente, la conception dun bon minorant du cot optimal est une partie dlicate du problme de la dissmination de donnes. La deuxime tape importante, mais plus technique, est lanalyse des performances des algorithmes puis leur ventuelle drandomisation. Le cas des messages de longueurs non-uniformes et du temps continu prsente de nombreuses singularits par rapport au cas des longueurs uniformes. Par exemple, il nexiste pas ncessairement dordonnancement optimal priodique sur plus de deux canaux, mme en labsence de cot. Il se peut galement que les ordonnancements optimaux aient des trous mme si les messages nont pas de cot de diffusion et ont des longueurs entires. En fait nous ne pouvons garantir lexistence dun ordonnancement optimal priodique que sur un canal et lorsque les messages nont pas de cot de diffusion. En dehors de ce cas, nous ne savons (mme) pas sil existe un ordonnancement optimal descriptible en temps ni. Nous ne pouvons donc pas utiliser dordonnancement optimal priodique pour construire notre minorant, comme Ammar et Wong dans [AW85]. Aussi, nous obtenons notre minorant en procdant par densit ; en remarquant que le cot de tout ordonnancement peut tre approch arbitrairement par le cot dun ordonnancement priodique. Nous obtenons ainsi un premier minorant sur le cot optimal, qui est lextension naturelle de celui dAmmar et Wong. Nous dmontrons que ce minorant peut tre cependant arbitrairement loin du cot optimal. Ce minorant nous permet tout de mme de dmontrer que le problme est fortement -difcile5 , en proposant une rduction de -partition. Nous drivons alors un nouveau minorant du cot optimal des ordonnancements sur un canal, dont nous dmontrons quil approche le cot optimal un facteur constant en proposant une -approximation randomise que nous dterminisons. La dissmination de donnes sur plusieurs canaux dans le cas o les messages nont pas tous la mme longueur, reste un problme ouvert actuellement, contrairement au cas des longueurs uniformes.
Un problme est fortement -difcile, lorsquil nadmet pas de schma dapproximation 
totalement polynomial, cest--dire tel que le temps de calcul de soit polynomial en   et en la taille des entres (cf. [GJ79]).
5

55

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

1.3.2

Dissminer des messages avec premption

Au chapitre 3, nous proposons un nouveau modle o les messages sont dcoups en un nombre ni de paquets de taille identique. Ce modle est trs proche des implmentations relles de la dissmination de donnes, notamment de celle des serveurs vido. Ici, les requtes des utilisateurs sont servies lorsque tous les paquets du message demand sont tlchargs. Une observation cl nous permet de rduire le nombre de paramtres : les paquets dun mme message sont diffuss de manire cyclique dans tout ordonnancement optimal. Nous en dduisons une expression algbrique simple du cot de tels ordonnancements dont nous tablissons la rversibilit. Nous obtenons alors lexistence dun ordonnancement optimal priodique. Nous en dduisons laide dune relaxation Lagrangienne, un minorant pour le cas premptif sous forme dun problme de minimisation non-linaire dont certains coefcients peuvent tre ngatifs. Le chapitre 5 dmontre comment tendre ce cas ltude mene par Bar-Noy, Bhatia, Naor et Schieber dans [BNBNS98]. Ce minorant tablit une singularit intressante de ce problme par rapport aux autres cas tudis jusqu prsent : idalement les paquets dun mme message doivent tre diffuss conscutivement intervalles rguliers. Car ceci optimise lattente des requtes pour ce message. Cette observation nous permet dtablir que ce problme est fortement -difcile par une rduction de -partition similaire notre preuve du cas non-premptif. Ce minorant prsente une valeur trs similaire celle de lextension naturelle au cas des messages de longueurs non-uniformes du minorant dAmmar et Wong. Nous propo sons une -approximation randomise que nous dterminisons et qui dmontre ainsi que prempter les messages permet de gagner un facteur arbitraire sur le cot dun ordonnancement de messages de longueurs non-uniformes. De plus, il est intressant de noter que notre algorithme dissmine les donnes sur un nombre quelconque de canaux. Notons que ce problme modlise une autre variante de la dissmination de messages. En effet, nous pouvons considrer que les paquets dun message sont en fait des messages de longueur P runis dans un lot. Ainsi le cas premptif peut tre vu comme le cas o les requtes ne demandent plus un unique message, mais peuvent demander des lots de messages et ne sont servies que lorsquelles ont tlcharg le lot complet de ces messages. Le cas premptif tudi ici, est le cas o ces lots sont tous disjoints. Lextension de cette tude au cas o les lots ne sont plus disjoints fait partie de nos perspectives proches.

1.3.3

Un schma dapproximation pour la dissmination de messages de longueurs uniformes

Le chapitre 4 est sans doute le chapitre le plus algorithmique de cette partie, au sens usuel du terme. Nous y dveloppons un schma dapproximation pour le cas des messages de longueurs uniformes, rpondant ainsi linterrogation de Khanna et Zhou dans [KZ98,

56

Chapitre 1 Ordonnancer la dissmination de donnes 1.3 Notre contribution

1.3.3 Un schma dapproximation pour la dissmination de messages de longueurs uniformes

1.2] sur lventuelle non-approximabilit du problme. Notre rsultat dmontre que la rponse est Oui, ce problme est approximable arbitrairement prs en temps polynomial. Pour dmontrer ce rsultat nous tudions plusieurs cas particuliers de complexit croissante. Tout dabord le cas o lon peut partitionner les messages en groupes de grandes tailles dans lesquels tous les messages ont la mme probabilit et le mme cot de diffusion. Nous dmontrons que dans ce cas, le minorant dAmmar et Wong est essentiellement optimal. Nous considrons alors le cas o lon ajoute un nombre constant de messages de probabilit importante. Nous avons alors deux types de messages en comptition : ceux de type  qui individuellement sont importants et ceux de type  qui en groupe sont importants. Lide est alors de calculer la frquence optimale de chacun de ces deux types et de les ordonnancer sparment : nous ordonnanons les messages de  de faon optimale avec la frquence donne, puis nous ordonnanons les messages de  dans les trous. En fait, nous dmontrons par un argument probabiliste que lon peut borner par une constante la priode dun ordonnancement quasi-optimal de  qui respecte quasiment la frquence demande. Ainsi comme la taille des groupes de  est sufsamment grande, les trous de lordonnancement de  paraissent quasiment uniformment rpartis pour les messages de  et lalgorithme prcdent pour le grands groupes est quasi-optimal. Nous obtenons donc un ordonnancement quasi-optimal des messages de  et de  . Pour traiter le cas gnral, nous commenons par arrondir suivant un procd dsormais classique, les probabilits et les cots de diffusion des messages. Puis nous partitionnons les messages en trois sous-ensembles :  runit des messages importants individuellement,  runit des messages partionns en groupes de grandes tailles et  runit des messages dont le cot est ngligeable. Les messages de  et de  sont alors ordonnancs comme prcdemment et les messages de  sont introduits en force dans lordonnancement obtenu, avec une frquence sufsamment faible pour ne pas trop perturber le cot. Le lemme de partition en trois sous-ensembles est lune des parties les plus techniques. Sa dmonstration repose essentiellement sur le fait que les probabilits arrondies forment une srie exponentiellement dcroissante, ainsi les messages de mme probabilit sont : soit trs nombreux et inuent ensemble sur le cot ; soit peu nombreux et alors ngligeables.

57

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

58

CHAPITRE

Dissmination de messages de longueurs non-uniformes

Introduction
Le chapitre prcdent a prsent ltat de lart de ltude du cas o les messages ont tous la mme longueur et o le temps est discret. Nous nous proposons ici dtudier le cas plus raliste o les messages ont des longueurs diffrentes, valeurs relles, et o le temps est continu. Les seules tudes du cas des longueurs non-uniformes antrieures nos travaux avaient t menes par Hameed et Vaidya qui testent empiriquement, dans [VH96, VH97, VH99, HV99], diffrentes heuristiques bases sur lextension naturelle du minorant dAmmar et Wong. Cette tude est donc originale en ce sens que cest la premire tude rigoureuse du cas des messages de longueurs non-uniformes menant des approximations avec garantie de performance. Comme lavaient suspect Ammar et Wong, ce cas prsente une complexit structurelle suprieure, que nous vous proposons de dcouvrir sur une srie dexemples introductifs. Lexistence dun ordonnancement optimal priodique nest plus garantie Tout dabord, nous ne pouvons garantir lexistence dun ordonnancement optimal priodique que pour la dissmination de messages sans cot de diffusion, et sur un canal. Du fait de la continuit du temps, nous ne savons pas actuellement grer lexistence et les longueurs des priodes o rien nest diffus. En ce qui concerne le cas de plusieurs canaux, contrairement au cas de messages de longueurs uniformes, il se peut quaucun ordonnancement priodique nexiste, mme en labsence de cot de diffusion.

59

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

les 1  2 et 3 tous les 1   ! . Ainsi lordonnancement optimal, illustr Figure 2.1, diffuse continment le message   sur un canal et continment  sur lautre. Comme ! est irrationnel, lordonnancement est apriodique.

Exemple 2.1 Considrons le cas de la dissmination sur deux canaux de deux messages    et  de cots de diffusion nuls et tels que :   ,      , et   "! , #     . Lextension naturelle du minorant dAmmar et Wong, que nous verrons au Corollaire 2.2 Section 2.1, nous permet de dmontrer   que pour ce cas prcis, lordonnancement optimal a pour cot $%'&)(* ,+ .-./   0   , qui nest atteint que lorsque   est diffus tous

4454 4454

7 8

6 7 8

7 8

7 8

6 6 6 7 8 7 8

444 9 444

F IG . 2.1 : Il nexiste pas dordonnancement optimal priodique pour la dissmination sur deux canaux   des messages   et 3  de cots de diffusion nuls avec  :; ,  < )=   , et >  ! ? , @  )=   . Cet exemple repose sur lirrationnalit de ! ? et peut donc paratre anecdotique. Cependant, il dmontre que si lon veut prouver lexistence dun ordonnancement priodique optimal sur plusieurs canaux, il faudra un moment ou un autre utiliser le fait que les entres sont rationnelles, ce qui ntait pas le cas lorsque les messages avaient tous la mme longueur et que le temps tait discret. Lexemple 2.1 pose naturellement le problme de lobtention dun minorant. Rappelons quau chapitre prcdent, Ammar et Wong avaient obtenu leur borne sur le cot optimal en minorant le cot des ordonnancements priodiques. Cette approche tait justie par lexistence dun ordonnancement priodique qui est optimal. Or, comme nous lavons vu, il nexiste pas ncessairement dordonnancement priodique qui soit optimal pour le cas des longueurs non-uniformes. Nous validerons malgr tout cette approche en dmontrant que les ordonnancements priodiques sont denses parmi les ordonnancements optimaux : le cot de tout ordonnancement optimal peut tre approch arbitrairement prs par le cot dun ordonnancement priodique. Ainsi tout minorant des cots des ordonnancements priodiques sera un minorant du cot optimal. Cette proprit de densit nous permettra galement dtablir lexistence dun ordonnancement optimal en concatnant un nombre sufsamment grand de priodes dordonnancements priodiques de plus en plus proche de loptimal. Nous ne savons cependant pas actuellement si dans le cas gnral, il existe un ordonnancement optimal descriptible en temps ni (autrement que par la donne des entres du problme ;-) ).

60

Chapitre 2 Dissmination de messages de longueurs non-uniformes Introduction

Lextension naturelle du minorant dAmmar et Wong peut tre arbitrairement loin du cot optimal Nous obtenons lextension naturelle du minorant dAmmar et Wong au Lemme 2.3 en procdant de la mme faon que prcdemment pour le cas des messages de longueur uniforme. Pour cela, nous considrons chaque ordonnancement priodique et minimisons la contribution au cot de chaque message frquence xe, en relaxant les contraintes de non-recouvrement. En minimisant sur les frquences des diffrents messages, nous obtenons alors un minorant sur le cot des ordonnancements priodiques et donc sur le cot optimal. Comme dans le cas des longueurs uniformes ce minorant se simplie en une rgle de la racine carr lorsque les messages ont tous un cot de diffusion nul (Corollaire 2.2 Section 2.2). Lordonnancement ctif (ctif, car il ne vrie pas les contraintes de nonrecouvrement) propos par ce minorant diffuse chaque message A intervalles rguliers, tous les 1CA B , o 1CB est proportionnel au vecteur D *E . Notons que lorsque les messages ont tous la mme longueur, nous retrouvons la rgle de la racine carr nonce page 25. Cependant, contrairement au cas des longueurs uniformes, cette rgle nest pas bonne suivre car ce minorant nest pas dle, cest--dire quil peut prendre des valeurs arbitrairement faibles devant le cot optimal. Plus rigoureusement : Denition 2.1 (Fidlit dun minorant) Nous dirons quun minorant FG&*I H / de la valeur optimale J%K<LM&,I H / de la fonction objectif NO&*I H + P H / dun problme de minimisation QSRTVW, U X'Y NO&,I H + P H / dentre I H est dle sil existe une constante  telle que pour toute entre I H :

FG&*I H /<Z[J%K\L]&,I H /<Z^[_ FG&*I H /

(2.1)

Lintrt de lobtention dun minorant dle est que son estimation du cot est able une constante prs et peut donc servir de base la conception et lanalyse dalgorithmes dapproximation, comme nous lavons vu au chapitre prcdent. Considrons donc lexemple suivant. Exemple 2.2 Observons ce qui se passe lorsque ` tend vers linni pour la dissmination sur un canal de deux messages   et  de cots de diffusion nuls et de longueurs trs  . diffrentes :  :a ,  < b = , et >  ` , @  = b b  La rgle de la racine carr nous donne que, si lon relaxe les contraintes de nonrecouvrement entre les messages, le cot est minimis en diffusant   tous les 1C B c D d5Ee gf &  / et   tous les 1C B c D   E  gf &h`i/ . Dans lordonnancement ctif suggr, illustr Figure 2.2, les requtes demandent le message   avec probabilit f &  / et sont alors servies au bout de f &  / , et demandent le message  avec probabilit f &  E.`i/ et sont alors servies au bout de f &h`:/ . Ainsi le cot de lordonnancement ctif suggr par lextension naturelle du minorant dAmmar et Wong est f &  / .

61

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

kjkj jkjk kjkj jkjk 4 44 kj 6 jk 5

kjkj jkjk kjkj jkjk kj jk

kjkj jkjk kjkj jkjk kj jk 6

kjkj jkjk kjkj jkjk n kj jk

kjkj jkjk kjkj jkjk kj jk 6

kjkj jkjk kjkj jkjk kj jk 6

kjkj jkjk kjkj jkjk kj jk kjkj kj

kjkj 6 6 6 6

ll lmlm ll lmlm l lm

mlml lmlm mlml lmlm ml lm 4 454 6  9

F IG . 2.2 : Lordonnancement ctif de cot f &  / suggr par lextension naturelle du minorant dAmmar et Wong, est irralisable pour deux messages     et   de cot nul avec . ; , e op = et    ` ,    = .

Cependant cet ordonnancement nest pas ralisable. Pire, si lon suit les proportions  E.1C B qf &  / et  E.1C B rf &  E.`:/ suggres pour   et 3 , on obtient lordonnancement priodique de priode &h3   b /ts . Or pour cet ordonnancement, une requte demande le message   avec probabilit f &  / et attend uM&h`i/ avec probabilit  E ? . Ainsi le cot de lordonnancement obtenu est au moins uv&h`:/ , alors que nous allons voir que le cot optimal est de lordre de f &)! `i/ . En effet, on peut dmontrer facilement quil existe un ordonnancement optimal priodique pour deux messages sans cot de diffusion sur un canal, et que sa priode est &hw  wq x / ou &hw3 w  x / . En minimisant sur I , on obtient que lordonnancement priodique optimal de  nos deux messages, illustr Figure 2.3 est de la forme &hw  w  b b / s .

zy yz 4 454 zyzyzy yzyzyz 

zyzy yzyz zyzy yzyz

zyzy yzyz zyzy yzyz

zyzy yzyz n zyzy zyzy zyzy yzyz

zyzy yzyz zyzy yzyz

zyzy yzyz zyzy yzyz

zyzy yzyz zyzy yzyz

6 n 7 n 

444 6

{{ {{ { { 6 |{|| {||| | |

{{ {{ {|{ {{| || || 4454 9 | |

F IG . 2.3 : Lordonnancement optimal sur un canal de w

et w a un cot de f

&)! `i/ .

Dans cet ordonnancement, une requte demande w3 avec probabilit f &  E.`i/ et est servie au bout de f &h`}! `:/ en moyenne. Et, une requte demande w  avec probabilit f &  / et attend en moyenne f &h`:/ avec probabilit = b  et, en moyenne f &  / avec probabilit toutes les deux de lordre de optimal de w  et w3 est :

 b=  b b b b

. Ainsi les contributions de chaque message au cot de lordonnancement sont

b b b

f &)! `:/

loptimal. Et donc le cot de lordonnancement

f &/

J%K<LS(*w^ + w  -d f & ! `i/ ~

f &h`i/

Plusieurs observations peuvent tre tires de cet exemple. Tout dabord, lextension du minorant dAmmar et Wong nest pas dle ds que les messages ont des longueurs trs

62

Chapitre 2 Dissmination de messages de longueurs non-uniformes Introduction

diffrentes. De plus, les proportions quelle suggre mnent des ordonnancements dont le cot est arbitrairement grand par rapport au cot optimal. Ensuite, ce nest pas le temps de tlchargement des messages qui est en cause, car il est constant pour chaque requte quel que soit lordonnancement, mais bien le fait que de diffuser un message long retarde considrablement le service des requtes pour les autres messages. Nous verrons dans la Section 2.2 que cet exemple est gnrique. Nous pouvons construire pour nimporte quel nombre de canaux, des ensembles de messages de cots de diffusion nuls tels que le cot de lordonnancement optimal soit arbitrairement grand devant lextension naturelle du minorant dAmmar et Wong. Nous traiterons ce problme en enrichissant le minorant dans le cas dun seul canal pour tenir compte du retard induit par la diffusion dun message long (Lemme 2.5). Le cas de plusieurs canaux pose problme La dissmination de messages de longueurs diffrentes sur plusieurs canaux reste actuellement mal comprise. En particulier, lexemple prcdent met en vidence une nouvelle particularit par rapport au cas des longueurs uniformes. Dans le cas des longueurs uniformes, lajout dun nouveau canal permet de diminuer le cot dun facteur constant dau plus = . En fait, nous verrons au chapitre 4 que, contrairement au cas des longueurs non-uniformes, lajout de canaux de diffusion ne change pratiquement pas la forme dun ordonnancement optimal lorsque les messages ont le mme temps de transmission. Or, dans lexemple des deux messages de lexemple prcdent, lajout dun canal permet de passer dun cot de f &)! `i/ f &  / . En effet lordonnancement sur deux canaux qui diffuse continment w  sur un canal et continment w3 sur lautre, a un cot constant f &  / . Lajout dun canal permet donc de raliser un gain arbitraire sur le cot lorsque les messages ont des longueurs trs diffrentes. Cet exemple sera gnralis Section 2.2 au cas de plusieurs canaux. Un autre phnomne intressant est que mme pour des messages de longueurs entires, de probabilits rationnelles et de cots de diffusion nuls, les ordonnancements optimaux sur plusieurs canaux peuvent contenir des trous, cest--dire des priodes durant lesquelles aucun message nest diffus, ce qui tait impossible dans le modle prcdent en labsence de cots de diffusion. Exemple 2.3 Supposons que lon veuille diffuser deux messages w  et w de longueurs d  ? et    , et tels que w soit bien plus populaire de w  : e  & p / et   [ . Pour petit, tout ordonnancement optimal diffusera w  rarement. w^ est le message critique, aussi, entre deux diffusions de w3 , il est diffus de faon optimale dans tout ordonnancement optimal, car tout cart cette stratgie cote trs cher. La stratgie optimale consiste donc diffuser w  de faon synchronise sur les deux canaux en dcal ( la faon des briques dun mur, cf. Figure 2.4 page suivante). Supposons quun ordonnancement

63

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

optimal nait pas de trou. Nous avons vu quil tait impratif que la diffusion de w^ soit synchronise sur les deux canaux. Or, toute diffusion de w , de longueur , dsynchronise ces canaux, moins que w ne soit diffus deux fois de suite, soit sur le mme canal, soit sur les deux canaux. Nous pouvons facilement dmontrer que pour assez petit, aucune de ces deux stratgies nest optimale.

4454 4454

8 8

8 8

8 8

8 8

8 8

444 9 444

F IG . 2.4 : Pour assez petit, il nexiste pas dordonnancement optimal sans trou pour la dissmination sur deux canaux des messages w  et w de cots de diffusion nuls avec .  ? , e  & }pG / , et    ,    . Nous dmontrons ainsi que pour sufsamment petit, en labsence de cot de diffusion, un ordonnancement optimal, illustr Figure 2.4, diffuse w la faon des briques dun mur sur les deux canaux et, pour diffuser w3 , arrte de diffuser w  sur un canal pendant units de temps, et laisse donc un ou deux trous dune surface totale dune unit de temps. Dans ce chapitre... ... nous allons apporter une rponse (partielle) aux interrogations que nous venons de soulever dans cette longue introduction. Tout dabord nous allons dmontrer Section 2.3 que le problme de dcision associ la minimisation du cot dun ordonnancement pour la dissmination de messages de cots de diffusion nuls est K -difcile au sens fort (Thorme 2.1 page 77). La preuve de ce rsultat doit tre faite prudemment car, tant donn que le temps est continu et que les probabilits et les longueurs peuvent prendre a priori nimportent quelles valeurs relles, nous risquons de quitter le cadre des machines de Turing. Aussi, toutes les valeurs que nous utilisons dans la preuve sont rationnelles et de tailles polynomiales. Notons que ce rsultat dmontre quil existe une complexit inhrente la non-uniformit des longueurs, indpendamment des cots de diffusion. Nous dmontrerons ensuite, Section 2.3, lexistence dun ordonnancement optimal (Proposition 2.1 page 79), et quil en existe un priodique pour la dissmination sur un canal de messages sans cot de diffusion, que lon peut construire en temps ni exponentiel (Thorme 2.2 page 80). Nous proposerons enn, Section 2.4, une approximation un facteur constant pour lordonnancement de la dissmination sur un canal (Algorithme 2.3 page 92). Pour cela nous drivons Section 2.2 un nouveau minorant sur le cot optimal, qui permet de tenir compte du retard inig aux diffrents messages par la diffusion des messages longs (Lemme 2.5

64

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.1 Rductions

page 75). Ltude de la gnralisation de notre approche au cas de plusieurs canaux fait partie de nos perspectives court terme. Mais nous commenons Section 2.1 par dmontrer quelques rductions qui seront utiles la dmonstration des rsultats annoncs : la densit des ordonnancements priodiques, qui permettra de se concentrer sur les ordonnancements priodiques pour le calcul dun minorant ; et le fait que la dure entre deux diffusions dun mme message peut tre borne dans un ordonnancement optimal.

2.1
2.1.1

Rductions
Densit des ordonnancements priodiques

Comme nous lavons vu avec lexemple 2.1 page 59, lexistence dun ordonnancement optimal ne peut tre garantie lorsque les messages ont des longueurs diffrentes. La proprit suivante nous permet de nous restreindre malgr tout aux ordonnancements priodiques pour lestimation du cot optimal. Lemme 2.1 (Densit des ordonnancements priodiques) Pour tout 32 , et pour tout ordonnancement dun ensemble de messages w  (*w ,+ + wGv- sur canaux, il existe un ordonnancement priodique V dont le cot vrie :

JLM& /<Z J%LM&\/e

Par dnition du cot de , soit tel que pour tout q : J%LM& +* + t/MZ J%LM&/ E ? . Posons  def   > et >  Q. A.>A . Soit # lordonnancement priodique de priode &G>i3/ , qui est identique sur + ) , puis qui diffuse entre + >^\ sur chaque canal les F messages par ordre de premire apparition aprs sur ce canal. Par construction, les requtes qui arrivent entre et , sont servies dans au pire aussi tard que dans . Et, les requtes qui arrivent entre et &@>Oi/ , sont servies au plus tard au bout de &>GL& + // (Rappel : L& + / est le temps de service moyen dune requte arrivant la date ). Ainsi : Preuve.

J%Lv&#t/ 

J%LM&# +* + )/ >: > JLM&# +* + >:/ e: &h>./>&hGL&  + // Z J%LM&/e e ? >: )

65

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Ainsi, pour sufsamment grand, nous obtenons le rsultat annonc.

La densit des ordonnancements priodiques nous assure donc du rsultat suivant : minorer le cot des ordonnancements priodiques, cest minorer le cot des ordonnancements optimaux. Corollaire 2.1 Pour tout ensemble de messages w sur canaux :

J%K<LM&hwa/  RT JLv&\/ priodique

De plus, un ordonnancement optimal parmi les ordonnancements priodiques, est un ordonnancement optimal qui est priodique.

2.1.2

Borner la priode dmission

Le lemme suivant est lquivalent du Lemme 1.5 page 43 du chapitre prcdent pour les messages de longueurs uniformes. Il nous servira tout comme ce dernier restreindre la taille du graphe dtats pour dmontrer lexistence dun ordonnancement optimal priodique sur un canal lorsque les cots de diffusion sont nuls. Lemme 2.2 (Intervalle maximal) Pour tout ordonnancement priodique dun ensemble de messages w  (*w ,+ + wM- sur canaux, il existe un ordonnancement priodique tel que pour tout , la dure entre les dbuts de deux diffusions conscutives du message wA est borne par , o :

QS. ? &  / , avec    A  A et tel que : JLM&V/:Z J% LM&\/ .

def

d[_ _ _

et

def

V_ _ _.

Preuve. Soit un ordonnancement priodique de priode des messages de w sur canaux. Procdons par induction, soit wA le message tel que la dure entre les dbuts de deux diffusions conscutives de wGA soit maximale. Sans perte de gnralit, supposons que t  . Supposons que ces deux diffusions sont distantes de plus de . Sans perte de gnralit, nous supposons que la premire de ces diffusions a lieu la date  . Posons  &hvE ? / . Le principe est dinsrer une diffusion de w  sur lun des canaux la date  . Nous devons cependant le faire prudemment. Tout dabord, les diffusions doivent tre dcales sur chaque canal de   aprs le point dinsertion, an que les diffrents canaux restent synchroniss correctement. Ensuite, nous ne pouvons pas insrer une diffusion de w  exactement la date  , puisque les canaux sont peut-tre en train de diffuser un message. Enn, an dviter de trop retarder la diffusion des autres messages,

66

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.1 Rductions

2.1.2 Borner la priode dmission

nous devons les diffuser galement au point dinsertion. De sorte minimiser le surcot, ces diffusions sont effectues par ordre de dernire apparence avant le point dinsertion. La construction de V est illustre Figure 2.5.

 
 

&

# %$

"

"

&

F IG . 2.5 : Construction de V partir de . Nous allons construire un ordonnancement priodique V de priode [[ comme suit. Pour chaque canal , soit la date de la n de la diffusion en cours la date dans lordonnancement sur le canal , si un message est en cours de diffusion, et > , o  dsigne la longueur maximale dun sinon. Notons que Z2 message QS. A A . V est obtenu en deux tapes, illustres Figure 2.5 : tout dabord en insrant dans sur chaque canal de un trou de longueur la date . Ceci permet de maintenir les canaux synchroniss. Puis, pour chaque message wA , nous relevons la date )A et le canal A o a lieu la dernire diffusion du message w A avant q . Et, nous plaons 3 (dans le trou insr), sur chaque canal , de droite gauche, partir de la date les messages wA tels que A , dans lordre (cf. illustration Figure 2.5). Pour analyser le cot de lordonnancement obtenu, dnissons quelques notations :

,+

'

42

-+10 *

32

)( -+/.

,+

* .3*

6. ,+

5.

798 79:

A la dure entre les dbuts deux diffusions conscutives de point dinsertion dans . A
la dure entre les dbuts de la dernire diffusion de

wGA

qui chevauchent le

wGA

avant le point dinsertion

67

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

et la nouvelle diffusion de w

insre dans

V . wA

7<;

la dure entre les dbuts de la nouvelle diffusion de diffusion de wGA aprs le point dinsertion dans .

insre et la premire

Par construction, nous avons, pour tout :

;= A . 8

et

AZ

8
A

(2.2)

et dautre part, pour tout :

8 A ' ?' 6(B(C. '

AZ

8?> D(

et donc

AZ

;@>

(2.3)

Prouvons prsent que le cot de V est infrieur au cot de . Comme la priode de V est suprieure celle de , il suft de dmontrer que la variation du cot de diffusion cumul J%L JL p J%L est ngative. La variation du def cot cumul de V vaut clairement :

E' (

E' 6(

M.O L N , la variation du temps de service cumul des requtes pour wA vaut : A ' ? LQPR' T S wAU(B(6. :WA V ;XA V p 8YAV .Z' 8 AC p ; A[( V ;EA V p 8\AV . V ? ; A ' ; A p 8 A ( ? ' 8 A >p ; A ( I]#^`_a Z ? : A p V Pour le message w > , la variation du temps de service est : A ' ? LQPR'TSw > (B(6. : >V ; >V p 8 V> . : >V ; >V p ' : > ; > p D( V > . p ? ;@> ' :b> >p ) ( ? .:b >d p V c#d _a d = a Z p ? ;@> h ' p )e ( ? : V
Soit
68

A ' )F ' G(B(G. H AK. AJI >

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.2 Minorer le cot dun ordonnancement optimal

Ainsi la variation du temps de service cumule est majore par :

A ' ? L%P9'6(B(:Z
p

? e >;@> 'h 

p D( ? <

> Z p ? d;@ >.

Z p Z p

' e > p ? D( < ml V c#d _%hUiQj`k ? 'h p )(n' e > p ? D(e < ml V ?e > V 3N < e > V
< 

H : eA A AJI V > f#g)= d = a #

Finalement, la variation totale du cot est majore par :

A '

J%L?'6(B(:Z p Z

pour

N ' 3No( e>

En procdant sur tous les intervalles problme, nous obtenons au bout dun nombre ni dtapes, lordonnancement priodique annonc.

2.2

Minorer le cot dun ordonnancement optimal

Comme nous lavons vu au chapitre prcdent, trouver un bon minorant est une tape cl pour la rsolution du problme de la dissmination de donnes. Nous allons tout dabord gnraliser le minorant dAmmar et Wong au cas des longueurs non-uniformes. Notons que ce minorant est la base dun certain nombre dheuristiques testes exprimentalement par Hameed et Vaidya dans [VH96, VH97, VH99, HV99]. Ce minorant nous permettra dtablir dans la section suivante la K -duret du problme. Nous dmontrerons cependant que lon peut tendre au cas de plusieurs canaux lexemple 2.2 de lintroduction, et tablir ainsi que ce minorant nest pas dle ds que les messages ont des longueurs trs diffrentes. Nous proposons donc au Lemme 2.5 page 75 un nouveau minorant pour le cas dun canal qui nous permettra de construire une -approximation la Section 2.4.

2.2.1

Extension naturelle du minorant dAmmar et Wong

A linstar du chapitre prcdent, nous obtenons un premier minorant sur le cot optimal dun ordonnancement, en relaxant les contraintes de non-recouvrement entre les messages.

69

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Lemme 2.3 (Extension naturelle du minorant dAmmar et Wong) Le problme de minimisation non-linaire hw suivant est un minorant sur le cot de tout ordonnancement des messages w w de longueurs A , de probabilits A , et de cots de diffusion A , sur canaux :

H H e A`x>A A s u4v JA I > e pA 2AC AJI E > w x Any ? (2.4) P V 'hwZ( rrt H 2A Sur le domaine: Z[ AJI > x>A Ce problme de minimisation admet une unique solution x B , telle que : z B> 2 A S pour un certain z B , x A B . ? A@m (2.5) eA 2 AD e AE%' ? A( Z , alors z B . ; et, sinon, z B est lunique solution tel que : si { AJI > positive : { AJI > > 2 A D e A E%' ? A@mz B 2 A[(6 . . De plus, ce minorant est ralis par un ordonnancement priodique sur canaux si et seulement si chaque message wA est diffus dans priodiquement, tous les x A B exactement. r
QSRT
Note 2.1 Notons que contrairement au cas des canaux synchroniss tudi au chapitre prcdent, nous navons plus la contrainte : >A .

' U(

P > V ' Z( S S qrr

'p2 [(

' e [(

x |N

Preuve. La preuve est identique celles donnes des lemmes 1.2 page 35 et 1.3 page 37 du chapitre prcdent, nous en rappellerons seulement les grandes lignes. Soit un ordonnancement priodique des messages sur canaux, de priode , et de cot ni. Soit A le nombre de diffusions du message wGA par priode. En constatant que le temps de service est minimis si le message wA est diffus intervalles rguliers, on obtient en relaxant les contraintes de non-recouvrement des messages, que le temps de service des requtes pour le message w A est minor par :

L%P~'TSw A (:

x>A R 2AS ?

x A . E}
A

(linverse de la frquence de w

A)

et que cette valeur est atteinte si et seulement si wA est ordonnanc priodiquement exactement tous les >A . Dautre part sa contribution au cot de diffusion vaut :

DF

'TSwGAU(.

A} A

A . > xA

70

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.2 Minorer le cot dun ordonnancement optimal
2.2.1 Extension naturelle du minorant dAmmar et Wong

Ainsi, le cot de lordonnancement priodique est minor par :

H e `A x>A H JLE'6(i > e pA 2A > w ? AI AJI

Temps de tlchargement moyen

A xA >

y
canaux, nous avons :

Or, comme lordonnancement est priodique de priode sur

H } A2 A AJI >

Z^_dS

cest--dire

H 2A xA JA I > >

Z[

Ainsi en minimisant avec cette contrainte, nous obtenons le minorant hw annonc pour le cot des ordonnancements priodiques. Comme, daprs le corollaire 2.1 :

P V ' O(

J%K<L?'hwO(G. RT JLE'6( priodique

En effectuant le changement de variable .A de minimisation suivant :

P V 'hwO(

est bien un minorant sur le cot de tout ordonnancement.

=.3x>A Eo2>A , nous sommes ramens au problme

(2.6)

s rr rt

qrr r

H e pA 2>A`.A A v JA I ? > w ? > 2 A`.Any H N Sur le domaine: Z[ AJI > .A

QSRT

Daprs le lemme 1.3, le problme de minimisation non-linaire (2.6) admet une unique solution CB , dont lexpression est la suivante :

AB .
tel que : si

B ? AEo2>A e A2 A

pour un certain

{ AJI >T e Ap2 AV E%' ? A( Z , alors z B . ; et, sinon, z B est lunique solution positive : { AJI > D e A 2 A E%' ? A Eo2 A z B (6. . Do nous tirons lexpression de x B . Comme la solution C x B de P V 'hwO( est unique, la valeur de P V 'hwO( est, par construction, ralise par un ordonnancement priodique sur canaux si et seulement si chaque message wGA est diffus dans priodiquement, exactement tous les C x AB .
C.Q.F.D.

71

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Lorsque les messages nont pas de cot de diffusion, lexpression du minorant hw se simplie, comme dans le cas des longueurs uniformes, en une rgle de la racine carr. Cependant, nous verrons dans lexemple qui suit, que cette rgle mne des ordonnancements dont le cot peut tre arbitrairement loin de loptimum, lorsque les messages ont des longueurs trs diffrentes. Corollaire 2.2 (Cas des cots de diffusion nuls) Lorsque les messages w wG ont des cots de diffusion nuls, alors la solution CB du problme de minimisation nonlinaire hw est proportionnelle au vecteur D *E . Ainsi, la valeur du problme de minimisation est :

P V ' Z(

P V ' Z(

>S

2 e

V H H N P V 'hwZ(6. > e A2>AC ? > D e A 2>A JA I AI

(2.7)

Preuve. Daprs le lemme prcdent, lorsque les cots de diffusion sont nuls, la soluest proportionnelle au vecteur D ,E : @ A B D A B E A , o B tion B de hw est la solution de E B . Ainsi, D

P V ' O( { I > 2 e z .

2 e ' (-x .

2 [z e

H N z B . > D e 2 I
A

Et donc,

C.Q.F.D.

Nous lavons annonc dans lintroduction : le minorant hw nest pas une bonne estimation de la valeur du cot optimal. En fait, nous allons gnraliser lexemple 2.2 au cas de plusieurs canaux en procdant par rcurrence sur le nombre de canaux. Nous dmontrons ainsi que ce minorant est arbitrairement faible devant le cot optimal, quelque soit le nombre de canaux. Exemple 2.4 Nous souhaitons dmontrer que lorsque les messages ont des longueurs trs diffrentes le minorant est arbitrairement faible devant le cot de lordonnancement optimal. Pour cela, nous allons exhiber un ensemble w b de messages, paramtr par une longueur talon ` , et tel que :

H H H N P V 'hwZ(6. > e AJ2>A ? > D e 2 > e JA I I AJI

2A
A

P V ' Z(

P V

' /No(

la rgle de la racine carr donne que le minorant de ` ,

P V 'hw b (

est constant en fonction

72

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.2 Minorer le cot dun ordonnancement optimal
2.2.1 Extension naturelle du minorant dAmmar et Wong

alors que le cot de lordonnancement optimal de tend vers linni.

w b

tend vers linni lorsque

Nous dnissons les caractristiques des messages diffusion nuls, de la faon suivante :

w Ab

> 2 K.` A_ , > A_ , o et probabilit e A .3OE.`

a longueur A

w >b S  S w b =

>

de

w b

, de cots de

est choisi tel que

Notons que pour chaque message w carr donne que la valeur de hw

P V'

Ab b

, nous avons A >A . Ainsi, la rgle de la racine f est constante quand ` tend vers linni.

e 2 =.

'No(

e>

[_ _ _

. N. e Z

Nous sommes intresss par lordre de grandeur du cot optimal dun ordonnancement de w b sur canaux, lorsque ` tend vers linni. Aussi, nous pouvons nous restreindre ltude dordonnancements asymptotiquement optimaux, cest--dire dont le cot est le cot optimal un facteur constant en ` prs. Cette rduction va nous permettre dexhiber une forme relativement simple dordonnancements qui sera facile analyser. La proposition suivante tablit par rcurrence que le cot optimal dun ordonnancement et tend donc vers linni lorsque ` tend vers linni. de w b est de lordre de f h`

'

> V (

Lemme 2.4 Il existe un ordonnancement asymptotiquement optimal de w b dont le cot vaut, lorsque ` tend vers linni :

' `5( h

sur

canaux

'No( , nous conclurons que P V nest pas dle. Corollaire 2.3 (Non-dlit de ) Quelque soit le nombre de canaux, ll existe des ensembles de messages w dont le cot optimal est arbitrairement grand devant le minorant P V 'hwZ( .
En remarquant que

> J%LE' h ' `D(B(6. f/ ` VW , = > V . Et donc, J%K\LE'hw b et qui est priodique de priode ` P V 'hw b (. f 'No( .

> (. / f ` V

, alors que

P V 'hw b 6 (.

Preuve du Lemme 2.4. Procdons par rcurrence sur . An dallger les notations, nous noterons w A au lieu de w A b . Nous avons vu, dans lexemple 2.2 page 61, que cette proprit est vraie pour . Considrons un ordonnancement des messages sur canaux. Remarquons tout dabord que lon peut supposer quaucune paire de diffusions de w = ne se chevauche, quitte multiplier lattente moyenne des requtes pour w par (en supprimant au =

>

>

.ZN

73

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

plus des diffusions de w = ). Ainsi, durant chaque diffusion de w = , seuls les messages w w sont diffuss sur les p canaux restants. Par hypothse de rcurrence, il existe un ordonnancement priodique h` des messages w w , qui est asymptotiquement optimal, et dont la priode est ` = ~ ` , quitte multiplier le cot par . Comme ` = un facteur constant, nous pouvons supposer que, durant chaque diffusion de w = , les h ` messages w priodes de sur les w sont diffuss selon ` p canaux restant. Entre deux diffusions du message w = , les messages w w sont diffuss sur les canaux. Comme, diffuser continment le message w A sur le canal donne un (car pour tout , A A ), cette faon de diffuser est optimale ordonnancement de cot f un facteur constant prs. Ainsi nous avons donc dmontr que le cot de notre ordonnancement initial peut tre minor, un facteur constant prs, par le cot dun ordonnancement qui :

_>

> _> > V \ g S S >S S ' No(

>S

>

'

No(

>

_ > V\ g

> . > _ > V\ g

_ > ' 5( >

>

>S

_ > ' D(

'No(

e p2 K.ON

7 7

durant les diffusions de w = , diffuse les messages autres canaux selon lordonnancement h` ,

No(

>

et entre les diffusions de nal , pour %Z<Z[ .

     

nT n de G 4 fois loptimal n sur p   priode de n b canaux BG 4

w =

> , diffuse continment chaque message wA

_ > ' 5(

> S Sw

sur les

'

sur le ca-

nT C ... n n

 n b   ..  . n   n   nT

     &

F IG . 2.6 : Lordonnancement asymptotiquement optimal sur canaux des messages w de cots de diffusion nuls, et tels que et w . et , a un cot de p

> S >S > _ > > . N ' e V  e e c V .ONo4 e O ( >

> 2n.| > V _ '` (

Si lon dcoupe cet ordonnancement en blocs dlimits par les dates des dbuts des missions du message w , le cot moyen de cet ordonnancement est une combinaison linaire du cot de ces diffrents blocs. Ainsi il est minor par le cot du meilleur bloc. En minimisant sur la longueur du bloc, nous obtenons donc un ordonnancement dont le cot est optimal un facteur constant prs. Si dnote la distance entre la n de lmission de w et la n du bloc, le temps

>

74

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.2 Minorer le cot dun ordonnancement optimal
2.2.2 Un minorant dle pour la dissmination sur un canal

de service moyen (hors temps de tlchargement) pour le message est ; et pour lensemble des messages , le temps de service moyen vaut : le cot de pendant la dure de la diffusion de ; et entre deux diffusions de . Ainsi le cot dun bloc de longueur est ( un facteur constant prs) :

> '` V \ g (

_ > '`5> ( ~

o >

~ > V , 9 > 'No( `' 9-(

N  > V\ g N ` ' ~ ( ~ 9 > Contribution de Contribution de nQ ( V .1 V > V \ g , cest--dire, un facteur constant Ce qui est minimis pour '` > V . Lordonnancement asymptotiquement optiprs asymptotiquement, pour <. mal obtenu est illustr Figure 2.6 page prcdente. > >V (. Le cot de cet ordonnancement est alors '` V ( , et sa priode '`
C.Q.F.D.

Ainsi lextension du minorant dAmmar et Wong nest pas dle lorsque les messages ont des longueurs trs diffrentes. La cause en est que ce minorant ne tient pas compte du retard impos par la diffusion des messages trs longs. Nous allons voir dans la section suivante comment amliorer ce minorant pour le cas dun canal.

2.2.2

Un minorant dle pour la dissmination sur un canal

Nous avons vu lors des deux prcdents exemples 2.2 page 61 et 2.4 page 72, que nous devions tenir compte du retard impos aux requtes durant la diffusion des messages trs longs. Cette observation nous a permis de proposer le minorant suivant du cot dun ordonnancement sur un canal. Le principe en est que sur un canal, toutes les requtes qui arrivent pendant la diffusion dun message seront servies au plus tt la n de la diffusion de ce message. Nous dmontrerons Section 2.4 que ce minorant est en fait dle. , le problme de Lemme 2.5 (Minorant pour le cas dun canal) Pour tout minimisation non-linaire suivant est un minorant du cot de tout ordonnancement des messages de G sur un canal :

P ./o > S qrr s u4v PY'`GSZ( rrtJ

00N

S H H e xn 9 2 V p  2 C ' ) N  ( e xn JI > JI > w H 2n N Sur le domaine: I > xnY

x ny n

(2.8)

75

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

9K2 V <z 2 'N)R( e S pour un certain z , tel que : si { JI > 2n 'NM( e [%' @9K2 V ( N , alors z#. ; et, sinon, z# solution positive : { JI > 2n 'NM( e [%' @9K2 V <z 2n(G.ON . x .
Note 2.2 Cet ordonnancement est le mlange de deux minorants ; lorsque trouve lextension naturelle du minorant dAmmar et Wong du Lemme 2.3.

Ce problme de minimisation admet une unique solution

x , telle que :

(2.9)

est lunique

Z.

, on re-

Preuve. Comme prcdemment, nous allons minorer le cot des ordonnancements priole diques. Soit un ordonnancement priodique de priode sur un canal. On note nombre de diffusions du message dans une priode. Daprs la preuve du lemme 2.3, nous avons :

H H e `xn %P9'6(: e 2nC > JI > I

et

DF

H '6(6. > xn JI

(2.10)

Nous allons dmontrer un nouveau minorant sur le temps de service moyen de . Considrons une requte. Avec probabilit , elle arrive durant une diffusion du meset doit donc attendre en moyenne la n de cette diffusion avant dtre servie, sage auquel il faut ajouter le temps de tlchargement. Ainsi :

^hU^ . 2n 4xn 2

H n H H 2 V H 2  2 QPR'6(: e 2 . > n e 2 JI > xn I > I x I > P\ ' 9=2 V ( e 'NM( e

(2.11)

Ainsi, en combinant linairement les deux minorants (2.10) et (2.11) sur le temps de service, nous obtenons le minorant . Lunicit et lexpression de la solution se dduisent directement du lemme 2.3 en remplaant par et par . Remarque 2.1 Ce minorant ne se gnralise pas au cas de plusieurs canaux, car dans le cas de plusieurs canaux, les requtes qui arrivent pendant la diffusion dun message peuvent tre servies sur les autres canaux. Ce minorant nous permettra, Section 2.4, de concevoir une approximation un facteur constant pour la dissmination de messages de longueurs non-uniformes sur un canal.

76

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.3 Autour de loptimalit

2.3
2.3.1

Autour de loptimalit

-duret

Thorme 2.1 ( -duret) Le problme de dcision associ au problme de la dissmination de messages sur un canal lorsque les entres sont rationnelles et o les cots de -difcile. diffusion sont nuls, est fortement

Preuve. Nous allons rduire le problme fortement -difcile -partition celui de la dissmination sur un canal de messages de cots de diffusion nuls, et de longueurs et probabilits rationnelles. Rappelons que le problme de dcision -partition admet en entre entiers et doit dcider sil existe une partition de en sous-ensembles , telle que :

> > SSB SS

NSTSB

Posons . Considrons linstance suivante du problme de la dissmidef nation de messages sur un canal : messages de cots de diffusion nuls, tels que : 3 et (2.12) et

>   s qt

H H #.%.  g No( 2 @.  V 2 .

'

S > SS e M.ONo e . 

c > x x

Notons que toutes les entres sont rationnelles et de tailles polynomiales. La rgle de la racine carr du Corollaire 2.2 donne que la solution du minorant vrie pour ce cas : 3
est proportionnel      est proportionnel     Ainsi :      et   ! " #"$% . De plus, la valeur du mino3 rant & '( ) est : 02143 ' ' /. &
'( *+-, 65

o  n[ 

P V

Considrons le problme de dcision suivant : Existe-t-il un ordonnancement sur 7 98 :#8 8 un dont le cot est infrieur ou gal ;=<?>@Bcanal ADC @ des 3 messages F HJI  'M ?. Remarquons que notre rduction est bien polynomiale. E 'GF LK Comme nous le verrons ci-aprs au thorme 2.2, il existe un ordonnancement optimal et priodique sur un canal pour toute instance de messages sans cot de diffusion. Ainsi, nous pouvons reformuler ce problme de dcision sous la forme quivalente : Existe-t-il



77

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

un ordonnancement priodique des messages 8  8 8 dont le cot 3 ; <L>@BADC @ sur un canal F HJI  ' M E ?. Daprs le corollaire 2.2, la rponse est infrieur ou gal 'GF LK cette question est oui si et seulement si il existe un ordonnancement priodique N qui diffuse le message 7 exactement tous les  *O P , et chaque message  exac  . Un tel ordonnancement existe si et seulement si lon peut tement tous les  *QR partitionner lensemble des messages S#8 8 en  sous-ensembles TU#8 8VT tels que (cf. illustration Figure 2.7) : W W   Z  X @ Y C X @ Y[



 R

R 

bcbb hjiVkmlonVp ]\]\ \]\] ]\]\ \]\] \ q ]\]\] \] p \]\]\] \] ]\]\ ]\]\ qsrut dfe

n 

bbcb ^^ ^^ ^ ^ q"_^__ rBv ^___ _ _ ^^ ^^ ^_^ ^^_ __ q __ _ _ ^^ ^^ ^ ^ p _^__ ^___ q"rBvxw e _ _ d*g `` `` ` ` qsrBa`aa y `aaa a a `` `` `a` ``a aa q aa a a `` `` ` ` p a`aa `aaa a a brzbc q" y{bw e |

F IG . 2.7 : Un ordonnancement qui satisfait le problme de dcision. C.Q.F.D. } Note 2.3 Notons que nous pouvons galement dduire la -duret du cas des longueurs non-uniformes partir de la -duret du cas des longueurs uniformes avec cot de diffusion dmontre par Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98]. Cependant, notre dmonstration du thorme 2.1 nutilise pas les cots de diffusion mais repose uniquement sur le fait que les messages nont pas la mme longueur.

Note 2.4 Ce rsultat peut tre facilement gnralis au cas de plusieurs canaux pour d-duret du problme de dcision : Existe-t-il un ordonnancement priomontrer la dique de la dissmination sur ~ canaux de messages de cots de diffusions nuls et de longueurs et probabilits rationnelles, dont 3 le cot est infrieur ou gal ?. Il suft dajouter dans la rduction prcdente ~  messages #8 8 o de lon gueurs   R  et de probabilits ajustes telles que  O * "  .

R 

2.3.2

Existence dun ordonnancement optimal ?

Lhypothse du temps continu pose problme car elle permet des optimisations qui ntaient pas possibles avec un temps discret. En particulier comme nous lavons vu dans

78

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.3 Autour de loptimalit

2.3.2 Existence dun ordonnancement optimal ?

lexemple 2.1, lexistence dun ordonnancement priodique nest plus garantie ds que lon ordonnance sur plus de deux canaux. La proposition suivante est une consquence directe du lemme de densit des ordonnancements priodiques page 65. 3 Proposition 2.1 (Existence dun ordonnancement optimal) Pour tout ~ et pour tout ensemble de messages , il existe un ordonnancement optimal sur ~ canaux. Preuve. Lide est de concatner un certain nombre de priodes dordonnancements priodiques de plus en plus proche du cot optimal. La construction reste dlicate car il faut sassurer que le cot tend continment vers loptimum, sans secousse au point de jonction entre deux ordonnancements. 9 suite dordonnancements priodiques telle que pour tout ,
N Soit N 3 une . Nous allons construire par rcurrence un ordonnancement N et une suite Q* croissante de dates G# tels que : 3 9 c c8 :{c8 N8 D8xQ*4 Un tel ordonnancement N sera donc optimal. Commenons par remarquer que pour tout ordonnancement priodique N , il existe un point tel que, pour tout ,
N8 82N . En effet, soit IQ un maximum de la fonction continue et priodique
N8 D8 
N+ K sur une priode. alors, pour ?f : J6Vo6VZ
N8 D8" ZLN+U  N8 D8o
N+ . Or  ZNj8 D8:
N8 D8=
N8 8 et donc pour tout S , =
N8 8SZN+ . Quitte dcaler les ordonnancements N , nous pouvons donc supposer que, pour tout : S N 8 D8xN En particulier, le temps de service moyen des requtes qui arrivent + vaut :
N 8V
N 

Posons f  7 ,    , et +{R-D . Pour tablir la jonction entre les diffrents ordonnancements, nous allons placer entre eux tous les messages. Pour cela, nous allons dnir pour tout et pour tout RU , lordonnancement N  de longueur j: +{ 6 qui est identique N sur D8 , puis entre c8: +{ 6+ diffuse chaque message une fois, dans lordre de la prochaine diffusion dans N sur le canal de cette diffusion. Ainsi toute requte qui arrive une date $ dans Nc est servie au plus tard aussi tard que dans N . Ainsi nous garantissons que pour tout f ,

79

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

N c 8 D8=*N 8 D8L)

N  . Estimons le cot de lordonnancement N sur c8 +{ + . Le cot des diffusions dans 8? +{ est clairement . Supposons que lordonnancement N soit suivi dune priode de N aprs #? +{  . Alors le temps de service pour les requtes qui arrivent dans 8jS +{ 6+ est major par  +{ PNG8V +{ :NGc . 3 9 ayons construit N jusqu la date c , en particulier : Supposons maintenant que nous c'
N8 D8G"U . Nous diffusons donc dans N , aprs la date Gc , lordonnancement N c . Evaluons le cot de N sur tout intervalle D8  "= , en supposant, par anticipation, que Nc sera suivi par lordonnancement N . Pour tout S%S , nous avons :
N8 D8  7=+ {c Nj8 D8 c 4 {c7 3 9 c' Q*4 N 8 D8 {c7

et pour c8 +{ , nous avons :

N8 D8Gcj7= 

N8 D8{cV {c7 . def 
N+ {c7

O +{ O +{ PN8V 9 Gc 9 ' Gc Q*4 G7  xG'G # +

Ainsi pour sufsamment grand, nous pouvons garantir que, pour tout 8#? +{ + : 3 9 c
N8 G#8Gc7=Q*4 Il suft alors de poser G* +{  . La preuve se termine par induction. C.Q.F.D. } Nous avons donc prouv lexistence dun ordonnancement optimal grce la simple densit des ordonnancements priodiques. Lordonnancement obtenu nest cependant pas descriptible en temps ni. En fait la dissmination de messages de cots de diffusion nuls sur un canal est un cas qui est bien mieux compris comme le dmontre le thorme suivant. Thorme 2.2 (Existence dun ordonnancement optimal priodique) Il existe un ordonnancement optimal priodique sur un canal de tout ensemble de messages de cots de diffusion nuls.

80

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.3 Autour de loptimalit

2.3.2 Existence dun ordonnancement optimal ?

De plus, il existe un algorithme en temps ni, exponentiel, qui le construit. En revanche, il existe des ensembles de messages de cots de diffusion nuls qui nadmettent pas dordonnancement priodique optimal sur plus de deux canaux.

Preuve. Cette preuve repose sur la construction dun graphe dtats similaire celle du chapitre prcdent. Comme les messages nont pas de cot de diffusion, et que la dissmination a lieu sur un canal, nous pouvons restreindre notre tude aux ordonnancements sans trou. Considrons donc le graphe valu inni X suivant. Les sommets de X sont les uplets  88 o est un nombre rel positif. Etre au sommet au temps signie que le dbut de la dernire diffusion de chaque avant a dmarr la date   . Une arte , tiquete et de longueur  , relie le sommet #848 88 au sommet  848G 88  . Passer par cette arte tiquete entre les dates et   signie que lon diffuse le message la date . Nous associons cette arte un cot correspondant au surcot induit par la diffusion en cours, que nous dnissons comme au chapitre prcdent comme le rtro-cot cumul sur la priode c84 . 9 Lattente en arrire moyenne pour le message % entre et =%  , pendant la diffusion du  . Ainsi : message , vaut O
Z c +  W . V  W c. 9.  #

(2.13) un cot

Tout comme au chapitre prcdent, nous associons chaque chemin dans X gal au cot des artes qui le composent, moyenn par la longueur du chemin :
4= O 4=  ,V #  , si est ni, ,   I (#88  , si s*   .
 4  K  

et

4=  O

A tout chemin inni de X , nous associons un ordonnancement N sans trou dni par la concatnation des tiquettes des artes de . Par construction, le cot de correspond au rtro-cot de N . Le thorme de rversibilit page 31, que nous avons dmontr pour le modle gnral des longueurs non-uniformes, nous assure alors que le cot de est galement le cot de N :  O4
N  4

81

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

De plus, lapplication O N  est une surjection des chemins innis de X ordonnancements sans trou sur un canal des messages de . Ainsi : LQ)+

sur les

chemins innis

Z  O4

Le lemme 2.2 nous permet de restreindre notre recherche aux ordonnancements dans lesquels la dure entre les dbuts de deux diffusions conscutives de chaque message est borne par une constante  . Nous sommes donc ramens la recherche dun chemin opX  de X induit par les sommets tels que D8
. timal dans le sous-graphe Cependant, contrairement au cas du chapitre prcdent, ce sous-graphe nest pas de taille nie. Le lemme de densit des ordonnancements priodiques page 65 nous permet cependant de restreindre notre recherche aux ordonnancements priodiques. En effet, si nous trouvons un ordonnancement  N  optimal parmi les ordonnancements priodiques, cet ordonnancement sera optimal par densit. Aussi nous sommes ramens rechercher un cycle optimal dans X  . Considrons un sommet dun cycle de X  : chaque est une combinaison linaire entire des longueurs des messages  . X  nadmet donc quun nombre ni de cycles. Il existe donc un cycle optimal  . Lordonnancement correspondant N est   donc un ordonnancement priodique qui est optimal. Remarquons que nous pouvons construire   en temps ni en parcourant tous les cycles X  . Lorsque les longueurs des messages sont entires (ou rationnelles), nous poude vons utiliser lalgorithme de recherche dun cycle de poids moyen minimal dun graphe, 3 obtenons alors un cycle de cot dcrit par Orlin, Tarjan et Young dans [YTO91]. Nous I '   9 [    minimal en temps exponentiel  [  +{    K .} Remarque 2.2 Comme nous lavons vu, ds que nous considrons plus de deux canaux ou la prsence de cots de diffusion, des trous peuvent apparatre dans lordonnancement optimal, or nous ne savons pas lheure actuelle comment traiter la prsence de ces trous en temps continu. Remarque 2.3 (Temps discret) Si lon retourne au modle du temps discret, et que nous supposons que les messages ont des temps de transmission entiers, alors nous pouvons facilement dmontrer, laide dune construction dun graphe similaire celle du chapitre prcdent, quil existe toujours un ordonnancement priodique optimal quel que soit le nombre de canaux et les cots de diffusion. Dans la section suivante nous proposons une approximation un facteur constant pour la dissmination de messages quelconques sur un canal.

82

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.4 Approximations dun facteur constant sur un canal

Algorithme 2.1 Approximation randomise pour la dissmination sur un canal Entres : 1. Un ensemble de messages :#88V de probabilits de demande z  . , de temps de transmission O  . et de cots de diffusion Q  . . 3 2. Une distribution de frquences de diffusion   .!" , telle que : #  , et une longueur fantme % $S . Sortie : Boucler Tirer &(' D88() avec probabilit # . Si &j alors Ne rien diffuser pendant une priode de dure  . Sinon Diffuser le message .

2.4

Approximations dun facteur constant sur un canal

3 minorant dAmmar et Wong, notre minorant &+*-, propose des frquences A linstar du de diffusion     pour chaque message . De plus, il recommande galement de diffuser chaque message intervalle rgulier. Nous allons donc proposer une gnralisation de lalgorithme randomis de Gecsei pour le cas des messages de longueurs uniformes. Nous drandomisons ensuite cette heuristique pour obtenir un algorithme dterministe qui gnre un ordonnancement priodique de priode quadratique en le nombre de messages.

2.4.1

Approximation randomise

Etant donn que le temps est continu, la gnration de trous ventuels dans lordonnancement pose problme. Nous introduisons donc un message fantme qui est slectionn lorsque lon ne doit rien diffuser. Sa longueur .0/ est donne en entre de lalgorithme. Ce paramtre permet de dterminer le pas des trous : plus . / est faible, meilleure est la prcision mais, plus le nombre de tirages alatoires lors du calcul de lordonnancement augmente. Lalgorithme est dcrit sur cette page. Lemme 2.6 (Analyse de lapproximation randomise) Lalgorithme 2.1 produit un ordonnancement N des messages de 1' :#88V ) sur un canal dont lesprance

83

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

du cot vrie :

2 256
7 W
def

N+

W .!

243

.c

. '

W .

243


.

W .

253

.c

(2.14)

c./

. 87 , pour tout 97  et toute distribution 

Ainsi si lon choisit les probabilits de diffusions en fonction de la solution du minorant, nous obtenons une approximation un facteur constant. 3 Proposition 2.2 (Approximation randomise) Etant donn ; , si :=<>:   est la so ,? & 3*%  <8V* et si lon dnit  /  par : lution du problme de minimisation non-linaire + 3 W .0/ .  3   et que pour tout &? ,  , lalgorithme randomis 2.1  /   .! .   , gnre un ordonnancement N dont le cot est born par : 3 1 2 3 2CB ./ I (2.15) NS 8 + & *A,(?  <8V) . K < < 5 @ 3 " D D , nous obtenons une -approximation : Pour <P 3 D 3 " D D I D H 2FE .8 / 2 B (2.16) N  G < & * , ? + <  8V* .c

GG G

Remarque 2.4 (Rsolution approche) Lanalyse de la rsolution approche du problme de minimisation &+*%, fera lobjet du chapitre  , o cette problmatique sera aborde dans le cadre gnral des diffrents minorants mis en jeu dans ce document. Lanalyse des performances de lalgorithme de la proposition 2.2 a pour consquence immdiate que &J*-, est un minorant dle. Corollaire 2.4 (Fidlit de KMLJN ) Pour tout ensemble de messages dun ordonnancement sur un canal vrie : D 3 " D LQ) & *-,(? J <  8V) , le cot optimal

Comme le temps est continu et avance de faon alatoire au gr des temps de transmission des messages slectionns, nous avons besoin de quelques lemmes prliminaires lanalyse des performance de notre algorithme randomis. Ces lemmes dmontrent que les messages sont bien diffuss avec la frquence souhaite. Leurs dmonstrations reposent sur des thormes du type Loi des grands nombres et sont proposes en annexe page 97.

84

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.4 Approximations dun facteur constant sur un canal
2.4.1 Approximation randomise

Lemme 2.7 (Analyse de la frquence de diffusion) Soit 7PO la variable alatoire qui compte le nombre de tirages alatoires effectus par lalgorithme 2.1 page 83 pour ordonnancer les messages entre et O . Alors : 3 3 P  O  253 , avec probabilit . (2.17) Q   O .c 3  O 2SR  7P
T  2 3 . En particulier : Q  O U .  Remarque 2.5 Ce rsultat est trs naturel, en ce sens qutant donn que la longueur 243 2V3 moyenne des messages diffuss est .c , intuitivement, il y a O . diffusions entre et O . Cependant la valeur moyenne de linverse nest pas en gnral linverse de la valeur moyenne. Corollaire 2.5 (Frquence des messages) Soit LPO la variable alatoire qui compte le nombre de diffusions du message entre et O dans lordonnancement gnr par lalgorithme 2.1 page 83. Alors : 3  P  O  5 2 3 , avec probabilit . (2.18) Q   O . En particulier :

2SR  T
Q 

 PO

2 3

.c

Nous pouvons prsent analyser les performances de notre algorithme randomis.

Preuve de la Proposition 2.2 page prcdente. Commenons par analyser le cot de lordonnancement gnr par une distribution de frquences   donne. Analyse du temps de service de lordonnancement gnr. Considrons une requte pour le message arrivant la date . Son temps de service N8V 8 est la somme de deux variables alatoires et du temps de tlchargement de : N8V 8V+XWoV#Y Z. . WJV est le temps coul jusqu la n de la diffusion du message en cours la date , et Y est la dure de lattente depuis T WJV jusquau dbut de la diffusion de . Notons que WJV est indpendant de & , et que Y est indpendant de . 2 Calculons tout dabord Ws . Une requte arrive durant lmission dun message 2 2V3 avec probabilit gale 
 Q  V . #   P O  O   [ .  . , et attend alors en 

85

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

moyenne .

. Ainsi :

WoV

W .!

.V

c[.V 2 3 c .

(2.19)

Ensuite, si \ dsigne la variable alatoire de la longueur du ] ime message diffus sachant quil est diffrent de , nous avons : 3 2 2`_ W ^ Y   \  ; 9 \  b  dc a  /

e Comme la srie est convergente termes positifs, nous 39pouvons permuter les termes et 2 3 @ . . Nous obtenons alors que : utiliser que indpendamment de ] : \  .!9 9.  , 2  . !9 . c8. ^ Y  , (2.20)
En sommant les quations (2.19) et (2.20) sur les requtes pour les diffrents messages, nous en dduisons lesprance du temps de service de lordonnancement gnr :

D&N

W .!

253

.c

. '

W .

243

.c

(2.21)

V Analyse du cot de diffusion de lordonnancement. Par dnition, 2  Q 2 3 fNj8 D8gO- . . Ainsi par la  VPO Oh . cQLPO O . Or, nous avons : 
, linarit de lesprance nous obtenons que :

VfN+

W .

253

.c

(2.22)

Nous obtenons donc en sommant les quations (2.21) et (2.22) lexpression de la Proposition 2.2 pour lesprance du cot de lordonnancement gnr par lalgorithme randomis 2.1 page 83.
3   est dnie 3 en fonction de   . Comme est choisi proportionnel Analyse lorsque      et que .! .    , lexpression du cot de lordonnancement se simplie ,

86

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.4 Approximations dun facteur constant sur un canal
2.4.2 Approximation dterministe et priodique

en :

N+

Comme le minimum de 3 " D obtenons pour <P :

<

    .! . .   3 1 3 3 2 B .0 / I 8 8 & * , Q* + . K < < @ 5 3 D M I  Z ' i 8  i 8 K vaut et est atteint pour <6

' .  

3 "D

, nous

2 E

N+ G <P

GG G

DIH

D D

&J*

,? <


3 "D 8V*

.0 /

2 B

LQ)4

./ 8

.

2 B

.

2.4.2

Approximation dterministe et priodique

Nous nous proposons dans cette section de driver un algorithme glouton partir de lalgorithme randomis 2.1 page 83 en utilisant le paradigme de drandomisation gloutonne prsent page 46, que nous avons dj utilis pour drandomiser lalgorithme de Gecsei au Thorme 1.4 page 48. La principale difcult de lanalyse par rapport au cas des longueurs uniformes est que le temps est continu et avance en fonction du message slectionn. Denition 2.2 (Etat) A linstar du chapitre prcdent, nous dnissons ltat 8cN+ dun ordonnancement N la date comme le -uplet 8cN+c88 8cN+ , o 8cN+ est le temps coul depuis le dbut de la dernire diffusion du message dmarre avant . Nous considrons que tous les messages sont ctivement ordonnancs f (il est quivalent de dire quaucune requte narrive avant + ou encore que toutes les requtes qui arrivent avant  sont servies instantanment), ainsi : pour tout & , D8cN++ . Remarquons que nous avons utilis implicitement ces dnitions dans la preuve du thorme dexistence dun ordonnancement priodique optimal page 80. Lalgorithme glouton 2.2 est dcrit page suivante. Remarquons que la rgle de slection est bien plus complique que pour le cas des longueurs uniformes (Algorithme 1.3 page 49), dont elle est une gnralisation.

87

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 2.2 Approximation gloutonne pour la dissmination sur un canal Entres : 1. Un ensemble de messages S88V de probabilits de demande z  . , de temps de transmission P  .  . et de cots de diffusion Q  . . 3 2. Une distribution de frquences de diffusion   .!" , telle que : j/#  , et une longueur fantme . / $S . Sortie : Boucler Choisir &+k' D8 8j8() qui minimise la quantit suivante : 9"q 243p 243 ' '  n o W +b . . . o . m k 243  s rt l u .c .  Indpendant de o Soit ltat de lordonnancement la n de la dernire diffusion. 3

253

Si & alors Sinon

7

def

c./ 87 .

Ne rien diffuser pendant une priode de dure . / .

Diffuser le message .

88

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.4 Approximations dun facteur constant sur un canal
2.4.2 Approximation dterministe et priodique

Lemme 2.8 (Analyse de lapproximation gloutonne) Lalgorithme glouton 2.2 page prcdente gnre un ordonnancement N sur un canal, dont le cot vrie :

N+ W .!

2 3

.

. '

W .

243

.

W .

2 3

.

26
3

7

W
def

<b:

, si

./

07 , pour tout 97  et toute distribution   . Ainsi, tant donn b:

D permettera de conclure comme prcdemment que lordonnanceCette analyse nous ment obtenu est une -approximation.
Proposition 2.3 (Gloutonnisation) Etant donn +:v<w: , si  est la solution du pro.0/ 3 W . ?<8V) et si lon dnit  /  par :   / .  
3

blme de minimisation non-linaire &J* , 3  3  et que pour tout &) ,  , lalgorithme glouton 2.2 page ci-contre gnre   c . ! , un ordonnancement N sur un canal, dont le cot est born par : 3 1 2 2CB 3 .0 / I NS 8 J & *-,(?  <8V) .c K (2.23) < < 5 Z 3 "D D , nous obtenons une -approximation : Pour <  3 D 3 " D D 2 E D H 2xB .8 / N+ G <P & *A,? + <  8V* .c (2.24)

GG G

Preuve. Remarquons que nous navons qu prouver le lemme 2.8, la proposition dcoule naturellement de la preuve de la proposition 2.2. Notons N -Q z{y   lordonnancement gnr 3 glouton 2.2 : z{y par lalgorithme ime est le ] message slectionn par lalgorithme, o & k ' D8 8j8( ) . Comme au chapitre prcdent, nous allons majorer le rtro-cot | aprs chaque slection. Le thorme de rversibilit page 31 nous garantit quen passant la limite, nous obtenons ainsi un majorant sur le cot de lordonnancement. Nous dnissons donc 9  ]8cN  de la ] ime diffusion de lordonnancement N comme la somme du le cot 4Z cot de diffusion du message diffus et de lattente en arrire cumule sur la dure de la

89

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

diffusion. Ainsi nous avons, pour tout 

:
,w~

|N
et donc, lorsque 

8 D8g. C y b. y} +

. ,

Z 9]8cN 

.

. z{y

tend vers linni :

N +w|N 


 , 

.

4Z 9]8cN 

Notons N+ , le vecteur dtat la n de la ] ime diffusion dun ordonnancement N , i.e. tel que : si la ] ime diffusion se termine la date , la dernire diffusion du message a commenc la date  N . Si la ] ime diffusion de N est celle du message9 , alors lattente en arrire 9 moyenne pour le message % durant cette diffusion vaut P.  N+ , si  ime diffusion est donc : , et , si . Le cot cumul de cette  &  . ?   & ]
Z 9]8cN+
def

,w~

.

. {y

b.

W .

1  W

.



N4b.V 5

 k.  N+
.c

. '

b.

. .

  N+4b.

2B

 ]8cN+ qui va nous permettre de tenir compte Nous allons utiliser une fonction potentiel 9 par anticipation du cot prsum de lattente des requtes qui sont arrives avant la n de  N+ la ] ime diffusion et qui nont pas encore t servies. Pour chaque message % , z requtes sont arrives aprs la dernire diffusion de et seraient donc servies en moyenne 2 Y4 . c si lordonnancement se aprs une attente supplmentaire de ^ . !9 .Z  , poursuivait par lalgorithme randomis (cf. lquation (2.20) page 86 de la preuve de la proposition 2.2). Ainsi nous dnissons notre fonction potentiel par :

9]8cN++
Posons :
3 &PV)
def

W
def

.

 N+ ,
W .

.!9 Z .  3

(2.25)

W . ./

'

253
#

.c

2 3

W . .

(2.26)

90

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.4 Approximations dun facteur constant sur un canal
2.4.2 Approximation dterministe et priodique

Nous allons dmontrer que :

W

.

Z 9]8cN S&PV

~ . {y
.

Pour cela, nous allons procder en dmontrant lingalit pour chacun des termes. Nous introduisons une fonction de choix W9]8cN+ dont la particularit par rapport au chapitre prcdent est de devoir tenir compte de la dure . de la ] ime diffusion dans N en cours : 3 9 WJ9  ]8cN+  . &PV S =  ]8cN+4T 9  ]s 8cN+j 9  ]8cN+ Nous allons dmontrer que le ] ime choix de lalgorithme glouton est celui qui maximise la valeur de la fonction de choix, et que celle-ci a une valeur moyenne nulle sur les diffrents choix. Ainsi la fonction de choix sera toujours positive et, comme QD8cNsU et pour  ]8cN+S , nous aurons : tout ] , 9
Pc8 W

~ Wo9]8cN
.

~ . z{y
.

&PS

.

Z 9]8cN  ,

ce qui terminera la preuve du rsultat.

Notons N lordonnancement dont les 9]  premires3 diffusions sont identiques ime 8 j8() . Alors : celles de N et dont la ] est celle du message , &+k' D8 

9]s
Ainsi,

8cN ;9]8cN ).

W .

D ,

.!9 Z .

 ,  253


c.!9 9. [.V

Wo9]8cN

. &PVS

. ' k .

W   N jk. D . c.

.

  N  243

2V3

.

Et donc,
W .

W 9]8cN  o

243

. &PVS

W .

W .

'

W c.

. 

' 

91

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 2.3 Approximation dterministe et priodique sur un canal Entres : Un ensemble de messages et un paramtre .b. et R   . Calculer  Poser .

$
3 "D

. On pose 8V) .


z

la solution du problme de minimisation &+*-,(?<P

2 B

.c . Dnir une valeur /  et une distribution   #x .!" telles que : 3 3 .8/  W . et 3    /     c.! . ,

Ordonnancer entre les dates 2 et 2 tous les messages S88V les un aprs les autres.
  ,  pas de lordonnancement glouton jusqu ce Excuter avec les paramtres .0/ et  que la dernire diffusion chevauche la date O: . Soit P  O: la date de la n de O Ob . +{ ). la dernire diffusion (O # Trier les messages par   croissants. Ordonnancer conscutivement les diffusions des messages dans cet ordre entre les dates +*P  O et *P  O  .

Remarquons que sil on rcrit Wo9]8cN ainsi :

WJ9]8cN +7  N 

243

.

2 3ap no 4 . . ; . l 2V3

'

'

.

253 253

c  .

W c.

  N 

ru t

on reconnat que lalgorithme glouton slectionne systmatiquement le message qui  maximise cette quantit (monstrueuse), et garantit donc que pour tout ] , Wo9]8cN 243 @ Wo9  ]8cN  . C.Q.F.D. } Il est parfois intressant davoir un ordonnancement priodique x, par exemple, pour concevoir des stratgies de cache ou encore pour dcharger le serveur du calcul de lordonnancement. La proprit suivante dmontre que lon peut arrter lalgorithme glouton prcdent au bout dun nombre quadratique de pas et obtenir un ordonnancement priodique dont le cot est un facteur constant de loptimum. Cette proprit sera trs utile au chapitre 4 pour obtenir un schma dapproximation polynomial et dterministe. Notre algorithme est dcrit ci-dessus et illustr Figure 2.8 page ci-contre.

92

Chapitre 2 Dissmination de messages de longueurs non-uniformes 2.4 Approximations dun facteur constant sur un canal
2.4.2 Approximation dterministe et priodique

 C??[
q e |k

bbcb

j bcx bb ?8 00 ??9 [  q` 04 0 0CCj j?xaa

bbcb

F IG . 2.8 : Lalgorithme dapproximation priodique.

Thorme 2.3 (Ordonnancement priodique) Lalgorithme 2.3 page D dente D construit en "temps polynomial un ordonnancement priodique J*-,?<  ds que sa priode O vrie : v cot

prcde

Oo>

Q4 2 . b  c . D

+{

Nous obtenons donc en temps polynomial une -approximation de priode quadratique en la somme des longueurs des messages et la somme des cots de diffusion.

Preuve. Lalgorithme 2.3 construit un ordonnancement priodique Q de priode PO . Analysons le cot de Q . Calculons le rtro-cot cumul sur une priode, le thorme V de rversibilit du cot page 31 nous permettra de conclure.

Daprs lanalyse de lalgorithme glouton, Proposition 2.3, nous avons :

O |
Q

9#O

9]"

Q ;9]w Q

(2.27)

page 90. Noo PV et sont dnis respectivement aux quations (2.26) et (2.25) tons PO:[ la date de la diffusion de b entre PO et POS dans Q . Re marquons que comme les messages sont diffuss par  croissants et que / .  S , nous avons : Lattente en arrire moyenne pour entre 1PO ?  . . 9  PO Sm vaut et s ~ Q . La somme des attentes en arrire cumules jusquau date PO et des temps de tlchargement est majore par :

Or, avec la dnition de

s Q  b.[?  ~ z   , nous avons : 9 ] Q +  ?  . . Ainsi, cette   Q 8

93

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

contribution au cot est majore par :

Q ? 4 z


b. ? Q    a , par construction

(2.28)

Considrons prsent lattente en arrire pour les messages aux dates m OZ67 O I + . La somme de lattente en arrire et du temps de tlchargement est borne par . Ainsi, la contribution cumule sur une priode est borne par : (2.29) V diffrentes contributions Ainsi en sommant les (2.27), (2.28), (2.29), et le cot de diffusion des messages sur et O O , nous obtenons : PO V |
S PO V PV  9] Q 
Or, 9]

Q S z

 

6PV . Ainsi :

 Q +X|
 Q D "D 2 O D c . 2 +*-,"?<  v c . Z 5 O 4 Q [ /  2 Donc ds que la priode PO de Q est suprieure O , nous avons :  c . D "D D Q
 +*-,"?<  v Qv
C.Q.F.D.

Remarque 2.6 Ce principe de lobtention dun ordonnancement priodique partir dun algorithme glouton peut naturellement tre utilis dans tous les contextes, en particulier pour les messages de longueurs uniformes. Ceci nous sera particulirement utile au chapitre 4, lorsque nous aurons besoin de borner la priode de lordonnancement gnr.

Conclusions et Perspectives
Dans ce chapitre, nous avons donc introduit et tudi la dissmination de messages lorsque les messages nont pas le mme temps de transmission, et que le temps est continu.

94

Chapitre 2 Dissmination de messages de longueurs non-uniformes Conclusions et Perspectives

Nous avons dmontr que ce problme est *

-difcile de faon intrinsque cest--dire sans que les cots de diffusion soient impliqus (Thorme 2.1 page 77). Nous avons mis en vidence un certain nombre de nouvelles difcults dues la continuit du temps, comme labsence dordonnancements priodiques optimaux ds que la dissmination a lieu sur plusieurs canaux. Pour contourner cette difcult, nous avons utilis une proprit de densit des ordonnancements priodiques pour obtenir des minorants sur le cot dun ordonnancement optimal (Lemme 2.1 page 65). Le premier est lextension naturelle du minorant quAmmar et Wong avaient conu pour le cas o les messages ont le mme temps de transmission dans [AW85]. Nous avons dmontr que ce minorant nest pas dle ds que les messages ont des longueurs trs diffrentes, et ne peut donc tre utilis pour construire des approximations efcaces (Corrolaire 2.3 page 73). Nous avons alors propos un nouveau D minorant pour le cas de la dissmination sur un canal (Lemme 2.5 page 75). Ce nouveau minorant nous a permis de dvelopper une approximation randomise un facteur de loptimal. Nous en proposons galement une version drandomise de cette heuristique, qui produit un ordonnancement dterministe et priodique de priode quadratique (Algorithme 2.3 page 92). Le cas de plusieurs canaux reste cependant mal compris : en particulier le fait que lon puisse faire un gain arbitraire en ajoutant un canal, ce qui est impossible pour le cas des longueurs uniformes. Notre minorant ne se gnralise dailleurs pas au cas de plusieurs canaux. Nous avons malgr tout une heuristique en tte pour le cas de deux canaux, base sur lide que nous pouvons supprimer les chevauchements entre les messages quitte multiplier lattente des requtes par une constante. Ainsi, nous pouvons supposer que durant la diffusion dun message long sur un canal, seuls des messages plus courts sont diffuss sur lautre canal. Nous sommes ainsi ramens ordonnancer des blocs de messages que nous pouvons optimiser. Nous ne connaissons pas actuellement les performances de cette heuristique. Lanalyse de ces performances ainsi que le dveloppement destimations efcaces du cot optimal sur plusieurs canaux, font partie de nos perspectives court terme. Nous pouvons galement envisager une autre approche en remarquant que lordonnancement ctif suggr par lextension naturelle du minorant dAmmar et Wong vrie, tout de mme, toutes les contraintes hormis les contraintes de recouvrement. Or, cest limpossibilit de satisfaire ces dernires contraintes lorsque les messages ont des longueurs trs diffrentes, qui interdit tout ordonnancement dapprocher ce minorant. Cependant, nous voyons bien Figure 2.2 page 62 que lon pourrait raliser peu prs cet ordonnancement ctif si lon dcoupait le long message en petits paquets de taille , cest--dire si lon pouvait prempter les longs messages. Nous pourrions ainsi interrompre la diffusion des longs messages et permettre aux requtes pour les petits messages dtre servies sans trop de retard. Cette approche est dautant plus intressante que le cot de cet ordonnancement ctif est arbitrairement faible devant le cot optimal dun ordonnancement non premptif, comme nous lavons vu Corollaire 2.3 page 73. Ainsi prempter les messages pourrait nous

95

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

permettre de faire un gain arbitraire sur le cot de lordonnancement. Aussi, nous nous proposons dintroduire au chapitre suivant un modle premptif pour la dissmination de messages de longueurs non-uniformes.

96

Chapitre 2 Dissmination de messages de longueurs non-uniformes Annexe : Analyse des frquences des messages dans lalgorithme randomis

Annexe : Analyse des frquences des messages dans lalgorithme randomis

Preuve du Lemme 2.7 page 85. Nous reprenons ici des arguments classiques de la loi des grands nombres. Posons .8
X

et .8wz

. .
ne tend pas vers

2 Soit V 3 lensemble des ordonnancements pour lesquels PO-O . quand O tend vers linni. Nous souhaitons dmontrer que :
*

Pour cela nous allons crire comme union dnombrable densembles de probabilit nulle. Commenons par remarquer que le message le plus court longueur pour tout ordonnancement , et tout  , nous avons :

[ 

, ainsi







[9

;T-TX

Ainsi sil on pose "!$#%8 , ;- admet '&)( * pour limite quand  tend vers linni si et seulement si la suite ?0+c admet '&( * pour limite. Nous pouvons donc rednir comme lensemble des ordonnancements pour lesquels ;8 nadmet pas '&,(  pour limite. Nous avons donc :
)

.0/213/4!$563
P <

877
7 7

 def JLKNM O QSR 7 0 7

7 7  9

& ( * 7

7 7 7 5:12; T 7 7

< I = ?@ > A BDCFEHG CFE R

c I

.

 TSP

7 5:1 ; &( *  7 Q U

def J'K

Ainsi

V

  B 

@>

. Il nous suft donc de dmontrer que

=  

pour tout W .

Soit 1X Y
. Soit Z\[ la variable alatoire de la longueur du dnition de ;- , nous avons :
Zo^6#_#_#FZa`cbedf

] ime

messages diffus. Par



 gh:Zo^6#_#_#ijZa`cbedkf

et


T;
 

8
97

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Nous pouvons donc borner la grande dviation de - par :

-

-
 5

1 &( *

Zo^#_#_#FZ `cbedkf

 Mg
9

";D&)(
1

Comme les Z\[ sont valeur borne lingalit de Chernoff donne :

-

-
 5

1 &( *

mlYnpo

=q `cbedfr Ns2tvupw

mlYnxo

=yq dr Ns2tvu q w

Par le mme argument nous avons :

U -

-
 

g1

;mlYnxo &( *  =q d r q w

=yq dr Ns2tvu q w

O Ns2tvu , ce qui implique que la srie = A  lzno Nous avons donc que U c I = A est convergente pour tout 1 et tend vers
lorsque 3 tend vers linni. Nous U en concluons que @>   {zd I'|~} c I @ > A 
. C.Q.F.D.

98

CHAPITRE

Dissmination de messages de longueurs non-uniformes avec premption

Introduction
Nous avons tudi au chapitre prcdent lordonnancement pour la dissmination de messages dont les temps de transmission ne sont pas identiques. Nous y avons dmontr dans les exemples 2.2 page 61 et 2.4 page 72 que le cot optimal dun ordonnancement peut tre arbitrairement grand par rapport au minorant du lemme 2.3. Nous avons vu que cette diffrence tait de lattente des requtes lors de la diffusion des messages longs. Revenons donc sur lexemple 2.2 : la dissmination sur un canal de deux messages   et _o et de probabilits de diffusion 4  et s  . et de longueurs > Le minorant du chapitre prcdent propose un ordonnancement ctif idal rappel Figure 3.1 page suivante dont le cot serait g constant en fonction de alors que le cot optimal dun ordonnancement rel est en fait 5 . Remarquons cependant Figure 3.1 page suivante que lon pourrait presque raliser lordonnancement ctif si lon dcoupait le message long en paquets de longueurs . Lordonnancement qui diffuse une fois sur deux le message et une fois sur deux un paquet de , a en effet un cot de g . En effet, dans cet ordonnancement, une requte demande le message avec probabilit 4 et attend en moyenne une unit de temps le dbut de lmission de lunique paquet du message puis  une autre pour le tlcharger ; et une requte demande le message long avec probabilit 4 et commence tlcharger le premier paquet au bout dune unit de temps en moyenne puis termine de tlcharger le dernier paquet au bout de " units supplmentaires. 9 Nous voyons sur cet exemple que le cot de lordonnancement premptif est g

99

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

D848pD_iix2S _x%8ipF X~p8Dx S

D\p4p88 +SS_%_S* pS

 4

 4

SxD 8D %

%48 S8iSS8S

% i4D8 )S*D8F0ip~S4?8__48p8 S8

'

8_x8S

'

F IG . 3.1 : Exemple de diminution du cot dun ordonnancement par premption. contre \ ) pour le meilleur ordonnancement non-premptif. Ainsi la premption pourrait permettre de raliser un gain arbitraire. Notons de plus, que la dissmination sur plusieurs canaux reste mal comprise lorsque les messages sont de longueurs diffrentes. Aussi prempter les messages pourrait permettre de grer plus simplement le cas de plusieurs canaux. Ces remarques sont lorigine de notre dnition dun modle premptif dans ce chapitre.

Le modle premptif
Dans notre modle, les messages sont dcoups en paquets de longueur . Le serveur diffuse les paquets sur les canaux. Les canaux sont synchroniss et les diffusions des paquets sont ordonnances aux dates entires. Un utilisateur intress par lun des messages coute les diffrents canaux et tlcharge un par un les paquets lorsquils sont diffuss sur lun des canaux ; lutilisateur est servi lorsquil a tlcharg tous les paquets du message demand. Lordre de tlchargement est sans importance, linstar des protocoles TCP/IP. Le serveur cherche ordonnancer la diffusion des messages de sorte minimiser dune part le temps de service des utilisateurs et dautre part, le cot du service que lon dnit de la mme faon que prcdemment. Remarquons que ce modle est trs proche des implmentations relles de la dissmination de donnes, notamment de celle des serveurs vido. Etudions par exemple le cas de deux messages et de probabilits identiques [ k  i , de cots de diffusion nuls et tous deux composs de deux paquets de temps   de transmission s : et pour et, et pour . Une premire ide est de diffuser rgulirement les paquets de chaque message, la mme frquence puisquils sont   quiprobables. Etudions le cot de lordonnancement priodique rsultant v _xN

100

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption Introduction

illustr Figure 3.2.

*

* \ \

8yFv+^*p_

  F IG . 3.2 : Lordonnancement v xN . Les phases de tlchargement des requtes sont reprsentes en gris.

Une requte demande le message ou le message avec la mme probabilit et attend dans cet ordonnancement en moyenne le mme temps. Etudions donc une requte pour . Que la requte tombe dans les intervalles  ou Figure 3.2, elle attend en moyenne s jusquau dbut de la diffusion du premier paquet, puis s supplmentaires jusqu la n du tlchargement du second paquet. Ainsi le temps de service moyen de lordonnance  ment v est
s.   Etudions cependant lordonnancement v _ xN illustr Figure 3.3, qui ordonnance tous les paquets de , puis tous les paquets de conscutivement et toujours avec la mme frquence.
*



" % 



*

             i        "          

        

          "    i          

        

        "       

8yFv+^*p_

F IG . 3.3 : Lordonnancement v qutes sont en gris.

. Les phases de tlchargement des re-

De mme, les requtes demandent le message ou le message avec la mme probabilit, et attendent dans cet ordonnancement le mme temps en moyenne. Etudions donc une requte pour : avec probabilit p , elle arrive dans lintervalle  Figure 3.3, entre !  les dbuts des diffusions des paquets et , et attend
s en moyenne le dbut du  tlchargement de puis
s supplmentaires pour tlcharger le paquet ; avec probabilit 8p , elle arrive dans lintervalle entre les dbuts des diffusions des paquets !   et , et attend " s en moyenne le dbut du tlchargement du paquet puis #
s

101

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

supplmentaires jusqu la n du tlchargement du paquet . Ainsi le temps de ser  vice moyen dune requte pour (ou ) est avec lordonnancement v : !%$ ! !%$ ! ! s hg
s !
e 
'& #  #'& Nous voyons donc sur cet exemple que le cot de lordonnancement est donc paradoxalement meilleur lorsque lon ne prempte pas les messages. En fait, le minorant du cot   optimal que nous exhiberons Section 3.2, dmontrera que lordonnancement v S x est loptimal. En gnral, contrairement aux modles prcdents, le minorant ne peut pas tre ralis en diffusant les paquets de chaque message rgulirement mais en les diffusant dans des crneaux conscutifs intervalles rguliers. Nous en dduirons en particulier que ce problme est fortement -difcile dune faon similaire au cas non-premptif. Nous verrons cependant que dans le cas gnral il est impossible dapprocher ce minorant sans prempter, et que nous obtenons malgr tout une -approximation en diffusant les paquets rgulirement. Notre tude... ...est base sur une observation fondamentale : dans un ordonnancement optimal, les paquets dun mme message sont diffuss de manire cyclique (Lemme 3.1 page 104). Nous obtenons alors une expression raisonnable du cot dun ordonnancement, puis la preuve dexistence dun ordonnancement optimal priodique constructible en temps ni (exponentiel) (Thorme 3.3). Nous drivons galement deux minorants du cot optimal. Le minorant doit tenir compte des dpendances entre les paquets. Le premier minorant est obtenu en relaxant les contraintes de non-recouvrement et en tudiant le temps minimal de tlchargement dun des paquets (Lemme 3.5 page 116). Ce minorant nous servira analyser simplement les heuristiques. En revanche, pour dmontrer que le problme est -dur, nous avons besoin dune minoration plus prcise pour laquelle nous connaissons les ordonnancements qui la ralisent, ce qui ncessite une tude plus ne des conditions doptimalit. Ce minorant sexprime sous forme dun problme de minimisation plus complexe (la fonction objectif nest plus convexe) (Lemme 3.6 page 117). Nous avons donc d tendre la mthode de rsolution propose par Bar-Noy, Bhatia, Naor et Schieber dans [BNBNS98] (voir chapitre 5). Nous proposons Section 3.4 diffrents algorithmes pour approcher le cot optimal. Nous procderons de faon incrmentale en commenant par dcrire un algorithme randomis pour la dissmination sur un canal, que nous drandomiserons en un algorithme glouton qui gnre un ordonnancement priodique (Algorithme 3.3 page 132). Puis, nous gnraliserons cette approche au cas de plusieurs canaux (Algorithme 3.6 page 139). Dun point de vue pratique, le rsultat principal de ce chapitre est que prempter permet de raliser un gain arbitrairement grand sur le cot de lordonnancement comme dans lexemple de la gure 3.1 : en effet les algorithmes que nous proposons Section 3.4 gnrent +* . des ordonnancements de cots \)(

102

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.1 Dnition du modle et rsultats prliminaires

Notons enn que ce problme modlise aussi une autre variante de la dissmination de donnes. En effet, nous pouvons considrer que les paquets dun messages sont en fait des messages de longueurs unitaires runis dans un lot. Ainsi, le cas premptif peut tre vu comme le cas o les requtes ne demandent plus un unique message, mais peuvent demander des lots de messages et sont servies lorsquelles ont tlcharg le lot complet de ces messages. Le cas premptif tudi ici, est le cas o ces lots sont tous disjoints. En ce sens nos travaux sont une extension de ltude de dpendances dans le cas deux messages ralise par Bar-Noy et Shilo dans [BNS99]. Lextension de notre tude au cas o les lots ne sont pas disjoints fait partie de nos perspectives court terme.

3.1
3.1.1

Dnition du modle et rsultats prliminaires

Le modle

 -/,S0  21212134, 65 de 7 mesLes messages. Lentre du problme est un ensemble , .  sages. Chaque message ,98 est compos de :8 paquets de longueurs unitaires , 8 21212134,<8 ;)= . Chaque paquet du message , 8 a un cot de diffusion > 8 5
. Les utilisateurs sont caract CEC des requtes sur les diffrents messages : riss par la distribution ?8@8BAD
GF+ G8L :

et

4L6#_#_#F

Y

Lordonnancement. Les H canaux, tous identiques, sont synchroniss et les paquets sont mis aux dates entires. Un ordonnancement I des paquets des messages ,S021212134, est formellement une suite partielle KJ/L A M @LQ   AD  N M NGO : J/L A M  PF4RQ0 signie que le Q ime paquet du message ,98 est diffus entre les dates S et PS (durant le crneau PS ) sur le canal T . Durant la diffusion, les utilisateurs se connectent suivant un processus de Poisson un instant alatoire (continu), se mettent lcoute des diffrents canaux, tlchargent un par un les diffrents paquets du message quils demandent, lorsque ces paquets sont diffuss sur lun des canaux, et sont servis lorsquils ont tlcharg tous les paquets du message demand. Lordre de tlchargement des messages est sans importance, tout comme dans le protocole TCP/IP. La fonction de cot. La fonction minimiser combine deux quantits : le temps de service moyen et le cot de diffusion. *VUW )IU , Tout comme dans les modles prcdents (cf. pages 2527), le temps de service est la valeur asymptotique moyenne du temps de service des requtes, o la moyenne est prise sur la distribution ?8N dune part et sur le temps dautre part. Le temps de service *VU )IX4,98YDS dune requte pour le message ,98 arrivant la date S dans lordonnance-

103

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

ment I est le temps minimum ncessaire pour tlcharger les  8 paquets de , 8 partir de la date S . Ainsi,

*VU W

)IU+

{BZB[] \4^`_ d |?}

8BA

?8dc

d dfe

*VU


)IX4,98YDS 9 

S,

pour tout  .

(3.1)

Le cot de diffusion de lordonnancement I , not hji\)IU , est de mme que pour le cas non-premptif, la valeur asymptotique de la moyenne sur le temps de la somme des cots de diffusion des paquets des messages. Si hji\)IX dsigne le cot moyen des diffusion des paquets qui dmarrent dans lintervalle de temps , nous avons :

hji\)IX 4+
et
d

k k

b
(Rl M m f o L Cfp A b 8 An K  y vu

>q8
pour tout 


(3.2) . (3.3)

hri)I+{BZB[s \4} ^_ hji\)IX/t  |~ * *VU W

Le cot dun ordonnancement I est alors dni comme la somme de ces deux quantits :

hv(xw

)IU

)IU]hji\)IU

(3.4)

3.1.2

Une observation cruciale

Le calcul du temps de service dun ordonnancement est dlicat dans le cas gnral. Nous allons cependant constater que nous pouvons nous restreindre ltude dun certain type dordonnancements, les ordonnancements paquets-cycliques, dont nous savons exprimer algbriquement le cot. Denition 3.1 Un ordonnancement I des paquets des messages ,S021212134, a est paquetscyclique si chaque crneau de I diffuse au plus un paquet de chaque message ,y8 , et si I diffuse les paquets de chaque ,y8 en ordre cyclique. Lemme 3.1 (Rduction aux ordonnancements paquets-cycliques) Pour tout ordonnancement I des paquets des messages ,  212121z4, a sur H canaux, il existe un ordonnancement IX{ paquets-cyclique dont le cot est au plus celui de I :

hv(|w

)I

{ }hv(|w

)IU

De plus, si I est priodique et nest pas paquets-cyclique, alors I { peut tre choisi prio* * )I{ )h}hv(|w )IU . dique et tel que : h~(|w

104

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.1 Dnition du modle et rsultats prliminaires
3.1.3 Expression du cot et rversibilit

Preuve. Considrons un ordonnancement I et une requte pour le message , 8 arrivant une date S . Considrons les :8 crneaux suivant la date S durant lesquels un ou plusieurs paquets de ,y8 sont diffuss. Comme un utilisateur ne peut tlcharger quau plus un paquet par crneau de temps, le temps de rponse cette requte est minimis si chacun que ces q8 crneaux diffuse un paquet de ,98 diffrent. Ainsi, si nous rordonnanons de faon cyclique les paquets de chaque message , 8 dans les crneaux o ils taient diffuss de faon quelconque dans I , nous obtenons un ordonnancement paquets-cyclique IX{ dont le temps de service est meilleur que celui de I pour toutes les requtes, et dont le cot de diffusion * * )IX{}hv(|w )IU . est inchang. Ainsi : hv(|w De plus, si I est priodique de priode  et a nest pas paquets-cyclique, alors IX{ est lui aussi priodique, de priode borne par  # 8BA q8 , et admet un cot strictement meilleur que celui de I . Nous ne considrerons donc plus que des ordonnancements paquets-cycliques dans ce chapitre.

3.1.3

Expression du cot et rversibilit

An de calculer le cot dun ordonnancement, nous allons dnir quelques notations trs similaires celles utilises page 27 au chapitre 1. Notations. Soit I un ordonnancement paquets-cyclique des paquets de ,S221212134, a sur H canaux, et un intervalle de temps born. Pour chaque message ,y8 (cf. illustration Figure 3.4) :

W8 est le nombre de diffusions de paquets de ,y8 qui commencent dans . S 8  est le temps coul depuis le dbut de jusquau dbut de la premire diffusion 8 dun paquet de , 8 . Et, pour Q 5 , S n est la longueur de lintervalle de temps entre les dbuts des Q ime et Q ime diffusions dun paquet de , 8 aprs le dbut de . 9 S 8 est la longueur de lintervalle entre la n de et le dbut de la premire diffusion
dun paquet de ,y8 aprs . Avec ces notations, nous obtenons lexpression suivante pour le cot de tout ordonnancement paquets-cyclique I : Lemme 3.2 (Expression algbrique du cot) Le temps de service dun ordonnancement I des paquets des messages ,:221212134, a sur un intervalle de temps born est,

105

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

* * *

H
)

)
)

* * * *

F IG . 3.4 : Illustration des notations de la section 3.1.3. Ici, on compte W8j sions des q8 paquets de ,y8 qui dmarrent dans .

diffu-

avec les notations dnies ci-dessus :

*VU W

)IX +



a 8A
?8:

B b 

n A S8 S8 8 k k )S B

S8 S8 kn+ k n KS n 8  =

6#_#_#FS n 6#_#_#i9S B

;R=P 8

4/

(3.5)

= ;R=

Et, son cot de diffusion vaut :

hri)I 

k k

a 8BA 8P>q8
(3.6)

Nous verrons la remarque 3.2 page ci-contre comment interprter graphiquement ces expressions. Preuve du Lemme 3.2. Considrons une requte pour le message ,y8 arrivant dans . Pour 8 k k , elle tombe uniformment dans lintervalle de longueur S 8 , 8 , avec probabilit S nf n le dbut de la diffusion dun premier paquet du message en moyenne S 8 temps, puis attend 8 8 n termine de tlcharger les :8 paquets au bout dune dure PS n 3  22f S n  . Avec

;R=P L = , elle tombe dans le dernier intervalle et attend le dbut de la diffusion = p ? L = L = temps, puis termine de tlcharger dun premier paquet du message en moyenne = 8 8 les :8 paquets de ,98 au bout dune dure PS <22 S . En sommant sur les = = ;R= lexpression (3.5). diffrents intervalles puis sur les diffrentes requtes, on obtient
probabilit

L =

Par dnition, le cot de diffusion est la somme des cots de diffusion des messages k k dont lmission commence dans , divise par ; do lexpression (3.6).

106

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.1 Dnition du modle et rsultats prliminaires
3.1.3 Expression du cot et rversibilit

Remarque 3.1 Nous retrouvons bien la mme expression du cot quau chapitre 1 lorsque les messages sont tous composs dun unique paquet. Remarque 3.2 (Reprsentation graphique du cot) Le temps de service de chaque message ,y8 , cumul sur un intervalle de temps, dun ordonnancement paquets-cyclique peut se reprsenter graphiquement comme la somme des surfaces de trapzes rectangle dlimits par les dates de diffusions des diffrents paquets des messages comme le montre la gure 3.5.

8U ^* q 2U 2 +L +F+ _G +L+vK4S 0  ++ = / / + * FNv U

"

)X

F IG . 3.5 : Reprsentation par des trapzes rectangle du temps de service dun message. Les temps de service de deux requtes sont illustrs par deux traits noirs et gris, les parties grises correspondent aux phases de tlchargement. De mme que pour le cas non-premptif, lexpression du cot se simplie lorsque lordonnancement est priodique : Corollaire 3.1 (Cot des ordonnancements priodiques) Soit I un ordonnancement paquets-cyclique et priodique de priode des paquets des messages ,S221212134, a . Pour 8 tout F , on note 8 le nombre de diffusions du message , 8 dans une priode, et PS n/ DN n N? la =;R= dure de lintervalle dlimit par les dbuts des Q ime et Q ime diffusions dun paquet

107

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

de , 8 . Alors :

*U W

et

b =;R= S n 8 S n 8 )I  8 8BA# n A a b hji)I  > 8 8 8, 8A b

8 8 S nq  22f S  n R ; =P

(3.7)

(3.8)

o les indices sont calculs modulo Kf8P:8 . Nous allons dnir galement le rtro-cot dun ordonnancement de la mme manire que dans le cas des messages non prempts page 30. Nous verrons au thorme 3.1 que de mme que pour le cas premptif, le cot et le rtro-cot dun ordonnancement dnissent la mme quantit asymptotique. Denition 3.2 (Rtro-cot) Pour un ordonnancement paquets-cyclique I des paquets  -/,S021212134, a 5 , nous dnissons lattente en arrire la date S pour le mes de , sage ,y8 , note comme prcdemment V)IX4,y8DS , comme le temps coul depuis le dbut de la 8 ime dernire diffusion dun paquet de , 8 dans I . Ainsi, si S@8 est la date du dbut de la :8 ime dernire diffusion dun paquet de ,98 dmarre avant S , nous avons :

V)IX4,y8DS }  SXSY8

(3.9)

Nous considrons de mme que tous les paquets sont ctivement diffuss S
. Lquivalent de cette hypothse pour la dnition du temps service est quaucune requte narrive avant la date S
. Ainsi, sil y a moins de q8 diffusions des paquets de ,y8 avant la date S ,  S. nous avons que : )IX4,98DS } De la mme faon que prcdemment nous dnissons alors lattente en arrire W moyenne )I en prenant la valeur asymptotique de la moyenne sur la distribution des requtes dune part et sur le temps dautre part :

)I  BZB[]\4^`_

a 8BA 8 c

V)IX4,y8DS S, g s

pour tout

(3.10)

Le rtro-cot dun ordonnancement est alors dni comme la somme de lattente en arrire moyenne, du cot de diffusion moyen et du temps de tlchargement moyen du dernier paquet :

vhv(|w

hri

(3.11)

108

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.1 Dnition du modle et rsultats prliminaires
3.1.3 Expression du cot et rversibilit

Thorme 3.1 (Rversibilit du cot) Pour tout ordonnancement paquets-cyclique I des paquets de ,S021212134, a , nous avons :

*U W
et donc :

hv(|w

)I  rh~(|w

)I  )I .

)I

(3.12)

Preuve. La preuve est, disons-le franchement, pnible mais ncessaire. Aussi, nous allons commencer par le cas des ordonnancements priodiques. Le cas dun ordonnancement paquets-cyclique et priodique. En utilisant les notations du corollaire 3.1 page 107, nous avons les expressions suivantes pour le temps de service et lattente en arrire moyenne pour chaque message ,98 :

et

b =;R= S n 8 )IX4,98  n A b =;R= S n 8 S n 8 W )IX4,98  n A *VUW

S n8

8 8 S nq  }22f S  n R ; =P

S n 8  }22" S n 8  ;R=

o les indices sont calculs modulo Kf8P:8 . Remarquons que lon peut rcrire lattente en arrire moyenne de I de la faon suivante :

b =;R= P S n8 )IX4,98  A  n

S n8 S 8 n A A n ;R= 

b =;R=

nb 

S n n est priodique de priode Kf8:8 , et que : Et comme la suite P

 Q   [ Kf8Pq8  9t Q |q8

W

"RQ%qu 

  Q   [ yKf8q8  Q9t " 

q82%qu



Nous avons :

b = ;)= P S n8 )IX4,98  A  n

b = ;R= b ;R=  S n 8 S 8 *VU W  )I4,y8 s A n A 

Nous avons donc le rsultat pour les ordonnancements priodiques. Remarque 3.3 Remarquons que de mme que dans le cas non-premptif, on peut reprsenter graphiquement lattente en arrire instantane la date S comme la surface de la section

109

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

sous la date S des trapzes Figure 3.5 page 107. Lgalit dans le cas des ordonnancement priodiques est donc aussi la consquence de cette observation. Etudions prsent le cas dun ordonnancement paquets-cyclique quelconque. Le cas gnral dun ordonnancement paquets-cyclique. De mme que pour le cas premptif nous allons procder en plusieurs tapes. Nous allons tout dabord dmontrer que le temps de service est toujours suprieur lattente en arrire moyenne sur tout intervalle t
vu . De mme que pour le cas premptif, les deux quantits oscillent de faon dphase et, nous majorerons donc le temps de service par la valeur de crte suivante de lattente en arrire moyenne. Soit



. Reprenons les notations du Lemme 3.2 page 105 :

S 8 est la longueur de lintervalle de temps dlimit par les dbuts des Q% ime et n Q ime diffusion de , 8 depuis S
. Nous posons S n 8 
pour Q:
, conformment
la dnition du rtro-cot page 108.

8 est le nombre de diffusions dun paquet de ,98 qui dmarrent dans t

vu .

S 8 est la longueur de lintervalle de temps entre la date et le dbut de la diffusion dun paquet de ,y8 immdiatement aprs la date .
Lexpression de lattente en arrire pour le message ,98 sur lintervalle t
vu est alors :

RIX4,98Y/t
b=


n A S 8 =

  S n8

~u 

 

S8 n S n 8  22f S n 8 4  ;R= 8 S 8 S 8 S =  8  S =

V)IX4,y8DS S g

 

  }22f S =  ;R=

8

que lon peut rcrire :

RIX4,98Y/t
~u 

 !
=b


n A

  = b
A = ! ;R=

S n8 P

S8

 
=b


S8

A  n S8

S n8 S 8 A n  ;R= nb 

110

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.1 Dnition du modle et rsultats prliminaires
3.1.3 Expression du cot et rversibilit

Do, en permutant les indices Q et

V W )I4, 8 /t
vu 

=b

 

n A

8 PS nf

Or, comme S

8 

pour :
, lexpression se simplie en :

  
A =+  ;R=
=b


S8

 $ " #%  = b  '&

;R=   S 8 S 8
  n
A ;R= n A ")(*  '&
  S 8 S 8

b=

)IX4,98Y/t
~u 

=b

 

A  n

Dautre part le temps de service des requtes pour ,y8 arrivant dans lintervalle t
~u est :

  
A = ! ;R=
=b =b

8 PS / n

,

S8 S 8

! "$#%  = ! b  '&

;R=   S 8 S 8
  n ,
A nA
 8 S

b=

*VU W

)IX4, 8 /t
vu 

Ainsi, nous avons :

   PS n8 , S 8 , A n  =  b ;)= S 8 S 8

A =+  ,

 !
=b n A

 q n b ;R=P  S 8 S 8 n

A n

W )IX4,y8/t
vu y IX4,y8/t
vu s ) S 8 b= 8 S 8 S S  = A = ;)= S 8 n b ;R=P  S 8 S 8 b= S 8 = b ;)= 8  n = S
A A A n = = ;R= = Remarquons que lorsque :? 8  , nous obtenons bien lexpression du cas non-premptif

*VU W

-.

+ 

 ! 2

 

  , !  
 
+    !/
+  , ,
*VU W

0132

page 33. Ainsi pour tout

)I x

*VUW

)I .

)IX/t
vu

)IX/t
vu , et donc la limite :

111

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Nous en concluons que si V nous avons ni.

W W

)I/t
vu 

54

, alors

*VU W

)I 

64


)I et

)I 7 4 , il existe une constante 9 telle que pour tout , :9 . En particulier, pour tout et tout F , nous avons : 9 8 8 PS   S D , 8 =  8 S 8 telle que S 8  , nous obtenons que ainsi, en considrant la date L 8 pour tout : PS   , ,' < ; = S =   . Nous en concluons de mme que dans le =  cas non-premptif, que pour tout F : 8 8 S   > = @? et S > = @? = V W
Comme V

Supposons prsent que . Nous allons procder comme dans la preuve )I 8 du Thorme 1.1 page 31. Nous allons commencer par montrer que les S n sont borns en , *VU W W puis nous allons majorer la valeur de )IX/t
vu par V )IX { pour un certain { proche de .

87 4

)I/t
vu

La preuve se termine de faon similaire en bornant la valeur de )IX/t

~u W de la forme D )IX/t
u . Pour tout F , posons 8  8 S 8 S 8Y q8 . Notons que 84 , tel que 8 8  2 2  = avons alors := ;R= Nous

 !

BA + 
b b a

CA

*VUW

*VU W

-.

)IX/t
vu

8BA a

-.

IH

8 8BA [ 8 DN`8N a W )I/t

D [ 8u V  N`8N a W % 0V )I/t
u

EDGF

 01  nq b ;R=P  S 8 S 8
   PS n8 , =b ! n n A
A n  n A !   "$#%  = ! b ;R= '&
;R=P   S 8 S 8
01  = b ;R= = b ;R= PS n 8 , n
A n A nA
 =b

un terme par S8 % .

= ?

? J H

EDGF

= ?

J

Ainsi en prenant les limites suprieures, lorsque tend vers linni :

V
C.Q.F.D.

)I |

*VUW

)I sV

)I

112

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.1 Dnition du modle et rsultats prliminaires
3.1.4 Rductions

Le thorme de rversibilit du cot nous sera utile plusieurs reprises par la suite. Tout dabord pour tablir lexistence dun ordonnancement priodique optimal Section 3.3, puis pour lanalyse des algorithmes gloutons Section 3.4.

3.1.4

Rductions

Les deux lemmes suivants sont les quivalents des lemmes 2.1 et 2.2 du chapitre prcdent. Ils nous serviront de la mme faon quau chapitre prcdent restreindre lespace dtude. Lemme 3.3 (Densit des ordonnancements priodiques) Pour tout 
, et tout ordonnancement I des paquets de ,:0212121 4, a sur H canaux, il existe un ordonnancement priodique IX{ de ces paquets dont le cot vrie :

KL

hv(xw

)I { }h~(|w

)I

Preuve. La preuve est trs similaire celle donne au lemme 2.1 page 65 lexception que nous considrons les paquets des messages et non les messages. On peut supposer sans perte de gnralit que I est paquets-cyclique. Par dnition du * * cot de I , soit tel que pour tout S : hv(|w )IX/t
DS@u hv(xw )I . Posons  def  12121 a . Pour S entier, soit I L lordonnancement priodique de priode PS , qui est identique I sur t
DSRu , puis qui diffuse entre t SqDS u chaque paquet des 7 messages une fois, par ordre de premire apparition aprs la date S , sur le canal de cette apparition. Par construction, les requtes qui arrivent entre
et S , sont servies dans IL au pire aussi tard que dans I . Et, les requtes qui arrivent entre S et PS , sont servies au pire au bout *VU *VU )IX
D (Rappel : )I est le temps de service moyen dune requte arrivant de la date ). Ainsi :

'N

hv(|w

)I L 

)I L /t
D SRu h (|w ~ S S U *V * IX
D ) }h~(|w ) I S  YL hv(|w

Ainsi, pour S sufsamment grand, nous obtenons le rsultat annonc. Le lemme suivant est lquivalent pour le modle premptif du lemme 1.5 du cas des longueurs uniformes et du lemme 2.2 du cas non-premptif. Lemme 3.4 (Intervalle maximal) Pour tout ordonnancement priodique I des paquets de ,S021212134, a sur H canaux, il existe un ordonnancement priodique I { de ces paquets

K M M M O TR PQ   @U

)I L /t SDS

113

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

dont le cot est au plus celui de I : hv(|w )I { hv(xw )I , et tel que pour tout F , le temps coul entre les dbuts de deux diffusions conscutives du message ,y8 soit born par une constante %8 , donne par :

V8

>8 , q

avec

 22f a .

(3.13)

Preuve. Nous pouvons considrer sans perte de gnralit que I est paquets-cyclique. Supposons quil existe un message ,y8 tel quaucun paquet de ,98 ne soit diffus dans I pendant un intervalle de temps de longueur %8 . Etudions deux cas :

V 2 1. Il nexiste pas de crneau de diffusion libre dans lordonnancement I durant . M Comme V%8 un message , n et un intervalle de temps W in k , il k existe M clus dans de longueur W , tels que : n diffusions des paquets de , n sont ordonnances dans W . Considrons alors lordonnancement priodique I { construit partir de I en rempladiffusion dun paquet de , n dans lintervalle W par la diffusion ant la Q

ime

dun paquet de , 8 . An que I { reste paquets-cyclique, la priode de I { est multiplie par q8P n et la substitution est effectue en parallle dans chacune des copies de lintervalle . Remarquons que contrairement au cas du chapitre prcdent o les messages navaient pas la mme longueur, seuls les contributions au cot des messages ,y8 et , n sont modies de I I { . La variation du cot de diffusion est exactement :

Etudions la variation )IX4, n D du temps de service des requtes pour , n cumul sur une priode de I . Notons ADCEC les temps couls entre les dbuts ; des ime et ime diffusions des paquets de , n dans . Le temps de service dune requte arrivant avant la premire diffusion dun paquet de , n dans est inchang, de mme que celui dune requte arrivant aprs le point dinsertion. Ainsi, nous ne considrons que les requtes pour , n qui arrivent dans les intervalles de  "11 n . Une requte arrive dans lintervalle de longueur longueurs avec avec probabilit , et son service est alors retard de exactement de I I { ; puisquil faut attendre une diffusion dun paquet de , n supplmentaire. Ainsi :

*VU W

>8y> n

(3.14)

+N

, YX

N

 +N

N
ZX

b; *VU W )IX4,  n D

YX N
N
,
A ;ZX

que nous pouvons borner de la faon suivante en utilisant lingalit de Cauchy-

114

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.2 Minorer le cot optimal

Schwarz :

point dinsertion et les dbuts des :8 diffusions suivant le point dinsertion, alors nous obtenons le rsultat oppos pour le temps de service cumul des requtes pour ,98 :

] [\ b ;ZX N
, ] [\\ b , ;ZX N
, M , (3.15) \
A
A ;ZX  De mme, si lon note de mme +^

ADCEC les longueurs des intervalles dlimits , ;R= de par les dbuts des q8 diffusions dun paquet ,98 prcdant le point dinsertion, le
*VU W )IX4, n D *VU W )IX4,98  b ;)= D A
que nous pouvons majorer de la faon suivante :

N N ;R= ,
(3.16)

*VUW )IX4,98 < D

_N ;)=  `N ;R= <aV8

Nous obtenons ainsi la borne suivante sur la variation du cot cumul sur une priode de I I { en sommant les quations (3.14), (3.15) et (3.16) :

Le cot de I{ est donc bien plus faible que celui de I . 2. Sil existe un crneau libre dans lordonnancement I durant . On construit I { partir de I en diffusant dans ce crneau vide un paquet de ,98 (la priode de I{ est multiplie par :8 an que I { reste paquets-cyclique). La dmarche ci-dessus implique a fortiori que le cot de IX{ est meilleur que celui de I . Nous terminons la preuve en itrant cette stratgie sur tous les intervalles qui a posent problmes. La priode de lordonnancement IX{ rsultant est alors au plus 8BA q8 fois la priode de I .

y> n

V

8 %8 >q8X

par construction de %8 .

3.2

Minorer le cot optimal

Nous allons driver deux minorants pour ce problme. Le premier, , est une verW sion lgrement modie du minorant page 70. Ce premier minorant donnera lanalyse la plus directe des heuristiques proposes Section 3.4. Le deuxime minorant, plus prcis, servira la dmonstration de -duret.

b8g ,

cb

cb # f ,ed
W

115

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

3.2.1

Un premier minorant

Lemme 3.5 (Minorant) Lexpression , ci-dessous, est un minorant du cot de tout ordonnancement des paquets des messages de ,  -/,  122 1 1 , a 5 sur H canaux :

kb # f , ,hd
W

nm mm mo

lmm m

cb # f ,hd
W

8 :8q8 >q8 :8 8BA Sur le domaine: PF G a F :8 b H PF)F 8BA :8 [%Z

rGs qp

+t

ji i

Ce problme de minimisation admet une unique solution au chapitre 5.

twv dont la rsolution sera dtaille

t 2 Yu i t t

(3.17)

Preuve. Les lemmes 3.1 page 104 et 3.3 page 113 assurent que tout minorant sur le cot des ordonnancements paquets-cycliques et priodique est un minorant sur le cot de tout ordonnancement. Considrons donc un ordonnancement I paquets-cyclique et priodique de priode des paquets des messages ,S 12121 , a sur H canaux. De mme quau corollaire 3.1 page 107, notons le nombre de diffusions de chaque message par priode. Lide de ce minorant est trs simple et consiste minorer le temps de service des par lattente moyenne optimale de ces requtes pour le paquet requtes pour le message n 1 de ce message. Comme il y a diffusions de ce paquet dans une priode, daprs les rsultats prcdents lattente est minimise lorsque ce paquet est diffus intervalle rgulier  def . Le temps de service des requtes pour est donc tous les o U W minor par : . Dautre part la contribution au cot de diffusion de des paquets du message est : hji   . Enn, au plus paquets sont diffuss durant une priode de , ainsi :  j , i.e. . Et, comme est paquets-cyclique, nous avons s et  donc . Minimiser sur les selon ces contraintes donne donc le rsultat annonc.

tRx } ~ ~ + xq + tRx

|xtRx

y x 2 Gx 2 Gx i yzx |x tRx y x tRx tRx b ,d # f

Gx

i i

yzx

~ i y x ~

 x x x

 x t x ~

y`x

xq Gx |x Gx Rx

Remarque 3.4 Le minorant minore le temps de tlchargement du premier paquet. Il nest donc jamais ralis par un ordonnancement ds quun des messages compte plus dun paquet.

3.2.2

Un minorant ralisable

Lobtention dun minorant qui puisse tre ralis par des ordonnancements, est nces-difcile. Nous allons dans cette section proposer saire pour prouver que le problme est

b8g

116

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.2 Minorer le cot optimal
3.2.2 Un minorant ralisable

un second minorant dont la valeur est trs proche de celle du prcdent, mais qui est ralisable la condition que lon puisse ordonnancer les messages intervalles rguliers et sans premption. Cette proprit est plutt surprenante et dmontre que lorsquon introduit des dpendances entre les messages diffuser, le principe qui consiste diffuser intervalles rguliers est remis en cause. Ce minorant est obtenu de nouveau en relaxant les contraintes de non-recouvrements. Cependant la dtermination de lordonnancement optimal en labsence de ces contraintes nest plus immdiate. Le minorant est exprim galement sous forme dun problme de minimisation sous contraintes non-linaire et sa rsolution ncessite une adaptation prudente des mthodes dveloppes par Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98], car contrairement aux tudes prcdentes, certains des coefcients peuvent tre ngatifs. Lexistence, lunicit et le calcul de la solution ne sont donc plus immdiats et seront dmontrs au chapitre 5. Lemme 3.6 (Un minorant ralisable) Le problme de minimisation non-linaire suivant est un minorant du cot de tout ordonnancement des paquets des messages de sur canaux : :

rGs p x tRx Rx |x RxG 2 |x m E tRx tRx qx  nm b y mm Sur le domaine: + Yu i tRx (3.18) o + R t xq x : b y Ce problme de minimisation admet une unique solution twv . De plus, le minorant est ralis par un ordonnancement si et seulement si il existe un ordonnancement paquetscyclique priodique qui pour chaque y`x , diffuse les Rx paquets de yzx dans des crneaux conscutifs (ventuellement sur diffrents canaux) intervalles rguliers, exactement tous v Rx . les twx
Remarque 3.5 Ce nouveau minorant a une valeur trs proche du minorant prcdent puisque pour tout ensemble de messages :

y ii y

mm

b y

y xYRx b b #  f #  f be y Y x R x  y  y c ,d ,ed qx  qx 

Preuve du Lemme 3.6. Les lemmes 3.1 et 3.3 assurent quil suft de considrer les ordonnancements paquets-cycliques et priodiques. Considrons un tel ordonnancement de

117

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

priode des paquets des messages  sur canaux. Notons le nombre de diffusions du message par priode. Pour obtenir le minorant , nous relaxons les contraintes de non-recouvrements entre les paquets de messages diffrents et optimisons le placement des K paquets de chaque message pour minimiser le temps de service de requtes pour chaque indpendamment. Comme est paquets-cyclique, nous sommes ramens ltude du meilleurs placements de K de longueur dans un intervalle de paquets de chaque message longueur . La preuve fonctionne en trois temps :

yzx

y x ` ~ Gx+|x y`x

y ii y

GxZ|x

yzx

Rx

y`x

Rx pa3. Enn, nous optimisons le positionnement de ces blocs de paquets de longueur Rx en 2 rgulier, tous les a" dmontrant quils doivent tre diffuss intervalle Gx . Etape 1. Considrons un message yzx avec |x , et deux paquets conscutifs de y`x (notons que les paquets n{ x et n { sont conscutifs). Sans perte de gnralit, considrons les paquets n {" et n{ . Pour B Gx , notons
, W
et V
les intervalles dlimits par mission du paquet n{ , le dbut de la  mission du (cf. Figure 3.6) : la n de la  paquet n { , la n de cette diffusion, et le dbut de lmission du paquet suivant ( W
est le crneau de la  diffusion du paquet n { et est donc toujours de longueur ). G ' G' _ '
2. Nous en dduirons que le temps de service est optimis si et seulement si les sont diffuss conscutivement. quets de chaque message

1. Nous dmontrons que le temps de service des requtes pour chaque message de est diffus, plus de deux paquets est optimis si pour tout instant o un paquet de . un paquet de est galement diffus au temps zs ou au temps

yzx

y x +

yzx

ime

ime

ime

a '

F IG . 3.6 : Coller les paquets n 2 aux paquets n 1 permet damliorer le temps de service des requtes globalement: le service de celles qui arrivent dans est retard de , mais le service de celles qui arrivent dans est avanc de .

W V

Nous construisons partir de lordonnancement , un ordonnancement

~ des paquets

118

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.2 Minorer le cot optimal
3.2.2 Un minorant ralisable

{ 8 { W
V
 {
Gx yzx ~ ~ '
yrs V

 ' V

 C (3.19)

  Ainsi ~ a toujours un cot infrieur celui de ~ . De plus, ~ est strictement meilleur si une des diffusions du paquet n { na pas lieu dans ~ juste aprs lmission prcdente du paquet n {" , ni juste avant lmission du paquet suivant. Etape 2. Supposons que nous ayons un ordonnancement ~ des KGxYRx paquets de y`x qui ne diffuse pas les paquets par bloc de crneaux conscutifs de taille Rx . Considrons le plus petit bloc de crneaux conscutifs dans lequel des paquets de y x sont diffuss, et notons { sa taille : 7 Rx par hypothse. Sans perte de gnralit, nous considrons que le paquet n " est le premier paquet diffus dans ce bloc. On applique alors + fois la transformation { , n" { et n{ , , nd { + et nd { + . Le prcdente sur les paires de paquets n {|x et n " cot de lordonnancement ~ obtenu est infrieur celui de ~ . Or, dans ~ , le paquet n { du bloc prcdent est isol, donc appliquer ~ la transformation prcdente sur la paire de paquets n { + s et n { diminue strictement son cot. Ainsi, paradoxalement, le temps de service des requtes pour les KGxYRx paquets de y`x est minimis en labsence des contraintes de non-recouvrement entre les message si et seulement si les paquets du messages yzx sont diffuss par bloc de taille |x . Etape 3. Nous sommes donc ramens optimiser le placement de Gx blocs de taille |x dans une priode de longueur . Pour  Gx , notons
la distance entre les dbuts des  et  blocs (cf. illustration Figure 3.7). Une requte tombe entre le dbut de lmission du dernier paquet du  bloc et le dbut . Elle est alors servie en moyenne au du  bloc avec probabilit D+
|x / bout de D+
Rx Rx . Une requte tombe entre le dbut du  bloc et la n de lmission de lavant-dernier paquet de ce bloc avec probabilit ZRx3 / . Elle est alors servie en moyenne au bout de +
j . Ainsi, le temps de service des requtes pour le
ime ime ime ime ime

du message de la faon suivante. Pour , diffuse les paquets n exactement comme ; mais diffuse les paquets n juste aprs les paquets n" (cf. illustration Figure 3.6). Analysons le temps de service de pour les requtes pour le message par rapport celui de . Les temps de service des requtes qui arrivent en dehors des intervalles , et , sont inchangs de . Une requte qui arrive durant un intervalle , ne peut plus tlcharger le paquet n en premier et doit donc le tlcharger en dernier, une unit de temps aprs avoir tlcharg le paquet n " . Son temps de service est donc augment de . Une requte qui arrive pendant lintervalle , tlcharge en revanche le paquet n ime diffusion du paquet n " , et son temps de service est donc rduit de juste aprs la la longueur de lintervalle  (les indices sont calculs modulo ). Ainsi la variation du temps de service des requtes pour de est :

y x

~ W
V

~ ~

yzx

119

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

'

F IG . 3.7 : Illustration des notations de ltape 3 de la preuve du lemme 3.6.

y`x vaut : _ 8 | x R |x Rx  , x   : que lon simplie en remarquant que |x xZ|x'ZR x j (3.20)  est donc minimise lorsque les blocs sont uniformment rCette expression quadratique  xZRx , nous en dduisons que le temps de service des requtes partis. En posant tRx8 pour le message yzx dans lordonnancement ~ initial est minor par : (3.21) }8z~ i y x  Rx tRx x |x tRx Et donc le cot de lordonnancement ~ est minor par : a }~  x tRxY Rx |x Rx |x (3.22) tx tx x  De plus comme xZ|x , nous avons + tRx et comme xq  xYRx , nous avons + xq  GtRx . En minimisant sous ces contraintes nous obtenons le minorant annonc. Nous verrons au chapitre 5 que ce problme de minimisation admet une unique soZ|x j peut tre ngatif et la fonction lution w , ce qui nest plus immdiat car x objectif nest donc plus convexe. Par construction et comme la solution est unique, le minorant est atteint par un ordonnancement priodique et paquets-cyclique ~ si et seulement si ~ ordonnancent les Rx paquets de chaque message yzx dans des crneaux conscutifs
message
120

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.3 A propos de loptimal

(ventuellement sur plusieurs canaux) intervalles rguliers, tous les exactement. Nous verrons au thorme 3.3 quil existe un ordonnancement optimal qui est priodique et paquets-cyclique. Ainsi si le minorant est atteint par un ordonnancement, il est atteint par un ordonnancement priodique et paquets-cyclique qui vrie donc la proprit ci-dessus. C.Q.F.D.

 x x

Ainsi, dans ce modle et contrairement aux modles prcdents, le temps de service dun message donn nest pas minimis en diffusant ses paquets intervalles rguliers, mais en les diffusant tous dun bloc. Nous savons malgr tout par les rsultats du chapitre prcdent quune telle stratgie peut conduire des ordonnancements de cot arbitrairement grand lorsque les messages ont des longueurs trs diffrentes. Aussi, les heuristiques Section 3.4 seront bases sur un principe trs diffrent.

3.3
3.3.1

A propos de loptimal

-duret

nest ralis que Comme nous lavons vu dans la section prcdente, le minorant par les ordonnancements qui diffuse chaque message intervalle rgulier sans premption. Nous allons utiliser ce fait pour dmontrer que le problme de dcision associ la dissmination premptive de messages est -difcile.

Thorme 3.2 ( -duret) Trouver un ordonnancement optimal sur un canal des paquets dun ensemble de messages : de cots de diffusion nuls est fortement -difcile.

y y y

' ' x x x+G x+G 4 . Remarquons que si ne divise pas , cette instance nadPosons met trivialement pas de solution. Nous supposerons donc que +| est entier. Considrons linstance suivante problme de la dissmination de messages sur un canal. Soit yzdu lensemble yz y  y de + j messages de cots de diffusion nuls, S
def

Preuve. De mme quau chapitre prcdent, nous allons rduire le problme -partition une instance du problme de dissmination premptive sans cot de diffusion. Rappelons que le problme de dcision -partition admet en entre entiers  et doit dcider sil existe une partition de en sous-ensembles  , telle que :

121

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

y 5Ra| et a$3 z (3.23) y`x_ |xx et x 3 x x o est choisi tel que : . Daprs la proposition 5.2 du chapitre 5. Il existe un certain tel que la solution du problme de minimisation k yz vrie : x xZx Rx j , o est lunique solution de : xq! x  (3.24) Or remarquons que pour , nous avons : j j x j + x j et  x x . Ainsi, le paramtre Lagrangien a pour valeur , et la soluEt donc : xq! Rx' et x +x . Soit la valeur tion du minorant c yz est tel que : correspondante (abominable mais rationnelle) du minorant c y . Notons que toutes les entres x , Rx et sont rationnelles et de tailles polynomiales bien entires. Considrons donc le problme de det que notamment les longueurs sont cision suivant Existe-t-il un ordonnancement sur un canal des paquets des messages


dont le cot est infrieur ou gal ?. Notre rduction est bien polyno miale. Daprs le lemme 3.6, la rponse cette question est oui si et seulement si il existe
un ordonnancement priodique  qui diffuse les paquets du message dans des crneaux
  | , et les paquets conscutifs exactement tous les w c de chaque message  . Un tel ordonnancement dans des crneaux conscutifs exactement tous les

en existe si et seulement si lon peut partitionner lensemble des messages  sous-ensembles    tels que (cf. illustration Figure 3.8) :        `
122

tels que :

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.3 A propos de loptimal
3.3.2 Existence dordonnancements optimaux priodiques



#% &   

*,+.- &   #      #%  $              

 #% &       

        #  '    #    (



 ! !  #(!!!  ) !""!"!

!""!"!#%!""!"! & !"!" "!"! "!"! "!"!

!""!"!

F IG . 3.8 : Un ordonnancement qui satisfait le problme de dcision. C.Q.F.D.

/ /

Remarque 3.6 Lextension de la preuve au cas de canaux pour dmontrer la -duret du problme de dcision Existe-t-il un ordonnancement sur canaux des paquets des messages de cots de diffusion nuls et de probabilits de demande rationnelles, dont le , messages cot est infrieur ? est directe. Il suft dajouter lensemble   constitus de paquets et dont les probabilits sont ajustes . de sorte que :

7
021 3
04165% 9 8:0

+ R

Remarque 3.7 La preuve de Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98] dmontre galement que ce problme est -difcile. Cependant notre preuve nutilise pas les cots de diffusion. Ce rsultat dmontre donc que mme en prsence de premption le cas des longueurs non-uniformes prsente une complexit intrinsque.

3.3.2

Existence dordonnancements optimaux priodiques

et Thorme 3.3 (Existence dun ordonnancement optimal priodique) Pour tout tout ensemble de messages , il existe un ordonnancement optimal  des paquets de  sur canaux qui soit priodique. De plus, il existe un algorithme qui le construit en temps ni exponentiel. Preuve. La preuve de ce rsultat repose sur la construction dun graphe dtat similaire celui des thormes 1.3 et 2.2 des chapitres prcdents. An de simplier les notations, nous ne construisons le graphe dtat uniquement dans le cas dun unique canal de dissmination. Tout dabord grce au lemme 3.1 page 104 nous ne considrons que les ordonnancements paquets-cycliques. Ensuite, le lemme de densit page 113 nous assure que nous pouvons restreindre notre recherche aux ordonnancements priodiques : un ordonnancement optimal parmi les priodiques est optimal. Enn, le lemme 3.4 page 113 nous permet de au nous restreindre aux ordonnancements qui diffusent un paquet de chaque message moins tous les crneaux, o est une constante qui ne dpend que des caractristiques des messages. Pour lensemble de messages , nous dnissons le graphe dtat ni et valu suivant. Les sommets de sont les -uplets  , o est un vecteur

3
0
3
0 /

< 

> = @?A> = B> = 0DC

> <= 

123

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

G $ H
 G > IE J ' K L> =  est le dcalage gauche du vecteur dtat >  : L> =  J , et A> =  > IENM 1 PO , pour FRQ  . KS A> =  incrmente la dernire coordonne de > =  : S L> =  J > IE J , et S A> =  > IE , pour FRQ  .
 Dans le graphe <  , les artes sont tiquetes T ou , pour un certain H . Une
  0XC au sommet > = arte U  tiquete relie chaque sommet > = V?A> =  W> = B> =  0 C ? S L> =  S%Y L> = S L> = . Suivre cette arte U  durant le crneau G signie que
 suivant dans lordre cyclique pendant le crlon ordonnance le paquet du message neau G . Nous donnons cette arte un cot gal au surcot induit par cette diffusion, que nous dnissons naturellement comme le rtro-cot du crneau : 0 Z[]^` \ _ba6c dU  e   > IE  f > f E  > f E J9h fbg  0kC au sommet > = Une arte UAi tiquete T relie chaque sommet > = j?L> =  B> = 0 C ? S L> =  S A> = . Suivre cette arte UAi durant le crneau G signie que lon nordonnance aucun paquet durant le crneau G . Nous donnons cette arte un cot gal au surcot induit, que nous dnissons naturellement comme le rtro-cot du crneau : 0 Z[6^` \ _la6c dU i f > f E  > f E J9h fbg  Nous dnissons alors le cot dun cycle m de <  comme le cot moyen de ces artes : Z[6^: \ _ a c 9m Z[]^` \ _ a c dU m$ n po Nous tablissons ainsi de mme que dans les chapitres prcdents, une surjection 9mrqs priodiques, paquets-cycliques, et to des cycles du graphe <  vers les ordonnancements
 au moins tous  qui diffusent un paquet de chaque message les ; crneaux : la surjection associe tout cycle m lordonnancement to obtenu en concatnant les tiquettes des artes

de taille valeurs dans . est appel le vecteur dtat du message . On notera , la ime coordonnes de , o . Etre au sommet au temps signie que pour tout et tout , la ime des dernires diffusions dun paquet du message avant , a dmarr la date (cf. Figure 3.10 page 128). Nous dnissons deux oprateurs sur les vecteurs dtat :

 > 9E

;  > =  > =  F FE  F > IE I G

>=

def

def

124

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.4 Approximations un facteur constant

du cycle. Le thorme de rversibilit nous donne alors que le cot du cycle cot, donc le cot de lordonnancement :

m est le rtroo t _Xu to Z []^v \ _ a c 9 m La recherche dun ordonnancement priodique optimal se ramne donc la recherche dun cycle de cot minimal dans <  . Or <  est de taille nie, ainsi un tel cycle existe et peut
tre calcul en temps ni exponentiel (par exemple, avec lalgorithme de Orlin, Tarjan et Young [YTO91]).

3.4

Approximations un facteur constant

Dans cette section nous allons proposer des heuristiques qui gnrent des ordonnanceet donc . ments dont le cot est infrieur Nos heuristiques sont bases sur la remarque suivante : diffuser les paquets du mesrgulirement tous les au lieu de les diffuser en bloc tous les , multiplie au sage plus par le temps de service moyen pour ce message (cf. Figure 3.9). Nous obtenons ainsi des -approximations.

Aw WxbyNz
'

u
'   

. |{|{{| }}} |{|{|{ ~}~}~} }~~}~}   {|{| }} |{|{ ~}~} ~}~}  

F IG . 3.9 : Ordonnancer les paquets rgulirement. Les minorants suggrent une frquence de diffusion optimale pour . Nous allons donc dvelopper diffrentes heuristiques qui ralisent ces frquences optimales. Nous allons tout dabord prsenter ces heuristiques sur un canal, puis nous montrerons comment les gnraliser au cas de plusieurs canaux en utilisant un rsultat de Bar-Noy, Bhatia, Noar et Schieber [BNBNS98]. Note 3.1 Lextension de ces heuristiques au cas de plusieurs canaux est tout particulirement intressant car nous navons pas lheure actuelle dalgorithme de performance ga-

 w

125

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

rantie pour la dissmination sur plusieurs canaux de message de longueurs non-uniformes sans premption.

3.4.1

Ordonnancer sur un canal

Nous commenons par prsenter une heuristique randomise que nous drandomiserons pour en faire un algorithme dterministe qui produit un ordonnancement priodique. Approximation randomise Proposition 3.1 (Approximation randomise) Lalgorithme randomis 3.1 page ci sur un canal, contre gnre un ordonnancement des messages de tel que :


LLL
0 0   e  _ u  (3.25) g  est la solution du problme w
, lordonnancement gnr est une Ainsi, si xyNz -approximation : _Xu  k w WxbyNz
X u
 k _Xu  X u w  2 
3
3  0  X 2  e   g  F


Preuve. Par la linarit de lesprance, lesprance du cot est la somme des esprances du temps de service et du cot de diffusion : . Lesprance du cot de diffusion est la somme pondre des cots de diffusion des paquets de chaque message. Un paquet du message est diffus dans chaque crneau avec probabilit , ainsi le nombre moyen de paquets de diffuss par unit de temps est . Le cot moyen de diffusion de lordonnancement est donc :

   

De mme, lesprance du temps de service est la somme pondre des temps de service pour chaque message. Considrons une requte pour le message arrivant durant le crneau . Elle attend tout dabord en moyenne la n du crneau, puis sera servie une fois quelle aura tlcharger les paquets de . Soit la variable alatoire du temps ime ime coul entre les ns des depuis la n du et diffusions dun paquet de crneau . Lattente de la requte est donc la somme des pour . Or est indpendant de et de , et son esprance est . Lesprance du temps de service de la

dF j
F

T I E I 9E T 

3 F 

T IE I

126

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.4 Approximations un facteur constant
3.4.1 Ordonnancer sur un canal

Algorithme 3.1 Approximation randomise pour la dissmination premptive sur un canal Entres : Si

 Q g 

 vriant, pour tout H ,

alors

et g     .

Ajouter un message fantme , avec telle que : .  Sortie : Pour

Tirer au hasard H LLL' alors Si H

Sinon

0
g   

, e
]   .

et une valeur

avec probabilit

Ne rien ordonnancer durant le crneau .

Ordonnancer le paquet suivant (dans lordre cyclique) du message rant le crneau .

3 du-

   . Ainsi : 0 X u w     g  w
, nous w est la solution du problme de minimisation Ainsi, lorsque xyNz u
k _Xu  w
avons : . xyNz Remarque 3.8 En pratique, il convient de prendre gal la solution du problme de
requte est donc nalement : Approximation gloutonne

minimisation du cot de lordonnancement gnr. Ce problme de minimisation la forme gnrique tudie au chapitre 5.

Nous proposons dans cette section une version drandomise de lheuristique prcdente. Pour cela, nous dnissons ltat de lordonnancement la n du crneau de la faon suivante :

Denition 3.3 (Etat) Ltat neau est le -uplet 

> = I|l dun ordonnancement paquets-cyclique la n du cr>L ? = I|l LLLB> = 0 I|l C , o > =  I|l est un vecteur de taille  dont
127

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

F coordonne > IE est le temps coul entre les dbuts des F et dF des  dernires diffusions dun paquet avant la date (cf. Figure 3.10). De mme quaux chapitres prcdents et qu la dnition du rtro-cot, nous considrons que tous les paquets (il est quivalent de dire quaucune requte narsont ctivement diffuss la date sont servies rive au temps ou encore que tous les requtes qui arrivent avant IE I l . instantanment), ainsi : pour tout HF , > PBr4Llb l6 ` pLPL :lL `lI ' ] # # # # ] W W W d 'p  F IG . 3.10 : Dnition de ltat L> = I ' la date .
la
ime ime ime


L 0 LL
0 _ u     e b (3.26) g  est la solution du problme w X
, lordonnancement gnr est une Ainsi, si -approximation : k _Xu  X w
D u
Remarque 3.9 intressant de noter que le choix glouton se fait uniquement sur la J Il> fest E l a qui est le temps coul depuis la dernire diffusion du quantit g 
Proposition 3.2 (Algorithme glouton) Lalgorithme glouton 3.2 page suivante produit un  sur un canal dont le cot vrie : ordonnancement des messages de

paquet que lon se propose de diffuser. Ce choix est donc indpendant des dates des autres diffusions. Preuve. Cet algorithme est la version drandomise de lalgorithme 3.1 page prcdente. Nous allons procder de la mme faon quau chapitre prcdent en bornant le rtro-cot o cumul de lordonnancement glouton sur tout intervalle par

def

0      a  g  e

. w

est lesprance du cot de lordonnancement

randomis. Comme le thorme de rversibilit assure lgalit entre le cot et le rtro-cot dun ordonnancement, nous aurons le rsultat annonc en faisant tendre vers linni.

128

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.4 Approximations un facteur constant
3.4.1 Ordonnancer sur un canal

Algorithme 3.2 Algorithme glouton de dissmination premptive sur un canal Entres :

0 Si  g   Q

vriant, pour tout ,

 , et  . H g  0

alors

Ajouter un message fantme , avec telle que : .  Sortie : Pour

g  >=
la date

, e

et une valeur

6 de lordonnancement (Dnition 3.3 page 127). J qui minimise la quantit : e    > IE . Choisir H LLL' g  alors Si H Ne rien ordonnancer durant le crneau . Sinon
3 duOrdonnancer le paquet suivant (dans lordre cyclique) du message rant le crneau .
Calculer ltat

Pour cela nous allons dmontrer que le choix glouton au temps est le choix qui mi  sur le crneau et de la nimise la somme du rtro-cot 
variation dune fonction potentiel  . Cette fonction potentiel nous permet comme au chapitre prcdent de payer par anticipation lattente des requtes en attente au temps . Nous la dnissons donc naturellement comme lesprance de lattente des requtes qui nont pas t servies avant la date . Considrons un ordonnancement . Une requte pour le message na pas t servie dans au temps , si elle est arrive aprs le dbut de la premire des dernires diffusions dun paquet de avant la date (cf. Figure 3.10). Or, requtes pour le message sont arrives entre les dbuts des ime et ime des dernires diffusions dun paquet de avant , et seront servies une fois quelles auront tlcharg les paquets de qui leurs manquent ; ces requtes devraient donc attendre  en moyenne si lordonnancement tait gnr par lalgorithme randomis 3.1 aprs la date . Nous dnissons donc notre fonction potentiel  pour un

Xu  a . l a  3


3
3

  > IE | F l a . F 

129

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

0 J  IE lF   g  g  >  l et que pour tout :  l . Nous posons donc : Remarquons que :  Xu  l   .  l l , w 
 l a . Ainsi en sommant de  et nous allons dmontrer que tout :  nous aurons que :  
Xu  a     l a   l a  , w   
ordonnancement par :

l

def

def

"!

ce qui impliquera le rsultat. Pour cela nous allons dmontrer que lesprance de  si le paquet ordonnanc durant le crneau tait choisi alatoirement, est positive, et que le choix glouton est celui qui maximise la valeur de cette fonction. Notons lordonnancement qui diffuse exactement les mmes paquets que avant la date et ordonnance le paquet du message suivant dans lordre cyclique, si #%$ et nordonnance rien dans le crneau si # . Reprenons les notations des oprateurs & et sur les vecteurs dtat dnis page 124 loccasion de la preuve de lexistence dun ordonnancement optimal priodique. Ainsi de lordonnancement ' la date en fonction de nous pouvons dnir ltat ' la date par : ltat '

l a

>= a

et

> = f > = ( ' f ) >= (  ) ' f S%Y

f S

S >" ( ' a . , = & >" = ( ' a . , 0

si #+* si #

H.

Un rapide calcul dmontre qualors :

' f  ' f . ( g f a

J9h ( ( ( f g > f E ' a  f  

Dautre part, lattente en arrire moyenne pour le message lordonnancement ' (ou ' ) vaut - "(  ' ' /. . Ainsi le rtro-cot de ' sur le crneau

L > E ] a L est de : f 0 J u ' f  . f ( > ( E ' a e (g g  

, (E J dans le crneau de > ( 7  ] ' a > ( E J

130

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.4 Approximations un facteur constant
3.4.1 Ordonnancer sur un canal

Ainsi,

 '10p

5 5 ; ( : ? ( > 3240 (7698 698=< 'A@ (B698 ( (  ( C 0 > 'A@ E0 0 :D69 8<

Et donc,

Or,

8GFIH  '10p

5     ) ' p 0 0 6 ! E0
KL 20

' @  0NMO  Par consquent, le choix glouton est bien celui qui maximise ')0p , et assure donc que  pour tout , 'A@, .
C.Q.F.D.

 ' 0 J ' !

0 :?C > 9 6 8<0

Approximation gloutonne priodique Certaines applications imposent que lordonnancement soit priodique. Cela permet dune part de dcharger le serveur du calcul de lordonnancement et aussi de rendre lordonnancement prvisible, ce qui permet de dnir des stratgies de gestion de caches et de prchargement plus efcace. Remarquons que cette dernire remarque tait lun des reproches adresss aux ordonnancements compliqus performances bornes par certains papiers de la communaut des broadcast disks. Nous verrons galement au chapitre suivant que lexistence dordonnancements priodiques efcaces sera la base de notre schma dapproximation. Ainsi, de mme que dans le chapitre prcdent, nous pouvons arrter lalgorithme glouton au bout dun nombre de pas quadratique en le nombre total de paquets, pour gnrer un ordonnancement priodique un facteur de loptimum. Il suft pour cela dtre prudent lors du bouclage pour assurer que lordonnancement reste paquets-cyclique. Lalgorithme est prsent page suivante et illustr Figure 3.11 page suivante.

131

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 3.3 Approximation dterministe et priodique sur un canal Entres : Un ensemble , de messages et un entier

LL . On pose Q 8 5 . , . Calculer )R la solution du problme de minimisation wTS U xyNz et Q . Ordonnancer tous les paquets de chacun des messages entre les dates   R , dans les crneaux Executer pas de lalgorithme glouton 3.2 page 129 avec  Q V Q . YX )(; Trier lensemble W R Z X (. ] \ Pour [ X Soit  ( R le [ lment de W .  \ [ le paquet suivant du message , ( ^ Ordonnancer dans le crneau
 $
ime

dans lordre cyclique. Soit `

Pour _

]\

Ordonnancer les ( a` ( cbedf ( paquets du message , cyclique la suite de lordonnancement.

le nombre de diffusions des paquets de ,

entre

et  Q . ( 2 w xyNz

suivants dans lordre

Thorme 3.4 (Ordonnancement priodique) Lalgorithme 3.3 construit un ordonnancement 'hg paquets-cyclique et priodique, sur un canal, de cot TSiU , ds que k  j est sufsamment longue : sa priode

kjl

 m

Q U

5 (B698 2 ( ( ,

avec Q

Nous obtenons donc en temps polynomial une -approximation de priode quadratique en nombre total de paquets et en les cots des messages.

8 L L 5

p
k

vv vv t rsrs utu vwvw xx vwvw + rsrs uu ww xx ww 6L lA G9Y p. qpqp onon rsrs qpqp qpqp nn rsrs qpqp

oo

tt

 PI6LA9N A yy {{ }}L A I l A Id A.I yxy | {z{ ~ }|} ~ xx || zz ~~ || ~~ x |z ~| ~

P lG

F IG . 3.11 : Une approximation dterministe et priodique.

132

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.4 Approximations un facteur constant
3.4.1 Ordonnancer sur un canal

(B698 ( ` ( cbedf Preuve. Posons est paquets-cyclique et priodique de priode nancement en calculant son rtro-cot.

( \ . Lordonnancement ' obtenu  Q Q D . Estimons le cot de cet ordon-

(B698  X Notons Q (?> la date du dbut de la ime diffusion dun paquet du message , ( entre  Q2 et  Q et posons (> ! pour tout _ . Lattente en arrire moyenne pour , (  Y  Y  entre les dates Q (?> 8 et Q (> , vaut - (?> (> 8 (> Q LL  < (> : tlchargement Q2 . . Ainsi la somme de lattente en arrire cumule et du temps de <sur ces priodes de temps est majore par :

Q  i  Q3'  Q' 5 Remarquons que  Q' (B698 (  ( R Q Q . Ainsi :  

' Q3 Q  Q i  Q' (3.27)  Q3  Q EQ . Le Majorons prsent le rtro-cot sur la priode de temps 1 par :  Q  Q est born cot de diffusion cumul sur les priodes EQ et 5 ( ( (3.28) 2

' Q 

Daprs lanalyse de lalgorithme glouton Proposition 3.2, le rtro-cot cumul sur la  Q est born par : priode Q3

(B698

: (

(?> (?> Y 8 (> (> Y 8 698 5

(B698

(>  < :

Q'

L L
<

(> 

Q3'

ce que lon peut borner par :

: (

698 (>

(>  <

Q3'

Q U

Remarquons que puisque les paquets sont diffuss par 5(B698 ( 698 e X  ( R . Or,  ' nous avons (> : < contribution au rtro-cot par :

X  ( R croissant et que 5(B698 X  ( R X (> ' . Ainsi nous majorons cette

(3.29)

Enn la somme de lattente en arrire pour les messages , ( et du temps de tlchargement  (>   sur les priodes Q Q   est majore par Q . Ainsi leur

 

Q U

133

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

contribution au rtro-cot est infrieur :

Q U

(3.30)

En sommant les diffrentes contributions (3.27), (3.30), (3.29) et (3.30) nous obtenons donc que :

 Q D 

Ainsi :

'  Q SaU] ,

Q U

5 ( ( (B698 2 Q

5(7698 ( ( 2 Q  Q D Et donc, nous 8 obtenons une -approximation ds que la priode 5 (B698 2 ( ( . P suprieure Q U
i ' 

de

'

est

3.4.2

Dissmination sur plusieurs canaux

Cette section se propose dtendre au cas de plusieurs canaux les heuristiques prcdentes. Ces rsultats sont particulirement intressants car ils permettent dordonnancer avec garantie de performance des messages de longueur non-uniforme. Nous avons vu en effet au chapitre prcdent que le cas de plusieurs canaux reste mal compris en labsence de premption. Ces rsultats sinspirent largement de la mthode dveloppe par Bar-Noy, Bhatia, Noar et Schieber dans le cas des longueurs uniformes [BNBNS98]. Approximation randomise Lanalyse des performances de lalgorithme randomis repose sur le fait quun paquet  ( dans chaque crneau de de chaque message , ( est ordonnanc avec probabilit temps. La gnralisation de cette heuristique au cas de plusieurs consiste donc trouver une distribution des probabilits de diffusion qui permette dassurer que : 1. Un paquet de chaque message crneau de temps.

, (

soit diffus avec probabilit

2. Au plus un paquet de chaque message temps.

, (

(

dans chaque

soit ordonnanc dans chaque crneau de

Cette seconde condition est ncessaire pour ne pas biaiser les probabilits et assurer que lordonnancement gnr est bien paquets-cyclique. Dans [BNBNS98], Bar-Noy, Bhatia, Noar et Schieber proposent dans le cadre des messages de longueur uniforme une distribution de probabilit qui permet dordonnancer

134

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.4 Approximations un facteur constant
3.4.2 Dissmination sur plusieurs canaux

chaque message , ( au plus une fois et avec probabilit  ( sur les canaux. La gnralisation de leur mthode au cas des paquets de messages fait lobjet du lemme suivant. Lemme (Algorithme 3.4, [BNBNS98]) Etant donn  ( $ pour _i 7 \ , et tel 5(B693.7 8  ( , lalgorithme 3.4 gnre un ordonnancement alatoire paquets-cyclique que sur canaux o un paquet du message , ( est diffus avec probabilit  ( dans chaque crneau.

l l l

4  / 4 E

4 4 4

4 4 4

I I N sur le premier canal I sur le deuxime canal les paquets de et ; et ; sur le dernier canal les paquets de
les paquets de

F IG . 3.12 : Distribution pour le multicanal.

Preuve. Lide de lalgorithme 3.4 est dordonnancer les paquets dun mme message sur au plus deux canaux conscutifs. Au plus messages seront diffuss sur deux canaux. Ceux-ci sont numrots / ; . Lensemble dindices 8 contient les indices des messages qui seront diffuss sur le premier canal, et pour ^ , 9J est lensemble des indices des messages qui seront diffuss sur le canal . An de garantir que pour tout , deux paquets du message , A ne soient pas diffuss en mme temps sur les canaux et J , les probabilits de diffusion des messages sur le canal sont modules suivant si un paquet de ce message a t diffus sur le canal prcdent. Lalgorithme 3.4 gnre donc bien un ordonnancement paquets-cyclique (en particulier au plus un paquet de chaque est diffus dans chaque crneau de temps). Il nous suft de vrier que cette distribution est correcte (la somme des probabilits vaut ) et ordonnance bien un paquet de chaque message , ( avec probabilit /  ( dans chaque crneau. Remarquons que par construction (cf. Figure 3.12) :

( ( / 9V ,  ( (  ( pour tout  V , et que pour tout , N 8  8 D 8  Ainsi il nous suft de dmontrer par rcurrence que sur chaque canal , un paquet de ( chaque , ( , _ * V 9^ est ordonnanc avec probabilit si _
pour tout _* 135

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 3.4 Approximation randomise pour la dissmination sur

Entres : 1. Un ensemble de messages 2. Des coefcients

canaux

)I+ .

+ + + ,  ( " 1 &+ , et /.0 " + 1  . *   et 3 * 2 #" $  .  #" $ . Sortie : 5 4 Pour 6 avec probabilit * . kTirer 7 + Si alors sur le canal Ne rien ordonnancer pendant le crneau . + Sinon Ordonnancer le paquet suivant (dans lordre cyclique) de 9 8 sur le canal + pendant le crneau . :  + Pour .=< " 1 alors Si ; Tirer 6e . avec probabilit * >  ? *32@BA .=< DC . . ) + Sinon Tirer . 6e .FE " 1+ avec probabilit : ) *G2@HA .=< C   , pour ? * @BA .=< DC * I A .=< C ? * @HA .=< C  *G2@H ? * 2@HA .=< DC ED D ? * @HA .=< C , sinon. + I sur le canal . Ordonnancer le paquet suivant de 
Sinon

Ajouter un message fantme , avec :  ,    et  . ! Pour // cf. Figure 3.12 page prcdente #" )( Si $ %'& alors *



B

vriant, pour tout , , et




  

et

tel que :





.  

136

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.4 Approximations un facteur constant
3.4.2 Dissmination sur plusieurs canaux

8 8 8 / Y 9 J 8  est ordonnanc avec probabilit : Dautre part un paquet dun message K J , _ J / 8 8 J 8 8 / 8 9 / Y 8 / 8 J J O MN O L M$N L W est ordonnanc sur le canal prcdent lorsque PRQ3S5TVU  sinon
C.Q.F.D.

, et probabilit J si _ ^ . La proprit est vidente pour le premier canal. Supposons-la vraie au canal ; . Un paquet du message K 8 a t ordonnanc avec probabilit 8 sur le canal . Ainsi un paquet du message K J est ordonnanc par lalgorithme sur le canal avec probabilit :

Proposition 3.3 (Approximation randomise) Soit K un ensemble de messages et un nombre de canaux. Et soit )R la solution du problme de minimisation S U] >K . Soit X continment les _ Z J R et Y _ Z J[ R Z . Alors, lalgorithme qui X diffuse , et diffuse les paquets paquets de chaque de message K J sur le canal  _I pour _ Y selon lalgorithme 3.4 sur les canaux ]\ \ _^ X ^] est une des messages K J Z _ -approximation. Preuve. Consquence immdiate des analyses du lemme 3.7 et de la proposition 3.1.

Approximations dterministes La gnralisation de lalgorithme glouton est trs intuitive. Nous avons vu que la rgle gloutonne sur un canal consiste ordonnancer durant le crneau ` le paquet suivant du message K J qui minimise la quantit :

cd 2J 0 a J J :Db
o

> 698 < J

est ltat au temps f `V . < e Pour la dissmination sur plusieurs canaux, il sagit de slectionner les (au plus)

messages qui minimisent cette quantit, sachant que si cette quantit est ngative, il vaut mieux ne rien ordonnancer. Lalgorithme glouton 3.5 obtenu est prsent page suivante.

137

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 3.5 Algorithme glouton de dissmination premptive sur Entres :

canaux

canaux ;

vriant, pour tout g ,

Si

c J ih , et j J . Jlk7m

Jlk7m J
j

alors

Ajouter un message fantme Kn , avec :

n , apn3rqnrh et n tel que :

c s j n Jlk7m J

Sortie : Pour `

d d lordonnancement f`V de (Dnition 3.3 page 127). h et v fgI h et Posons vxwfgzy{ q J |a J J i} b k7m u Jf~ . Soit  gwg1 'zlk^ [^\ . Soit g m \ \gD  , tels que : v fg m v fg . Pour 7 , ordonnancer le paquet du message K J T suivant dans lordre cyclique, sur le canal durant le crneau ` . Ne rien ordonnancer sur les canaux J pendant le crneau ` .

Soit u e ltat au temps

 7t

Proposition 3.4 (Gloutonnisation) Lalgorithme glouton 3.5 gnre un ordonnancement paquets-cyclique des paquets des messages de K dont le cot est au plus deux fois loptimal lorsque est la solution du problme de minimisation S U] >K . Preuve. La preuve est identique celle de lordonnancement glouton sur un canal. On tudie de la mme faon les ordonnancements ~;~ qui diffusent les mmes paquets que lordonnancement glouton jusquau temps f`V et qui ordonnancent les paquets suivants des messages \ \ sur les canaux au temps ` . Comme dans le cas dun canal, nous dnissons une fonction f`3\G ~;~ , o ~;~ est lordonnancement identique jusqu f` et qui ordonnance les paquets suivants des messages \ \ durant le crneau ` . Ltude de son esprance, sur tous les -uplets 9 m \ \D suivant la distribution de lalgorithme randomis 3.4, dmontre quelle vaut zro, et que le choix glouton est celui qui la maximise. On obtient ainsi de la mme faon que prcdemment la borne sur la performance de lalgorithme. On obtient enn un ordonnancement priodique en arrtant lalgorithme glouton au bout dun nombre quadratique de pas. Lalgorithme est prsent page ci-contre.

138

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption 3.4 Approximations un facteur constant
3.4.2 Dissmination sur plusieurs canaux

Algorithme 3.6 Approximation dterministe et priodique sur Entres : Un ensemble Calculer de messages et un entier

canaux

Z h . On pose 

m
et `

o j

Ordonnancer tous les paquets de chacun des messages entre les dates ` le premier canal. Executer pas de lalgorithme glouton 3.5 page prcdente avec neaux ` c ` . Trier lensemble  Pour

la solution du problme de minimisation SiU > .

sur

, dans les cr-

Ordonnancer sur le premier canal du crneau ` message J dans lordre cyclique. Pour g Soit

 7 Soit J 7

oJ J w)
lment de  .

le

ime

le paquet suivant du

J le nombre de diffusions des paquets de J entre ` h et ` ] . o o Ordonnancer sur le premier canal les 4 J J ' J paquets du message J
suivants dans lordre cyclique la suite de lordonnancement.

139

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Thorme 3.5 (Ordonnancement priodique sur canaux) Lalgorithme 3.6 page prcdente construit un ordonnancement p paquets-cyclique et priodique, sur canaux, de cot B S U > ds que sa priode est sufsamment longue :

c U j q Jo J, Jlk7m

avec

o j

Nous obtenons donc en temps polynomial une -approximation de priode quadratique en nombre total de paquets et en les cots des messages. Preuve. La preuve est identique celle de lalgorithme 3.3 sur un canal.

Remarque 3.10 Nous obtenons donc une -approximation en premptant systmatiquement les messages. Nous avons vu Figure 3.9 page 125 que ceci cotait un facteur par rapport au cot idal suggr par le minorant qui propose un ordonnancement ctif qui ne prempte jamais. Pour amliorer nos heuristiques nous devrons donc remettre en cause cette procdure, en premptant moins souvent, ou bien modier le minorant pour tenir compte de la ncessit de prempter.

Conclusions et Perspectives
Dans ce chapitre nous avons introduit et prsent un modle premptif naturel pour la dissmination de donnes. Dun point de vue pratique nous avons dmontr que prempter les messages permet de raliser un gain arbitraire sur le cot de la dissmination dun ensemble de messages lorsque les messages ont des temps de transmission trs diffrents. Notre tude des ordonnancements optimaux pour le cas premptif nous a rvl que la dissmination de messages de longueur non-uniforme en prsence de premption reste S -difcile de manire intrinsque, cest--dire sans que les cots de diffusions soient impliqus (Thorme 3.2 page 121). Le modle premptif capture donc une partie de la complexit des longueurs non-uniformes bien que les paquets aient la mme longueur. Rappelons que la complexit (SR -duret) de la dissmination de messages de longueurs uniformes de cot de diffusion nuls est encore ouverte ce jour. Ltude de la ralisabilit du minorant SR nous a galement rvl que le temps de service est minimis lorsque les messages ne sont pas prempts (Lemme 3.6 page 117). Nous avons vu cependant quil tait impossible dapprocher ce minorant sans premption dans le cas gnral (Exemple 2.2 page 61). Aussi nous avons propos des heuristiques un facteur constant de loptimal pour le cas dun nombre arbitraires de canaux (Algorithme 3.6). Notons que nous ne disposons pas actuellement de garantie de performances pour la dissmination de messages de longueurs non-uniformes sur plusieurs canaux sans premption.

140

Chapitre 3 Dissmination de messages de longueurs non-uniformes avec premption Conclusions et Perspectives

Nous avons vu galement que notre cadre premptif modlise le cas o les requtes ne demandent plus des messages individuels mais demandent des lots de messages et sont servies lorsque tous les messages du lot demand sont tlchargs. Le cas tudi dans ce chapitre est le cas o les messages ont la mme longueur et o les lots de messages sont tous disjoints. Il serait intressant de voir comment nous pouvons gnraliser notre tude au cas o les lots ne sont pas tous disjoints. Ce problme se pose de faon concrte dans de nombreuses applications, par exemple pour la diffusion de journaux lectroniques : par exemple, X si , Y , , et sont respectivement les informations, la mto, la page de sport, la bourse et le rsultat des courses Vincennes, et que des utilisateurs demandent les informations, X la mto et la bourse, cest--dire le lot \Y#\+ , que des utilisateurs souhaitent recevoir la page de sport, la mto et le rsultat des courses, cest--dire le lot Y\G\e , et quenn des utilisateurs demandent les informations, la mto et le rsultats des courses, X X cest--dire le lot \Y#\e , comment ordonnancer les messages , Y , , et ? Sur cet exemple, les lots demands ne sont plus disjoints. Notre approche dans ce chapitre est base sur lobservation que les messages dun lot doivent tre diffuss de faon cyclique lorsque les lots sont disjoints. Cest cette observation quil faudrait essayer de gnraliser pour traiter le cas o les lots ne sont plus disjoints. Cette tude fait partie de nos perspectives proches. Le chapitre suivant prsente une premire rponse la question de la complexit de la dissmination de messages de longueurs uniformes en proposant un schma dapproximation.

141

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

142

CHAPITRE

Un schma dapproximation polynomial pour la dissmination de messages de longueurs uniformes

Introduction
Dans les chapitres prcdents, nous nous sommes attaqus ltude de lordonnancement pour la dissmination de donnes lorsque les messages nont pas tous la mme longueur. Dans ce chapitre, nous revenons sur le cas des messages de longueurs uniformes en proposant un schma dapproximation polynomial. Plus prcisment nous prsentons un algorithme qui pour toute constante et pour tout ensemble de messages de cots de diffusion borns par une constante , calcule en temps e U un ordonnancement priodique sur canaux de priode U k , dont le cot est / du cot optimal. Notons que la SR -duret de la dissmination de messages de longueur uniforme et de cots de diffusion borns, est une question encore ouverte aujourdhui. Nous avons vu aux chapitres prcdents cependant que diffrentes variantes sont des problmes SR -difciles : lorsque les cots de diffusion ne sont pas restreints (thorme 1.2 page 40, [BNBNS98]), lorsque les messages nont pas tous la mme longueur (thorme 2.1 page 77), ou encore lorsque les messages sont dcoups en paquets de longueur unitaire (thorme 3.2 page 121) Jusquici, les meilleurs algorithmes polynomiaux taient des approximations un facteur constant, dont le meilleur gnre un ordonnancement de rapport de performance ] ,

143

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

sans garantie sur la taille de la priode (thorme 1.5 page 52, [AW87, BNBNS98]). Rcemment Khanna et Zhou sinterrogeaient dailleurs dans [KZ98] sur lventuelle nonapproximabilit du problme des longueurs uniformes sans cot de diffusion. Le rsultat prsent dans ce chapitre dmontre que non : le problme de la dissmination des messages de longueurs uniformes est approximable / prs. Notons enn que pour des raisons techniques, le problme restreint aux messages des longueurs uniformes est le modle privilgi dans les domaines applicatifs. En effet ce modle englobe celui des disques diffusants [en anglais, broadcast disks] qui est apparemment trs utilis dans les implmentations des systmes de dissmination [HGLW87, BGH 92, Ach98]. Si notre algorithme ne peut tre utilis directement en ltat (car le temps de calcul est trs largement exponentiel en H ), les principes mis en vidence par notre mthode devraient permettre dobtenir des heuristiques performantes en pratique.

4.1

Prsentation gnrale

Notre tude part de la remarque suivante. Le minorant dAmmar et Wong (Lemme 1.2 page 35, [AW85]) indique quidalement chaque message J devrait tre diffus priodiquement tous les J , o est la solution du problme de minimisation S m > . Ainsi lattente moyenne des requtes pour chaque message J est idalement J . Pour approcher ce minorant, ils proposent un algorithme randomis (algorithme 1.2 page 45) qui diffuse dans chaque crneau le message J avec probabilit /H J . Ainsi les requtes pour chaque message J sont servies en moyenne au bout de J . Ils obtiennent alors une -approximation (quation 1.27 page 46). Supposons que nous ayons regroup en un groupe des messages ayant mme probabilit de demande et mme cot. Ces messages partagent alors le mme J et sont diffuss avec la mme frquence dans lalgorithme randomis dAmmar et Wong. Nous pouvons alors amliorer la diffusion des messages du groupe en les diffusant cycliquement. En effet, dans lalgorithme initial, une requte pour un message du groupe doit attendre en moyenne ^^ diffusions dun message du groupe avant dtre servie. Mais, si les messages sont diffus de manire cyclique, cette mme requte attendra en moyenne E/ ^^]^^ ^^ diffusions dun message du groupe pour tre servie. Nous russissons ainsi sauver quasiment un facteur . Cette version groupes-cyclique de lalgorithme randomis dAmmar et Wong ralise en fait une /H^^] -approximation du cot idal pour chaque message de ce groupe. Ainsi, si nous partitionnons lensemble des messages en regroupant les messages de mme probabilit et de mme cot, nous obtenons une / H zl0^^] -approximation. Le minorant dAmmar et Wong peut donc quasiment tre atteint lorsque tous les groupes sont de grandes tailles. Nous procdons de la faon suivante pour tendre cette approche au cas gnral. Nous commenons par regrouper les messages qui ont une probabilit et un cot identique un

144

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.1 Prsentation gnrale

petit arondi prs. Puis nous partitionnons les groupes en trois ensembles, tels que (Lemme 4.10 page 172) : 1. 2. 3. contient un nombre constant, indpendant de sages importants.

X Y

1,

\>a m \$$$,\>a

\q m \$$$7\q , de mesj j

Y contient des messages faisant partie de groupes de grande taille, en particulier trs X grande devant la taille de . runit des messages qui participent de faon ngligeable au cot de lordonnancement.

Lordonnancement est alors construit de la faon suivante. Nous commenons par orX donnancer les messages importants : ceux de , importants par eux-mmes, et ceux de Y , importants par leur nombre (Proposition 4.2 page 166). Pour cela, nous recherchons les X proportions optimales des messages de et des messages de Y dans un ordonnancement. Formellement, si nous dnissons la frquence de diffusion dans un ordonnancement dun ensemble de messages comme le pourcentage de crneaux utiliss pour la diffusion de ces X messages dans lordonnancement, nous devinons la frquence des messages dans un X0 Y . Puis nous construisons un ordonnancement prioordonnancement quasi-optimal de X dique quasi-optimal de de frquence de diffusion - . Ensuite, nous utilisons une version groupes-cyclique et priodique de lalgorithme glouton dAmmar et Wong pour ordonnancer les messages de Y dans les trous (Lemme 4.8 page 164). Les messages de sont enn insrs en force tous les /H , sufsamment rarement pour ne quasiment pas X augmenter le temps de service des requtes pour et Y (Proposition 4.3 page 170). X La premire difcult est donc de trouver la bonne frquence de diffusion pour . Pour cela nous utilisons une gnralisation du minorant dAmmar et Wong au cas o lon impose une frquence maximale de diffusion. Ensuite, il sagit de trouver un ordonnanceX ment de de frquence et tel que lon puisse par la suite diffuser les messages de Y dans les emplacements libres. Pour cela, nous avons besoin que les emplacements libres soient X bien rpartis : notre ordonnancement de est priodique de priode trs petite devant la taille du plus petit groupe de Y . Ainsi, comme les messages sont diffuss cycliquement dans leur groupe, les emplacements vides sont rpartis peu prs rgulirement du point de vue de chaque message de Y . Lordonnancement que nous obtenons nalement a une priode e U quadratique en le nombre de messages. Une dernire tape permet de rduire la constante multiplicative et dobtenir un ordonnancement de priode U k exactement en extrayant le meilleur bloc de cette taille dans lordonnancement prcdent. Les sections qui suivent dcrivent lalgorithme par tapes. Tout dabord la section 4.2 prsente lalgorithme groupes-cycliques qui servira ordonnancer les groupes de grandes
1

On note

pour signier que lunion de

et de

est disjointe.

145

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

tailles (Algorithme 4.3 page 154), ainsi que son analyse (Proposition 4.1 page 153). La secX tion 4.3 dmontre comment ordonnancer les ensembles de messages et Y (Proposition 4.2 page 166). Nous verrons ensuite la section 4.4 quintroduire en force les messages de X Y partir dun tous les zH] permet dobtenir un ordonnancement de X ordonnancement des messages de et de Y (Proposition 4.3). Enn la dernire section 4.5 dmontre laide du lemme de partition (Lemme 4.10 page 172) comment nous pouvons mettre bout--bout les rsultats des sections prcdentes pour obtenir notre schma dapproximation (Algorithme 4.5).

4.2

Ordonnancer des groupes de messages

.

Considrons un ensemble de messages

Denition 4.1 (Groupes) Nous dirons quun ensemble de message est partitionn en groupes m $$ si les messages de chaque de groupe ont la mme probabilit de demande a et le mme cot q . On notera alors ^ ^ la taille du groupe . Nous allons voir dans cette section que nous pouvons amliorer les heuristiques du chapitre 1 lorsque que les messages sont regroups.

4.2.1

Ordonnancements groupes-cycliques

Le lemme suivant valide lapproche gnrale. Denition 4.2 (Groupes-cyclique) Un ordonnancement est dit groupes-cyclique lorsque les messages de chaque groupe sont ordonnancs de faon cyclique. Lemme 4.1 (Ordonnancement groupes-cyclique) Soit un ensemble de messages par$$ et un ordonnancement de . Alors il existe titionn en groupes m un ordonnancement groupes-cyclique - de dont le cot est au plus celui de :

De plus, si est priodique et nest pas groupes-cyclique, alors :

 l

 .

Pour la dmonstration de ce lemme et pour la suite, posons la dnition suivante. Denition 4.3 (emplacement) Lemplacement f dun ordonnancement correspond au crneau de diffusion du canal durant la priode de temps ,] . Nous dirons quun emplacement f de est vide, si ne diffuse aucun message sur le canal durant le crneau . Un emplacement vide sera aussi appel un trou.

146

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.2 Ordonnancer des groupes de messages
4.2.2 Approximation groupes-cyclique

Preuve du Lemme 4.1. Largument est trs semblable celui du lemme 3.1. Soit un ordonnancement des messages de . Pour chaque groupe , considrons une requte arrivant un instant qui demande un message alatoire du groupe . Lattente moyenne de cette requte est minimise si et seulement si les messages du groupe sont diffuss dans les emplacements rservs la diffusion des messages du groupe juste aprs la date dans . Ainsi sil on rordonnance les messages de chaque groupe de manire cyclique dans les emplacements rservs la diffusion de ce groupe dans , lordonnancement groupes-cyclique obtenu a le mme cot de diffusion que et au plus le mme temps de service. De plus si est priodique de priode , est aussi priodique de p riode infrieure _ 37 . Enn si est priodique mais nest pas groupes-cyclique, alors est strictement meilleur. Remarque 4.1 (Rcriture du minorant dAmmar et Wong avec des groupes) Soit $$  . Considrons le un ensemble de messages partitionn en groupes problme de minimisation  >/ (lemme 1.2 page 35) dnissant un minorant sur le cot de tout ordonnancement de sur un canal. La solution de 1H> est unique. Or, les messages du groupe ont les mmes probabilits et les mmes cots. Donc, par unicit de la solution, ils ont le mme . Ainsi nous pouvons dnir > HB pour chaque groupe o est un message quelconque de , et rcrire le problme de minimisation  >/ de la faon suivante :

 >/

 
   G7 Sur le domaine:

3 U

37

 

(4.1)

4.2.2

Approximation groupes-cyclique

Nous lavons expliqu ci-dessus, nous pouvons optimiser les algorithmes dapproximation en ordonnanant de faon cyclique les messages dun mme groupe. Nous obtenons alors lalgorithme randomis 4.1 page suivante pour la dissmination sur un canal. Nous verrons dans la section suivante comment nous pourrons simplement transposer cet ordonnancement sur plusieurs canaux.

un enLemme 4.2 (Algorithme groupes-cyclique randomis) Soit semble de messages partitionn en groupes. Lalgorithme 4.1 page suivante gnre un or-

$$

147

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 4.1 Approximation groupes-cyclique randomise sur un canal Entres : Une partition en groupes des messages tement positifs et tels que : 7

! " $# " Poser &%(' tel que : $#   )! " 7 $# " . *

Tirer

 

$$

et

$$$,$ stric-

Sortie : Pour

3 -.0/ ' 212121 4 Si -5 ' alors

Sinon

]9,+

avec probabilit

$# " .

Ne rien diffuser pendant le crneau .

Diffuser le message suivant du groupe

 "

dans lordre cyclique.

donnancement alatoire

sur un canal dont le cot a pour esprance :

86D9

Si > 7 > 7 est la solution de la version groupes du minorant (remarque 4.1 page prcdente), alors lalgorithme 4.1 est une approximation.

" " >=?= @  "

" " >=?=

 " "  " 'H " "   "     "< 7;:

(4.2)

A B/ C $# D " " $# "

Preuve. Soit lordonnancement gnr par lalgorithme 4.1. Dans , un message du groupe est ordonnanc dans chaque crneau de temps avec probabilit . Lesprance de la frquence des messages de chaque groupe est donc . Ainsi, lesprance du cot de diffusion moyen de vaut : D 7 . Lanalyse du temps de service a dj t esquisse Section 4.1. Comme nous lavons vu, loptimisation groupes-cyclique va nous permettre damliorer le temps de service des requtes. Pour tout , un message du groupe est diffus avec probabilit dans chaque crneau. Le temps moyen pour tlcharger le prochain message du groupe partir dune date entire est donc . Une requte demande avec probabilit un message tir uniformment dans le groupe . Elle attend alors en moyenne la n du crneau courant. Si lon note 7 les variables alatoires du temps ncessaire au ime tlchargement du partir de la n de ce crneau, la linarit message du groupe . Ainsi comme la requte de lesprance donne que : $$ demande chacun des messages avec la mme probabilit, elle attend en moyenne  H

" " 7 FEHG 6*I J ! " # " $# JK  "

" GMLN I N >=?= O8P  " 7 LN F G Q I 

"

G # "I K " G "  "I G #I K

G>G  K

 " I " # " I* G " 

148

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.2 Ordonnancer des groupes de messages
4.2.3 Drandomisation

K I " #  . Le temps de service moyen de lordonnancement 6 est donc : 7 SR A G 6*IDJ K    " " G "   K I " " 7 G Ainsi si @' est la solution de la version groupes de A1 TI , alors :    " "U " " 7 RUG 6*D K I K  @
" "V< K  "    " XZW?Y : 7 G K  @
K " "V< A TI , : G et nous obtenons une K  K #
" " I -approximation randomise. [ Remarque 4.2 Si tous les groupes sont de tailles suprieures K # \ , nous obtenons une G ]\ I -approximation. K
4.2.3 Drandomisation
Ordonnancement glouton. Nous souhaitons obtenir une approximation dterministe pour pouvoir garantir dune part une borne sur la taille de la priode de lordonnancement gnr et dautre part un temps de calcul polynomial. Nous allons donc entreprendre de drandomiser lheuristique groupes-cyclique prcdente par la mthode que nous connaissons bien maintenant. Notons que bien que la technique soit similaire, lanalyse est diffrente du cas premptif (chapitre prcdent) puisque lon cherche pas tlcharger tous les messages dun groupe, mais lun en particulier. Denition 4.4 (Etat) Ltat la date dun ordonnancement groupes-cyclique dun $$ ensemble de messages partitionn en groupes est le -uplet G o est le vecteur de taille dont la ime coordonne est le temps coul depuis le dbut de la ime des dernires diffusions dun message du groupe jusqu la date , comme illustr Figure 4.1.

a ` G >Ibdc a ` G eI 212121 a ` G > I>f a "hg N4G eI  " 6

a ` " G eI

  _^ " " 

^ 

Lemme 4.3 (Algorithme groupes-cyclique glouton) Soit un en semble de messages partitionn en groupes. Lalgorithme 4.2 page suivante gnre un ordonnancement sur un canal dont le cot est major par :

  _^

$$

^ 

RUG

6*I

G K    " " "   K I "   " "< V " 7 :

(4.3)

149

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 4.2 Approximation groupes-cyclique gloutonne sur un canal Entres : Poser Sortie : Pour

  '   
dente). Choisir

212121,$ strictement positifs et tels que : !

et

j%k'

tel que :

K #   K

" 7iK # " K ! " 7JK #". G

* K 1l1,+ ` Soit a

ltat de lordonnancement la date

KI

(Dnition 4.4 page prc-

-H.0/ ' K 212121- 43

qui minimise la quantit suivante :

O8P "  " " N a "eg N   7

Si

-5 '

alors Ne rien ordonnancer durant le crneau Ordonnancer durant le crneau , le message suivant du groupe lordre cyclique.

Sinon

 "

dans

150

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.2 Ordonnancer des groupes de messages
4.2.3 Drandomisation

u nu2r* P  r9 P rqn
p qn,r ue8 pe u2prM}shr * mVn,oqphrts2uwv xy{zq|}xM~ q h hq V $ ` G F IG . 4.1 : Dnition de ltat a " >I .

Si 7 est la solution de la version groupes du minorant  7 -approximation. (remarque 4.1 page 147), alors lalgorithme 4.2 est une

G " I " >=?= @ G " I " >=?=

G  # D " " I K K

G I

Preuve. Le principe de la preuve de cette heuristique est le mme quaux chapitres prcdents. Soit , lordonnancement glouton gnr par lalgorithme groupes-cyclique glou 7 ton 4.2. Posons : . Nous introduisons la fonction : 7 def U U

tar des chapitres prcdents comme lesprance de lattente cumule des requtes arrives avant la date et qui nont pas t servies cette date, si lordonnancement tait gnr par lalgorithme groupes-cyclique randomis 4.1 aprs la date . Le but est de dmontrer que pour , . Ainsi, en sommant de , nous aurons que 7 , cest--dire que : 7

 A   ! " F " O8P2,O8Pq " T PP FH E G 6 H MIV{j;A G 6-H V  MI  G 6-V IV G 6 >I G 6 eI* A F K K K K def o est une fonction potentielle positive et nulle en F ' , que nous allons dnir lins GJ 6 eI ' G ! 6i >I ' G ] KI
RG

6J

@ K @  K

FEHG 7  6-H ' tMI 6 H - K MIi]j;A G 6 H  - K MIi K 7i G G t] I  K IA X 6J K  UG Ce qui impliquera, grce au thorme de rversibilit que : 6 I RG 6 I A . ` G 6 >I dun ordonnancement 6 la date . A la date ,  " a "hg NG 6 eI Considrons ltat a requtes ont demand le Q ime message du groupe  " et seraient servies en moyenne au G Q " I temps si lordonnancement tait gnr par lalgorithme randomis aprs la bout de
151

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

  "  O8P a "hg N G 6 eIQ " def N " 7 7 G G Remarquons que pour tout , 6 >I ' et que 6 ' I* ' . Pour ' k k , soit 69 lordonnancement identique lordonnancement glouton 6J sur lintervalle ' K et qui, si %' , ordonnance le message suivant dans lordre cyclique du groupe  durant le crneau , et qui nordonnance rien sinon. Nous allons dmontrer que : 7  G 69 >D I i ' , G >I ce qui terminera la preuve. puis que le choix glouton est bien celui qui maximise 69 `G `G Notons que a K q6JIw a K q6J*I . Ainsi, lattente en arrire moyenne pour le Q ime N4G   message du groupe  " sur la priode - - K vaut a "hg K q6 I K # . Donc : O8P    (4.4) j;A G 6 H -  - K MI*x  K  " " N a "hg N4G K q6 I 7 7 G 6 >I
Ltat au temps de lordonnancement

date . Nous dnissons donc la fonction potentielle par :

6 sexprime par : J , a "hg NG Gq69MI* a "hg NG - K q6i_I K , pour Q K 1l1 " pour - et pour   ' , a g ON4 G G 3q69MI K N G et a g 3q69I* a g 7 - K q6JIi K , pour Q K 1l1 G p K I

Nous obtenons alors que :

G G 6J;7 K I ) 69>I* G 6J>I   " " " 7 Comme ! "  K # "  K

 "" "
7

G "  I   O N4G  K "  9 2 N a "eg K q6JI 7

(4.5)

Ainsi en sommant les quations (4.4) et (4.5), nous obtenons que :

  "  O8P a "hg N4G   O a g NG " N K q6J*IJ l 2 N K q6JI  7 7 7 K G 69;eI* ' "  2 

nous obtenons alors que :

152

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.2 Ordonnancer des groupes de messages
4.2.3 Drandomisation

Notons nalement, que :

 7 Nous reconnaissons donc que le groupe  choisi par lalgorithme glouton et qui mini N4G G 3q69I . Le choix glouton assure donc O N mise l2 ! 7 a g K q6J*I , maximise G  que : 6J>I ' pour tout . [

Remarque 4.3 (De bonnes performances en pratique) Lalgorithme glouton 1.3 a exprimentalement dexcellentes performances [AW85, AW87], bien meilleures que le facteur de performance dmontr par Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98]. En fait, les distributions de probabilits utiliss dans les tests dAmmar et Wong suivent la distribution de Zipf. Les messages les plus importants ont donc des probabilits similaires. Or, lalgorithme glouton dAmmar et Wong slectionne le message dont lattente en arrire cumule est la plus grande. Ainsi, lorsque plusieurs messages ont mme probabilit, ils sont naturellement ordonnancs de faon cyclique. Lanalyse prcdente permettrait donc dexpliquer les bonnes performanaces exprimentales.

G Gq69MI* G 3q6  I

 O a g N4G 2 N - K q6JI 

Gnration dun ordonnancement priodique. An dobtenir une description courte de lordonnancement gnr, nous souhaitons gnrer un ordonnancement priodique. Lalgorithme 4.3 page suivante procde comme dans lalgorithme 4.2, en faisant boucler lordonnancement sur lui-mme au bout dun nombre quadratique de pas. un ensemble Proposition 4.1 (Algorithme glouton priodique) Soit de messages partitionn en groupes. Lalgorithme 4.3 page suivante gnre un ordonnancement sur un canal priodique de priode et dont le cot est major par :

6I

G ]  I   " " G "  K I " "     T K  " "< 7w:

  ^ 2 2 ^ 

 ]  U )   . G TI , 7 Ainsi, si 0 est la solution de la version groupes du minorant 1 et que A G vrie la condition ci-dessus, nous obtenons une K  K #
" " I -approximation.
lorsque la priode

G   I

de lordonnancement vrie :

Preuve. La preuve est essentiellement la mme quaux chapitres prcdents. Lide est dutiliser le cot prpay dans le potentiel pour compenser le surcot d lajout des messages aux extrmits de la priode.

153

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Algorithme 4.3 Approximation groupes-cyclique priodique sur un canal

un entier ! " 7 K # " K Sortie : Pour * K 1l1

Entres : Excuter

et des nombres

212121,

strictement positifs et tels que :

  K *] . L Trier par ordre croissant lensemble /Q " K C-4 K Q " 3 . Pour  K 1l1 G L Soit Q " I le ime lment de . G XI le message suivant du groupe  " dans Ordonnancer dans le crneau 0
pas de lalgorithme glouton 4.2 dans les crneaux lordre cyclique.

Ordonnancer le message

dans le crneau .

$ue* rrB}ser rhhsq uhr$nu2r hsn2n n,r r$P hn,2 B}s2p>B $ue_ r_rBBshr qh qh qh hse r s2 2n 2r $u>Bp*$nu2r hq uhr_rqp>n,rx r x i0

F IG . 4.2 : Construction de lordonnancement priodique.

Notons que contrairement au chapitre nous navons pas besoin dassurer la groupescyclicit de lordonnancement car nous avons prouv la rversibilit du cot pour tout ordonnancement et pas seulement pour les ordonnancements groupes-cycliques. Nous allons estimer le cot de cet ordonnancement en majorant son rtro-cot. Daprs est major lanalyse de lalgorithme glouton, le rtro-cot cumul sur la priode par :

6-H t MI G ] K IA  G O8N P Remarquons que 6 I5 ! " 7 " " ! 7 Ainsi : G 6 I

154

t F U G 6 I7) G 6 t I  Q a "eg NG q6*I ! " 7 " " O8P O}UPq7 . A (4.6)

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.2 Ordonnancer des groupes de messages
4.2.3 Drandomisation

Considrons prsent le rtro-cot sur la priode diffusion est clairement :

  t    7  Q

[ ' t . Le cot de
(4.7)

FEHG

 6 H (  t ]

_ ' tMI

Ensuite, notons la date du dbut de la diffusion du ime message du groupe aprs la date dans . Lattente en arrire moyenne pour le ime message du groupe sur la priode . La somme vaut de lattente en arrire moyenne sur ces priodes et du temps de tlchargement est donc :

G U  "hg N I ; G k I 6 N "g  e  tb  "hg N

G "hg N #   a "eg N G 6 t Q I>I

 "

  "  O}P "hg N "hg N a "hg N4G Ii K  6 t]  < N " 7 7 :  G N G hQ " I par construction (! " # " ), nous Or, ! " 7 " "  K et "hg  K I @
K donc majorer cette expression par : 7iK pouvons U    O8P NG U a " " h " g (4.8) 6 t] It Q   G 6 t( I   " N 7 7 0 "hg N t Enn, considrons lattente en arrire pour les messages sur les priodes   ' t . La somme de lattente en arrire moyenne et du temps de tlchargement est . La contribution au rtro-cot de cette priode est donc majore par : majore par U (4.9)


En sommant les quations (4.6), (4.7), (4.8) et (4.9), nous obtenons donc le majorant suivant sur le rtro-cot et donc sur le cot de lordonnancement priodique :

G (  I
Ainsi :

RG

6*I

G ]  IA   U     K 7 


G "  I U #    ! 7 K K " 6I        7  U ] Nous obtenons donc bien lapproximation souhaite ds que ]  !  7  . [

UG


  " K  " "

155

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Nous savons donc construire un ordonnancement quasi-optimal dun ensemble de messages partitionn en groupes de taille suprieure . La section suivante tudie comment ordonnancer en mme temps un nombre constant de messages.

K # \

4.3

Ordonnancer des grands groupes et un nombre constant de messages

Cette partie est le cur de lalgorithme. Nous y exposons comment construire un orsuppos partitionn en deux donnancement quasi-optimal dun ensemble de messages sous-ensembles   , tels que :

 

1.


est constitu dun nombre constant de messages.



2.

est partitionn en , nous avons 

Lide est de deviner la bonne frquence de diffusion  pour les message de  , puis dordonnancer quasi-optimalement les deux ensembles  et  frquences. Trouver - se fait essentiellement par recherche exhaustive. Pour chaque frquence  , il faut estimer les contributions de  et  au cot de lordonnancement. Pour estimer la contribution au cot des messages de  nous allons utiliser une variante du minorant dAmmar et Wong, puisque nous avons vu la section prcdente que ce minorant est trs proche de loptimal. Lestimation de la contribution de  est plus dlicate. Nous allons dmontrer quil existe une constante qui borne la priode dordonnancements quasi-optimaux qui diffusent les messages de  quasiment cette frquence. Nous pourrons donc estimer la contribution de  par simple numration des ordonnancements. Ce rsultat nous permettra galement de dmontrer que lon peut ordonnancer les messages de  dans les emplacements vides de lordonnancement de  laide de lalgorithme glouton groupes-cyclique et priodique 4.3 de la section prcdente.

groupes   G ^ 22 ^  de grande taille : pour tout K G " \ I , o \ I sera dni plus tard.
     



4.3.1
de

Frquences de diffusion

Soient .

un ensemble de messages,



et

un ordonnancement des messages

Denition 4.5 (Contribution) La contribution au cot de lordonnancement sages de  , note  "!$# &%' , est dnie par :
 "!$# &%' ( ) *-,/. +

G 6 I G 6 I

des mes-

# 1032

R A G 6 e I
&% 2

546

EHG 6 e I
&% 2

156

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.3 Ordonnancer des grands groupes et un nombre constant de messages
4.3.1 Frquences de diffusion

de sorte que le cot dun ordonnancement 879  .

G

&I

est la somme des contributions de



et de

Denition 4.6 (Frquence de diffusion) Si lon note : &%';%'< le nombre demplacements utiliss pour la diffusion dun message de  dans lordonnancement pendant lintervalle de diffusion < , la frquence de diffusion des messages de  dans lordonnancement , note  =%' ?> % A@ , est dnie comme :

G6

G 6 &I. ' K G 6 I
 &%'

BDCFE6G'HI

Si

est priodique de priode , la frquence de diffusion de  se simplie en :



KJML

G q6 ' t I
;% &%N> O % @

G 6 I
&%' :

G6

&%'P%N> O

La frquence de diffusion dun ordonnancement , not   cements utiliss pour la diffusion des messages : 

G* 6 G 6 I est le pourcentage demplaG 6I* 6 eTI .

&%

' t I
% @

Denition 4.7 (Contribution optimale frquence xe) La contribution optimale frquence de diffusion  dun ensemble de message  , note "QR# P%' , est le cot minimal induit par les messages de  sils sont diffuss la frquence  dans un ordonnancement :
"QS#

G I

G I
;%'

C T V;WYX D V U.

[Z

"!$#

G 6 I
&%'

Le minorant suivant, qui gnralise lgrement le minorant ]\+^ _ page 37, va nous permettre destimer la contribution des messages de  .

Lemme 4.4 (Minorant) Soit un ensemble de message et   un sous-ensemble _ partitionn en groupes  . Alors le problme de minimisation `\"a  %' suivant est un minorant sur la contribution de lensemble  au cot de tout ordonnancement qui diffuse les messages de  avec une frquence infrieure ou gale  :

   ^ 22 ^ 
bcc cc c d cc cc ce

G I

]\

G _I
 %'

EfCDT g/hji

K
4

" :
( Z _ 0

"" "
kk  l m

4on l

"


"< b
O

Sur le domaine:

K " "
( Z _ l 

(4.10)

157

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Ce problme de minimisation admet une unique solution lqp , telle que :

l p

avec : si ! " " " # G G" I " "# " lquation : ! "
Z _ ks _ m Z 0s n m 0 n

"  K"
m O  4 6 r p

"
0

46r p

"

avec r

',
r p

, alors

I*



r p

 '
.

; et sinon,

est lunique solution de

Preuve. Il sagit dune gnralisation immdiate du minorant dAmmar et Wong. Pour cela nous avons besoin de dmontrer de nouveau la densit des ordonnancements priodiques dune frquence donne autour de loptimal. La dmonstration de ce lemme de densit est similaire aux lemmes de densits des chapitres prcdents. l De mme que prcdemment, est le nombre moyen demplacements utiliss Z _ pour la diffusion des messages de  par unit de temps. Comme la frquence de diffusion O l . de  est majore par  nous obtenons bien la contrainte :  Z _ 

! " K# "

! "

# " K

4.3.2

Borner la priode dun ordonnancement quasi-optimal de A

Nous allons dmontrer dans cette section que nous pouvons nous restreindre lexploration dun nombre constant dordonnancements des messages de  . Lemme 4.5 (Borner la priode de  ) Soit t un ensemble de messages de cots de difx fusion borns par u , et vwt . Pour tout yx et toute frquence de diffusion O x x  , il existe un ordonnancement priodique sur canaux des messages de  tel que :

'

'

1. La frquence des emplacements vides dans : 

2. Le cot de

6
V

{z

G 6*I

|z

\ I G K
4

est approximativement au moins

_I
 "QR#

et


G 6*I. ' K
@ % m

$z

>

est quasi-optimal :
 "!$# &%'

G 6 I
 BDT

G \ I K
4

G I \ #
P%' }4

3. La priode

de

est quadratique en la taille de  :

~

' G G K )4# \I \ K \# I
|z

Ef/

u=%

K I_

k  

Remarque 4.4 La condition 1 garantit quil reste sufsamment de place pour ordonnancer les messages de  .

158

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.3 Ordonnancer des grands groupes et un nombre constant de messages
4.3.2 Borner la priode dun ordonnancement quasi-optimal de A

La preuve de ce lemme repose sur un couper-coller alatoire avec des morceaux dun ordonnancement quasi-optimal de  . Un argument probabiliste va nous dmontrer quil suft dchantillonner un nombre ni de morceaux de cet ordonnancement pour obtenir un ordonnancement priodique quasi-optimal, ayant quasiment la bonne frquence. Pour cela, nous avons besoin de pouvoir dcouper en morceaux indpendants un ordonnancement. Le lemme suivant dmontre que lon peut insrer des trous de taille arbitraire intervalles rguliers dans un ordonnancement pour un surcot faible. Pour prouver le lemme 4.5, nous remplirons ces trous avec tous les messages de  de sorte crer des blocs qui auront une interface commune et seront donc indpendants (cf. illustration Figure 4.4 page 162). Nous pourrons alors chantillonner ces blocs et dmontrer le lemme. Le lemme suivant montre quon peut faire une pause dans un ordonnancement une fois de temps autre pour un surcot ngligeable.
x , un ordonnancement Lemme 4.6 (Etirer un ordonnancement) Soit x N O de t Nt _ % }%'t? sur canaux et deux entiers et  tels que :

212121

lordonnancement obtenu partir de en insrant crneaux vides aux dates %&4 , o est tir au hasard uniformment dans N% % z (cf. illus/5% tration Figure 4.3 page suivante). Alors :
^ % }%4

Soit

6 212121

212121

4 z

/ 212121

K 3

R A G 6 I G ]\ I R A G 6*I K En particulier il existe ./ 212R 121 G K 3 tel que le temps de service de lordonnanceG ment 6 soit infrieur K ]\ I A 6I . 7
># ^ @} 4 # i N% # &% z ^ 4

Preuve. Commenons par remarquer que le cot de diffusion de ^ est strictement infrieur celui de . Dans ^ , considrons une requte pour le message t . Soit _ lvnement que arrive 2 en dehors des crneaux vides insrs. Le temps de service moyen de cette requte vaut :

R A G q6 I G I la n du Si arrive dans les crneaux vides insrs dans 6 , elle attendra en moyenne bloc de crneaux vides. Puis si lon note , le nombre de crneaux jusquau la diffusion du message dans 6 partir du point dinsertion, et la longueur correspondante dans 6 , G G G I nous avons que : . Ainsi la requte sera donc servie au bout de K K I K I G $I au plus tard dans 6 . Comme le point dinsertion est choisi alatoirement, 7
># % ^ @ 

R A G q6 I

;4

>#

R A G q6 I
%

^  _ @ 4

;4

>#

^ 

_ @

Y4

Y 

^ 

4 

4P

159

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

-q

F IG . 4.3 : Etirer un ordonnancement.

> 

4? @ #+&%' 2

et donc :
> #+% ^  _ @56 #$?&%' 2

(4.11)

Si arrive en dehors des crneaux vides insrs dans ,soit _ la requte arrivant dans le m mme crneau au mme moment dans . _ est servie en moyenne au bout de 454 , o est le nombre de crneaux jusquau dbut de la diffusion suivante de . Lesprance m 2 lquivalent du temps de service pour la requte dans ^ est donc 4 > ^ @ , o ^ est de dans ^ . En moyenne, lintervalle entre chaque crneau est augment de   , et donc par linarit de lesprance : > ^ @ =4[=4 q  . Ainsi le temps de service moyen pour m _ %  la requte vaut : 4?4 4  #+? . Nous en concluons que : 4
> #+% ^  _ @5 #+&%' 2

m ]

}S4

(4.12)

La somme pondre des quations (4.11) et (4.11) donne nalement que :

> #+ ^ %' 2 @5 R4 #+&%' 2

par construction de  .

C.Q.F.D.

Preuve du Lemme 4.5. Rduction. Tout dabord, remarquons que nous pouvons supposer que   z  , quitte augmenter le cot optimal de 4  . En effet, si  z  , considrons un messages de QS#M-;%' ordonnancement optimal de frquence  des et de cot  . Soit

160

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.3 Ordonnancer des grands groupes et un nombre constant de messages
4.3.2 Borner la priode dun ordonnancement quasi-optimal de A

^ lordonnancement construit partir de en insrant un crneau vide tous les partir dun point de dpart alatoire. Le lemme dtirement ( et  assure quil existe un point de dpart tel que :  "!$#M ^  R4 z "QS#-P%' 

 z z

) nous

Et, la densit de ^ est exactement : z    supposition facilite lobtention de premier fait du lemme.

. Remarquons que cette

Dcouper lordonnancement en blocs indpendants. Considrons, par densit, p un ordonnancement quasi-optimal priodique de ayant pour frquence de diffusion  et tel que : m
 "!$#M p %'  R4 R4 |4 QS#P-;%'

Nous allons construire un ordonnancement dont le cot sera quasiment celui de et dont  la frquence des crneaux vides sera quasiment z  , mais qui sera constitu de blocs indpendants que nous pourrons chantillonner par la suite. p p la priode de . An dallger les notations, supposons que uv (Rappel : Soit uE/ ).
n

Posons   . Quitte multiplier p par , nous pouvons supposer que p est z un multiple de . Construisons lordonnancement _ en insrant dans p tous les , un bloc de   crneaux vides sur tous les canaux, partir du point dinsertion qui minimise le surcot. Le lemme dtirement nous assure que :
 !+#M _ _ %'  z o 4  .   !+# p %'

q  u

Et la frquence
_

vaut : 

Nous construisons alors partir de _ en insrant dans chaque bloc de crneaux vides  de les   messages de dans un ordre x. Le temps de service de est infrieur celui k . 
. _ _ de , et laugmentation du cot de diffusion de est majore par .   Ainsi :
 "!$#M  %'   "!$#M _ %' _  z 4

La frquence des crneaux vides diminue en revanche de

z   z 

et vrie :

Nous avons donc construit notre ordonnancement la frquence des crneaux vides est quasiment z de blocs indpendants  _ %}%  de longueur

dont le cot est quasi-optimal et dont . Lintrt est que est constitu  [ 4o  dlimits par les dbuts des


161

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

blocs de crneaux insrs dans (cf. illustration Figure 4.4). Comme chacun des blocs commence par la diffusion de tous les messages de dans un ordre x, nous pouvons les permuter sans modier le cot de lordonnancement ni le temps de service des requtes  qui arrivent dans chacun de ces blocs. Nous dnissons donc le cot de chaque bloc " comme le cot moyen de sur lintervalle de temps de ce bloc. Par dnition, le cot  de est alors exactement la moyenne des cots des blocs et de mme que la frquence  de diffusion de est exactement la moyenne des frquences de diffusion des blocs. Nous  allons donc pouvoir chantillonner des blocs de et obtenir ainsi un ordonnancement dont  le cot et la frquence de diffusion sont quasiment ceux de .


= '5 ''

V
    

&' '5' ' V

 

     

 

      

  

   

'  '' K'F '

    

    

    

    

   

  '[ '
5' &' ' '
K V         

'     

F IG . 4.4 : Le processus dchantillonnage de la preuve du lemme 4.5.

Echantillonner.

Soit

:y

toire  , en concatnant : blocs tirs uniformment et indpendamment dans  . Lesprance du cot de chaque bloc est  "!+#M  . Donc lingalit de Markov donne dune part que :
Q

BFT}R4 z

. Nous construisons un ordonnancement ala-


 "!+#M

!+#

S4

(4.13)

162

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.3 Ordonnancer des grands groupes et un nombre constant de messages
4.3.3 Ordonnancer dans des emplacements rservs

Dautre part, lesprance des frquences des emplacements vides de chaque bloc vaut z !  . Et puisque les frquences diffusions sont bornes valeur dans @ % @ , lingalit de Chernoff implique que :
Q"


z


z? z



#%$
z

:S z



(4.14)

En sommant les deux ingalits (4.13) et (4.13), nous obtenons alors :

Q"& "!+#M

!+#

ou
z

z 


z z

 ('

$
4 z

:S

par construction de : ,

car



.


Nous en concluons quil existe un tirage pour lequel 1.

z

a les proprits suivantes :

!
z

z z

! 

. Cest--dire :
z

De plus, comme les frquences de diffusion de chacun des blocs sont non nulles, nous avons bien : !  @ % > . 2.
 "!$#P

*)  R4 

R4 "!$#M

QS#P-;%

4R4

, cest--dire :
4 m


R4

"QS#;-P%

3. Enn,

est par construction priodique de priode :S[4,+ -+ .

C.Q.F.D. Ce lemme a deux consquences essentielles pour lobtention de notre approximation : 1. Comme est de taille constante, nous pouvons construire en temps constant, par recherche exhaustive, un ordonnancenement quasi-optimal de avec quasiment la bonne frquence. 2. Et comme est de priode ngligeable devant la taille des groupes de . , les trous de sont uniformment rpartis du point de vue des messages de . . Nous pourrons, par consquent, ordonnancer efcacement les messages de . dans les trous suivant lalgorithme glouton priodique 4.3 que nous avons dcrit prcdemment.

4.3.3

Ordonnancer dans des emplacements rservs

Lobjet de cette section est de montrer comment, partir dun ordonnancement de . sur un canal de frquence , nous construisons un ordonnancement de . dans les trous de

163

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

lordonnancement de de la section prcdente. Lemme 4.7 (Dilatation) Soient un ensemble de messages, .  , un ordonnancement des messages de . , et une constante !0/ . Soit X lordonnancement des messages de . construit partir de lordonnancement en dilatant le temps dun facteur ! : pour tout 1 , X diffuse la date 21 ! les messages que diffuse la date 1 , sur les mmes . au cot de X est donn par : canaux que . Alors la contribution de
#+? X %3. R4

54

#+&%3. z

76

et

98

%3.

:8


&%3.

Preuve. La proprit est vidente. Dune part, la frquence de diffusion de chaque message est multiplie par ! donc le cot de diffusion est multipli par ! . Et dautre part, lattente moyenne des requtes hors temps de tlchargement est multiplie par ! . Lemme 4.8 (Ordonnancer dans des emplacements rservs) Soient un ensemble de  un sous-ensemble de messages partitionn en ; groupes . messages et . < <@? _>= = . Soient un ordonnancement groupes-cyclique des messages de . sur un O canal et une suite priodique demplacements rservs sur canaux, de frquence ! et de priode . Soit ^ lordonnancement construit en ordonnanant dans les emplacements rservs de , de gauche droite : ^ ordonnance dans le ime emplacement rserv de la suite , le message diffus dans crneau de (cf. illustration Figure 4.5 page suivante). O Alors, si les groupes de . sont tous de taille suprieure [ , la contribution de . au cot de ^ est borne par :

22

#$

^ %3.


4

! O
/

4 #+?=%3.
z

4?

et

98

^ %3.

! O

:8

A Z _CB
0

&%3. O

Preuve. Soit XED lordonnancement obtenu en dilatant le temps de ! . ^ est obXED XED tenu partir de en dplaant chacune des diffusions de dau plus . Le cot de diffusion de ^ est donc identique celui de XED :
:8 ^

! O

98


daprs le lemme de dilatation.

Etudions prsent la variation du temps de service de XED ^ . Pour toute date F / , leN nombre de diffusions du message dans XED durant la priode > %HF @ notons : GF  *KJML _ 2 2 et 1 %%I1 les longueurs des intervalles entre deux diffusions conscutives de
2 2 2

164

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.3 Ordonnancer des grands groupes et un nombre constant de messages
4.3.3 Ordonnancer dans des emplacements rservs

d5e bgfh_Z^i j7k(b>k(bgl m"anhi opb>qrkts bZu"f(l m[v

bZuwb e o2a ^`_aKb[^c[_Ga \ ] PO T PO
U

PO OP PO PO PO X PO PO PO PO PO OP

PO PO PO OP PO PO PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO PO PO PO

PO

PO V PO OP OP PO PO PO PO PO PO PO OP PO

PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO

PO PO PO OP PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO PO PO OP PO PO PO PO

PO

OP PO YZY[Y

WV
T
U

Q Q

Q QSR Q

Y[YZY

F IG . 4.5 : Ordonnancer dans des emplacements rservs. Sur cet exemple, la suite demplacements rservs est priodique de priode yx et de frm z quence ! x .

dans

XED ^ GF

durant la priode > %HF ~ JMLN et 1

^ _ * %[1 ^

, tels que : {
| |

 p * JMLN | | Z _ 1

}F

. Nous dnissons de la mme

 *pJLN

faon :

dans lordonnancement 2 ^ .

2 2 2 |  . | Z _ > z +% @ et { Remarquons que par construction : 1 ^ 1 4 | , o | ) 2 2 , car les groupes sont de constante (au plus Comme : ^ GF et : GF diffrent dune O 2 2 nous tailles avons galement : ),

 *pJLN
#+ ^ %' 2


S4BDCDE6GHI

|
21 ^ 2

JML

| Z _

Or, nous pouvons majorer cette somme de la faon suivante :

 JLN F |Hw

| 

 JMLN F | w H  JMLN F |Hw t JLN



 JLN | w@ (  JLN |(w

| | |

 JLN
z

t JMLN

 JLN

|(w

 F

ime diffusion du messages car pour tout x GF , la distance entre la ime et la K est suprieure la taille du groupe divis par le nombre de canaux (car est groupes| cyclique) et donc : groupe de .

165

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Nous obtenons donc bien, lorsque

tend vers linni :



Corollaire 4.1 (Cas des groupes de grandes tailles) Lorsque les groupes de . sont tous de tailles suprieures / , la contribution de . au cot de est borne par :

2 .

.
w

8 .

Preuve.

Immdiate car

E

4.3.4

Un ordonnancement quasi-optimal

Nous pouvons prsent construire un ordonnancement quasi-optimal des messages de et . .

"

Notations.

Posons -

def t>M 7

/ t

, et }-


def

Proposition 4.2 (Ordonnancer = ) Soient x et un ensemble de messages partitionn en deux sous-ensembles = . , o . est lui-mme partitionn < < ? = = en groupes . de tailles suprieures }- . page ci-contre est priodique Alors, lordonnancement gnr par lalgorithme 4.4   de priode infrieure 4 K -  - 6 , et son cot est born par : 

22

Preuve.

La preuve se fait en deux tapes :

1. Nous allons utiliser le lemme 4.8 pour dmontrer quordonnancer les messages de . dans les trous de  avec lalgorithme glouton 4.3 gnre un ordonnancement dont ! le cot est une bonne approximation de  r p. . 2. Puis, nous dmontrerons que proximation du cot optimal.



p.

est une bonne ap-

166

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.3 Ordonnancer des grands groupes et un nombre constant de messages
4.3.4 Un ordonnancement quasi-optimal

Algorithme 4.4 Ordonnancer les messages de et . Entres : Une constante et un ensemble de messages partitionn en deux sous< < ? = . , o . est lui-mme partitionn en groupes . = = ensembles de tailles suprieures - - .

22

Pour tout



Calculer lordonnancement priodique optimal  des messages de   quence ! et de priode infrieure - .  - - Choisir !w qui minimise la quantit :

Y-

, de fr-

p.

!w
p.

Calculer la solution du problme de minimisation Soit  la priode de  . Calculer avec Sortie :

 p

!w

. sur un canal  6 .

lordonnancement glouton priodique des messages de .  !w ! , et de priode 4 K 

K

Retourner lordonnancement  priodique de priode ordonnanant dans les emplacements vides de K nancement .

 obtenu en priodes de lordon-

167

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Etape 1. Notons lordonnancement gnr par lalgorithme 4.4. La contribution des  messages au cot de lordonnancement est . Considrons lordonnan! cement glouton priodique sur un canal obtenu avec . Lordonnancep ment  est obtenu en ordonnanant dans les trous de  . Comme tous les groupes   ont une taille suprieure - - / et que la priode de  est infrieure - , le lemme 4.8 assure que :

 9 .

? w

!w

8

Or, comme la priode de lalgorithme

est sufsamment longue, nous avons que :

A B A A A B

A wt

et Ainsi,

8

A w A

 : .

? A B A A A

A wt

A B

? A A A w A  !

B H
J N G

p.

Ep.

Nous en concluons que :



Ep.

Dmontrons prsent que cette estimation est proche de loptimal.

= . (daprs le thorme 1.3) Etape 2. Soit un ordonnancement optimal de avons : et posons ! la frquence de diffusion de dans > . Nous - = .
>

Ep.

168

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.3 Ordonnancer des grands groupes et un nombre constant de messages
4.3.4 Un ordonnancement quasi-optimal

Le lemme 4.5 assure quil existe un ordonnancement des messages de priodique de  priode infrieure - - et de frquence de diffusion ! E , tel que :

et

)

Or, par construction de ! :



Ep.

p. p.

Considrons donc la solution du problme de minimisation . Nous avons :

et posons

A A w

Donc satisfait les contraintes du problme de minimisation

? J

A A w

A A !

A  A 7

t- ? A

, ainsi :
A A :

A w B

A A

tp. ! . = . = 

Ainsi :
  

p.

- -

- .

tp. - = .

puisque

E

Finalement, nous concluons que :

  

= .

= .

puisque

C.Q.F.D.

La section 4.4 va dmontrer comment nous pouvons introduire des messages de contribution ngligeable dans lordonnancement que nous venons de construire.

169

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

4.4

Le cas de messages de contribution ngligeable

Dans cette section nous supposons que lensemble des messages est partitionn en deux =r o a une contribution ngligeable #- au cot sous-ensembles . de lordonnancement. Commenons par formaliser cette notion. Denition 4.8 (Contribution ngligeable) Soit un ensemble de messages et , nous disons que a une contribution ngligeable si sa contribution dans le minorant est de lordre de - , lorsquil est ordonnanc avec une frquence de diffusion de lordre de #- sur un canal, i.e. :
h D#w t
I 

Les constantes  et sont arbitraires et leurs valeurs sont xes pour amliorer la suivants. lisibilit des lemmes Lide est que si une partie des messages est de contribution ngligeable, alors leur contribution au cot dun ordonnancement reste ngligeable mme si on les ordonnance rarement. La proposition suivante dmontre que lon peut alors ordonnancer les messages de par insertion en force dans lordonnancement des autres messages. Proposition 4.3 (Insertion dun ensemble de contribution ngligeable) Soit , = et un ensemble de message partitionn en deux sous-ensembles , o est . de contribution ngligeable. Alors, pour tout ordonnancement priodique des messages de . , on peut construire en temps linaire un ordonnancement priodique des messages de tel que :



. 

De plus, si la priode de est suprieure K  , alors la priode de . infrieure

 , nous obtenons alors une
Si . p -approximation.

est

Preuve. Soit la priode de . Nous utilisons le lemme dtirement pour construire un ordonnancement partir de en insrant un crneau vide tous les
W/ partir du meilleur point dans  /  (seul un nombre constant de point doivent tre tests). Le lemme dtirement assure que :
. 

t

170

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.5 Un schma dapproximation quadratique

Quitte consiSoit la solution du problme de minimisation h D#w 

I .  K drer plusieurs priodes de , on peut supposer que est suprieur . Soit W lordonnancement priodique de priode gnr par lalgorithme 4.3 avec 7
. Nous construisons en rordonnanant  dans les emplacements rser de . Comme vs les emplacements rservs pour linsertion des messages de dans sont uniformment rpartis tous les / , le lemme de dilatation nous assure que la contri h D#w W/ est major par bution de au cot de lordonnancement p , puisque est de contribution ngligeable. Finalement, le cot de lordonnancement est born par : 



et la priode de

est au plus

4.5

Un schma dapproximation quadratique



Nous considrons prsent le cas gnral dun ensemble quelconque de messages.

4.5.1

Arrondir et partitionner

Nous commenons par regrouper les messages de caractristiques similaires en utilisant des mthodes darrondi standard. Lemme 4.9 (Arrondir) Pour , nous pouvons sans perte de gnralit supposer , sont multiples des puissances de
et que les que les probabilits de demande # cots de diffusion sont des multiples de :

p

pour un certain pour un certain

et o est une constante de normalisation.



Preuve.

Pour chaque message

, nous arrondissons :

immdiatement infrieure puis nous sa probabilit la puissance de

normalisons de sorte que la somme des probabilit arrondie vaille toujours . Nous

obtenons une probabilit arrondie , o et o est la constante de normalisation.

puis son cot de diffusion obtenons un cot arrondi

au multiple immdiatement infrieur de , pour un certain 

. Nous

171

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Nous obtenons alors un nouvel ensemble de messages arrondis que : et



tel

des messages de , notons lordonnancement corresponPour tout ordonnancement dant des messages arrondis de (et rciproquement). Considrons un ordonnancement optimal de et un ordonnancement optimal de . Etudions le cot de lordonnancement , instance non arrondie de . Nous avons que :

Ainsi, comme

Ainsi larrondi des caractristiques des messages cote donc un facteur dun ordonnancement optimal.

sur le cot

et Notations. Posons donc

le groupe des messages qui ont probabilit
cot de diffusion . Nous noterons 
la taille du groupe
. Le lemme suivant est la cl pour enchaner avec succs les diffrents cas que nos venons   dtudier. Il partitionne lensemble des messages en trois sous-ensembles   appartenant tels que : contient un nombre constant de messages, contient des messages des groupes de trs grande taille, et est un ensemble de messages dont la contribution est ngligeable. Le principe de la dmonstration de ce lemme est que les probabilits, une fois arrondies, forment une suite exponentielle dcroissante. Ainsi, sauf pour un nombre constant de groupes, les groupes soit sont de trs grande taille, soit contribuent de faon ngligeable au cot de lordonnancement.

,  Lemme 4.10 (Partition) Etant donn des constantes et , et un 0 ensemble  de messages de cots de diffusion borns par , on peut construire en temps linaire en une partition des groupes
de , en trois ensembles  ,  et , tels que :

172

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.5 Un schma dapproximation quadratique
4.5.1 Arrondir et partitionner

1.

contient au total un nombre constant de messages :

2.


Z  
, indpendant de          Les groupes de sont tous de grande taille :

def

et

(4.15)

pour tout

(4.16)

3. Les messages de ont une contribution ngligeable :

h

(4.17)

. Preuve. Posons nous introduisons la vaPour borner la contribution de lensemble ( & ' h !#"%$ *) ,+ riante du minorant de la contribution au cot dun sous de densit + , en supposant que les cots de diffusion ensemble ) des sont nuls. Comme les cots de diffusion messages sont borns par la constante , nous avons : h

!-".&( $ ' *) , +

*) , +

!-"%&/ $ ' *) , +

nous En labsence de cot de diffusion, savons exprimer sous forme algbrique la valeur du problme de minimisation p (cf. Lemme 2.2 page 72 par exemple). Nous obtenons alors lexpression suivante pour h !-".&( $ ' *) ,+ : h

!-".&( $ ' *) , +

1 0 %

2 4 3

   %1 

Nous allons nous servir de ces expressions pour majorer la contribution au cot de lensemble . Construction de la partition. La construction de la partition est illustre Figure 4.6 page 175. Commenons par considrer les indices tels que : 
65 . Soit , une constante que nous dnirons plus tard. Nous partitionnons ces indices en deux sous ensembles :

 Considrons les groupes de tailles 

constante que 5 . Soit = une 2 blocs nous dnirons par la suite. Nous partitionnons leurs indices en

87

5 ;:

et

9 < 

5 ;:

173

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

>



> ,? @ 

de la faon suivante :

> 7 > ,? 7  @  7
Nous avons vu que :

>

A9 A9 9 A

= : = = :  ,? = @  = =

,? @   :

!-".&( $'

,+

Ainsi, le principe des tiroirs [en anglais, pingeon hole principle] donne un indice J tel que :

C
B

,? @  
D w E  %  I G H
F

E 
F .GIH

!-"%&/ $'

,+

Nous dnissons alors :

> 7 D


K 5 ;: 

Nous posons nalement (cf. Figure 4.6) :

 M L 

et

NL

et

PO% K

Analyse. Vrions prsent que cette partition vrie bien les proprits annonces. Pour cela, nous dnissons les constantes et = par :

RQ T SVU  Y

XW

et .

#

Q T SVU

XW

Remarquons que 1.

et =

ZC

est de taille constante. Puisque la somme des probabilit vaut , nous avons : D

, et donc pour tout , 
65 . Or, = =[ , donc :

\ ]^\


` CaIb H
_

dc

5 `I ZaIb H _

NceI5 b

174

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.5 Un schma dapproximation quadratique
4.5.1 Arrondir et partitionner

@(

kjjk jkjk kjkj jkjk kjkj jkjk kjkj jkjk kjjk jkjk kjkj jkjk kjkj jkjk kjkj jkjk kjjk jkjk kjkj jkjk kjkj jkjk kjkj jkjk kj jk

kjjk jkjk kjkj jkjk kjkj jkjk kjkj jkjk kjjk jkjk kjkj jkjk kjkj jkjk kjkj jkjk kjjk jkjk kjkj jkjk kjkj jkjk ~ kjkj jkjk kj jk

gfgf fgfg gfgf gfgf fgfg gfgf gfgf fgfg gfgf gfgf fgfg gfgf gfgf fgfg gfgf gf fg gf kjjk kjjkgfgfgfgf kjjkfgfgfgfg kjjkgfgfgfgf kjkj kjkjgfgf kjkjfgfg kjkjgfgf kjkj kjkjgfgf kjkjfggf kjjkgfgf kjkj kjkjgfgf kjkjgfgf jkjkgfgf kjjk kjjkgfgf kjjkgfgf jkjkgfgf kjkj kjkjgfgf kjkjgfgf jkjkgfgf ~ kjkj kjkjgfgf kjkjgfgf jkjkgfgf kjkj kjkjgfgf kjkjgfgf jkjkgfgf kjjk kjjkgfgf kjjkgfgf jkjkgfgf kjkj kjkjgfgf kjkjgfgf jkjkgfgf kjkj kjkjgfgf kjkjgfgf jkjkgfgf kjkj o kjkjgfgf kjkjgfgf jkjkgfgf kj{}| kj kj jk l6lIz lIy

gfgf fgfg gfgf gfgf fgfg gfgf gfgf fgfg gfgf gfgf fgfg gfgf gfgf fgfg gfgf gf fg gf kjjkgfgfgfgf kjjkfgfgfgfg kjjkgfgfgfgf kjkjgfgf kjkjfgfg kjkjgfgf kjkjgfgf kjkjfggf kjjkgfgf kjkjgfgf kjkjgfgf jkjkgfgf kjjkgfgf kjjkgfgf jkjkgfgf kjkjgfgf kjkjgfgf jkjkgfgf kjkjgfgf z kjkjgfgf jkjkgfgf kjkjgfgf kjkjgfgf jkjkgfgf kjjkgfgf kjjkgfgf jkjkgfgf kjkjgfgf kjkjgfgf jkjkgfgf kjkjgfgf kjkjgfgf jkjkgfgf kjkjgfgf kjkjgfgf jkjkgfgf kj kj jk

l6m

gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gf fg kjjkgfgfgfgf fgfgfgfg kjkjgfgf fgfg kjkjgfgf fgfg kjkjgfgf fgfg kjjkgfgf fgfg kjkjgfgf fgfg kjkjgfgf fgfg kjkjgfgf fgfg kjjkgfgf fgfg kjkjgfgf fgfg kjkjgfgf fgfg kjkjgfgf fgfg kj

gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf  fgfg gfgf z fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gfgf fgfg gf fg

ih ih hi ih ih ih ih ih ih ih ih ih ih ih ih ih ih ih gfgf hiih gfgf hiih gfgf hiih gfgf gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf  gfgf gfgf gfgf gfgf gfgf o gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gf gf gf gf l6m/npo

ih ih hi ih ih ih ih ih ih ih ih ih ih ih ih ih ih ih hi gfgf hi gfgf hi gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gf gf gf ih ih ih ih ih

ih hi gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gf

 ih ih ih ih ih ih ih ih ih ih ( ih ih ih ih ih z ih ih ih ih ih ih ih ih ih ih ih ih ih ih ih hi gfgf hi gfgf hi gfgf hi gfgf hi gfgf gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf (  ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf ih gfgf ih gfgf ih gfgf ih gfgf ih gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf gfgf {d%M gf gf gf gf gf gf lrq*s4t x uwv

F IG . 4.6 : Illustration de la partition.

175

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Ainsi comme, J donc constante.

,?  

, la taille de

dpend uniquement de , ,

et , et est

K 5

2. Les groupes H, de sont de grande taille. Soit b . Ainsi : 65

. Nous avons :  car =

%

H, dc
H \ K b \  ] 5 d c 5 b , 5 b Ainsi, par construction de = , nous avons bien que : 

\ ]\

et J

3.

est de contribution ngligeable. Nous avons : h  ` !-"%&/ $ ' `  @ `  . Par construction de ` et de , nous avons dune part :
h

< `

` 

< ` # ! "%&} $'

` ` 

Dautre part, par construction de

h

> D

E ( 

F _  c

` 3

 ` ! "%&/ $'

` 


E ( %  I G H
F _ 3 c E
F 
Q _
p

!-".&( $'

Ainsi comme

* C
h

< `

Q *  , nous en concluons : `  p d Q  p , car

Ainsi est bien de contribution ngligeable. C.Q.F.D.

176

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes 4.5 Un schma dapproximation quadratique
4.5.2 Le schma

Algorithme 4.5 Le schma dapproximation polynomial Entres : Une constante diffusion born par .

R

, et un ensemble

de messages

` d3

de cots de

1 Arrondir les probabilits et les cots des messages suivant le lemme 4.9. Regrouper les messages mme probabilit et mme cots. Partitionner en trois sous-ensembles ] de e  conformment au lemme 4.10. 2 Calculer priodique sur ] lordonnancement  sages et , de priode @ infrieure . avec lalgorithme 4.4 page 167.

canaux des ensembles \ ]\ de mes-

5 Choisir le meilleur point de dpart ;M  pour tirer lordonnan 0 cement de crneaux tous les  . Construire 0 en insrant dans les 0 crneaux libres de ltir de les messages dans un ordre x. 0 se dcompose de blocs indpendants de longueur  et de cot moyen A -0 .

4 Choisir le meilleur point de dpart `# ;M  . pour tirer lordonnancement dun crneau tous les  . Insrer dans les trous, sur le premier canal lordonnancement @ . Soit 0 lordonnancement priodique, de priode * rsultant.

3 Calculer lordonnancement glouton priodique  des messages de sur un canal, de priode @8 X.d * avec X.N I , o I est la solution du problme de minimisation / < ` - X.dw .

*

`#

Sortie :

6 Retourner lordonnancement priodique de 0 .

dont la priode est le bloc de cot minimal

4.5.2

Le schma

Nous pouvons donc prsent dcrire notre schma dapproximation pour la dissmination de messages de longueurs uniformes et de cots de diffusion borns. Thorme 4.1 (Schma dapproximation polynomial) Etant donns un ensemble de messages de cot born par une constante et , lalgorithme 4.5 gnre en temps quadratique * , un ordonnancement sur c canaux des messages de , dw , et dont le cot est quasi-optimal : priodique et de priode infrieure *

AP r

X  P 4

177

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Preuve. Analyse des performances. Soit lensemble des messages arrondis. Daprs, les propositions 4.2 page 166 et 4.3 page 170, nous avons :

AP - 0

X (X  P

Or, le lemme 4.9 indique que :

X P 4

Ainsi,

AP - 0 P -  :

X (X (X  P 4 AP - 0

Enn, le lemme dtirement 4.6 donne que :

X A - 0

Et donc, pour

AP -r

X  P 4

Complexit en temps. Ltape 1 sexcute en * et chacune des tapes 26 sxecutent en * . Le temps de calcul est donc quadratique. C.Q.F.D.

Conclusions et Perspectives
Dans ce chapitre, nous avons prsent un schma dapproximation polynomial pour la dissmination de messages de longueurs uniformes et de cots de diffusion borns. Le meilleur algorithme polynomial avant nos travaux tait une approximation de loptimum. Remarquons en particulier quavec notre approche, ordonnancer sur un canal ou plusieurs revient essentiellement au mme pour des messages de longueurs uniformes (cf. Lemme 4.8 page 164). Ceci est opposer avec les exemples que nous avons donns aux chapitre 2 page 61 et page 72 pour le cas des longueurs trs htrognes. Il existe donc bien une grande diffrence de complexit entre ces deux variantes de la dissmination. Notons que la dpendance en du temps de calcul de notre algorithme est largement exponentielle. Aussi, ce rsultat est essentiellement dintrt thorique. Cependant les principes pourraient se rvler trs utiles en pratique : seul un nombre constant de messages sont importants par eux-mmes ; ces messages peuvent tre ordonnancs de faon quasioptimale avec une petite priode ; les autres messages doivent tre regroups par similarits et peuvent tre diffuss quasi-optimalement par un algorithme glouton. Nous obtenons alors

178

Chapitre 4 Un schma dapproximation pour le cas des longueurs uniformes Conclusions et Perspectives

un ordonnancement quasi-optimal en recherchant les bonnes frquences de diffusion pour ces deux catgories de messages. Des heuristiques performantes en pratique pourraient tre dgages de ces ides. Il serait intressant dtudier galement si ces principes pourraient tre ports avec succs sur les diffrentes variantes de la dissmination. Comme nous lavons vu au chapitre 2, le cas o les messages sont de longueurs non-uniforme semble trs diffrent des autres variantes, aussi nous ne pensons pas que cela soit possible pour cette variante. Une autre extension naturelle est ltude des cots non-borns. Nous avons cependant utilis de nombreuses reprises le fait que les cots taient borns, tout particulirement pour les points cl (e.g. pour] borner par une constante la priode dun ordonnancement quasi-optimal des messages de ). Notre mthode est notamment incapable de rsoudre le cas o tous les messages ont les mmes probabilits mais des cots de diffusion trs diffrents. Cette extension ncessitera donc une tude particulire de linuence des cots. En revanche, ltude de la portabilit de notre schma au cas de la dissmination premptive nous semble tre un axe raisonnable de recherche court terme. Enn une question trs intressante reste ouverte : le problme de la dissmination sans cots de diffusion est-il -difcile ? La preuve donne par Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98] de la -duret en prsence de cot de diffusion utilise les cots (en particulier la rduction est faite sur les instances o tous les messages ont les mmes probabilits). Cette question reste un axe trs intressant de recherche, de mme que lappartenance de ce problme . En effet, nous ne savons toujours pas sil existe un ordonnancement optimal pour ce problme dont la taille est polynomiale en le nombre de messages.

179

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

180

CHAPITRE

Rsolution des problmes de minimisation dnissant nos minorants

Introduction
Dans les chapitres prcdents nous avons rencontr des problmes de minimisation nonlinaires ( ` page 35, ( page 116, page 117) dont la forme gnrique est :

. ` ] Sur le domaine:_ * p} (5.1)  *- ` c _ o ` d, et c sont des nombres strictement positifs, et `  des nombres ] ] M sont ce problme quelconques. Nous avons galement rencontr une forme relaxe de ( page 70, page 75) o la contrainte * est limine : < . ` ] (5.2) _ Sur le domaine: ` c _
Nous avons afrm que chacun de ces problmes admet une solution unique. Ce fait est la base de nos rsultats pour deux raisons. Tout dabord, la conception de nos algorithmes

181

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

dapproximations repose sur la rsolution de ces problmes : leurs solutions proposent en effet des frquences idales pour la diffusion des messages, qui lorsquon les suit nous donnent des heuristiques avec garantie de performances (parfois excellentes, cf. Chapitre 4). Ensuite, lunicit de la solution donne des informations sur lordonnancement optimal. Ces informations sont essentielles pour nos preuves de -duret. Dans ce chapitre nous ] ] nous proposons de dmontrer lexistence dune solution unique aux problmes et . Nous avons vu au chapitre 1 que Bar-Noy, Bathia, Noar et Schieber avaient rsolu ces problmes lorsque les coefcients taient positifs. Lobjet de ce chapitre est dtendre leur mthode au cas o les ont des signes arbitraires. La difcult est que la fonction objectif nest plus convexe et lunicit nest plus immdiate. La mthode consiste donc commencer par dmontrer que la solution existe, puis dmontrer laide du problme ] relax quelle est unique. Cette mthode aboutit un algorithme de calcul de la solution qui ncessite la rsolution dquations algbriques, ce pourquoi nous donnerons brivement une mthode numrique.

5.1

Rsolution du problme relax

Le principe de la relaxation Lagrangienne. Daprs le thorme des extrema lis, lors sous la contrainte @ , si le minimum quon cherche minimiser une fonction @ est atteint en lintrieur du domaine, alors les gradients de et sont colinaires en :

r , pour un certain  . La Il sagit alors dintroduire le paramtre  comme une nouvelle variable du problme de minimisation en posant <  def @ . Nous sommes alors ramens la recherche des couples  tels que :

ce que lon peut rcrire de faon quivalente : < .6Z . Cette mthode permet de rduire la recherche du minimum et du paramtre p correspondant, la rsolution dun systme dquations. Nous allons voir que cette] mthode permet dobtenir une expression algbrique pour la solution du problme relax .

et

182

Chapitre 5 Rsolution des problmes de minimisation dnissant nos minorants 5.1 Rsolution du problme relax
5.1.1 Expression algbrique

5.1.1

Expression algbrique

Proposition 5.1 (Rsolution du problme relax) Etant donn des rels strictement positifs  et  , et des rels arbitraires  , le problme de minimisation :



<  .  

Sur le domaine:

admet une unique solution , telle que :

!    "

$# 
% et ) avec : si pour tout , (' solution positive de : )  *  +

+*

,


pour un certain 
,  -r 

&%

(5.3)

Preuve.

1 3242 242 576

. /,   la fonction objectif. Notons tout dabord que : Soit 46 def )   0 , "  46 98 , ainsi la fonction continue admet un minimum sur le domaine ferm



" 

, alors I.% ; et sinon, I est lunique

dni par les contraintes. Nous allons considrer deux cas :

1. les sont tous positifs, [BNBNS98]. Dans ce cas la fonction est convexe, et nest constante sur aucun segment, donc admet un unique minimum sur le domaine convexe et ferm dni par les contraintes. Notons que chacun des termes    sur ; %<8; . Ainsi deux cas sont un unique minimum !: * envisager , /, admet : 1.a) 1.b)

: . : ne vrie pas la contrainte. Comme chacun des termes   , est 1 unimodulaire , rapprocher chacune des coordonnes de ! stric : diminue sur la frontement la valeur de 46 et donc le minimum de est atteint tire du domaine : )  = . Nous trouvons alors le minimum de 
,  sur la surface 46  % , en introduisant le paramtre def )    ,
> 4= 4 , comme nous lavons vu au Lagrangien  tel que dbut de cette section. Remarquons quen , et augmentent lorsque
% , ainsi ?% . La rsolution du systme entre dans le domaine 46 ' <4  @ % donne que *   ,  , o  est lunique solution   . de lquation ) A*  ,  B  
: appartient au domaine dni par la contrainte : alors

Une fonction est dite unimodulaire si elle change de sens de variation au plus une fois.

183

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

2. Il existe , tel que du mini "C $% . Alors nous navons plus directement lunicit mum de sur le domaine 46D% . Soit un minimum de , si )  @ , ap  , de alors diminuer diminuerait strictement la valeur de . Ainsi les minima C partiennent la frontire du domaine. Nous obtenons alors lexpression algbrique et lunicit de la solution du problme de minimisation en procdant de mme que prcdemment par relaxation Lagrangienne.
E

5.1.2

Rsolution numrique du problme

La rsolution de ce problme de minimisation ncessite de trouver lunique solution positive de lquation suivante en  :




avec 

IH H

GF

Cette quation peut se rcrire comme la recherche du zro positif dun polynme de degr J . Cependant, cette fonction est clairement convexe et strictement dcroissante en  . Un algorithme trs performant consiste utiliser la mthode de Newton. Pour dmontrer que lalgorithme produit en temps polynomial (en fait sous-logarithmique) une approximation K prs de  , il suft donc de borner la valeur de la solution  . Or :
 

(5.4)

Ainsi,

IH H

GF



<


F Ainsi lalgorithme deGNewton permet de trouver la solution en temps sous-logarithmique 1"R 1R ; , KS Tw. ). (en < On obtient ainsi une approximation U de la solution K prs. La valeur du problme de minimisation en U est alors K prs de la valeur optimale pour K sufsamment petit, puisque :

.LNM

"

PO

BQ

IH H

GF

.L

6  U  U VY " XW o \ )   et ] )  
VU 
184

"

XW

 K

[Z L Z K
Y

K B\

^]

Z Z .

Chapitre 5 Rsolution des problmes de minimisation dnissant nos minorants 5.2 Rsolution du problme fort

5.2

Rsolution du problme fort

La rsolution de P utilise le problme relax prcdent. Remarquons tout dabord que comme prcdemment, est continue et vrie 1 3242 242 576 46 98 . Ainsi, admet bien un minimum sur le domaine ferm dni par les contraintes * et *- de  . Lunicit du minimum de vient du lemme suivant : Lemme 5.1 Soient , une solution du problme de minimisation  et problme relax  et soit . Si  , alors I .

la solution du

"C

"C

Preuve. Cette proprit a t propose par Bar-Noy, Bhatia, Noar et Schieber dans [BNBNS98] pour trouver la solution du problme P lorsque les sont tous po sitifs. Nous allons montrer ici que cette proprit est toujours vraie et permet de prouver lunicit de la solution de  , lorsque les ont des signes arbitraires. Supposons que la solution de  et tel que . Sans perte de gnralit, "C  _% tel que : pour tout , considrons que . Daprs la proposition 5.1, il existe *   ,  . Supposons par labsurde quil existe une solution I de P telle que : Ia ` , ainsi  ' . Remarquons que la contrainte *- est alors une galit )  , b , car Sc% , le  : 1) si sinon on peut diminuer I et amliorer strictement la solution puisque  G/ est unimodulaire de minimum *    ; 2) si $% , le terme !G , , ) terme G est strictement croissant en G . Ainsi, comme    , G}un , : I  I   J , il existe indice , sans perte de gnralit , tel que . )  L L ,   Considrons donc le problme de minimisation d suivant :
  !   d Sur le domaine: * pX  (5.5)  *-X       Pour tout , e IT% , donc chaque terme e  , de la fonction objectif est unimodulaire et admet *   pour minimum sur ; %<8; . Du fait  , indpendamment sur le domaine de leurs unimodularits, chacun des termes est minimis GF les contraintes * et *- de  dG F , au point le plus proche du minimum : dni par X0 :F ) X0, (notons que G , )  ,  ). Ainsi,  d admet  ,     X0 , . pour unique solution  ` (  L L ), nest pas Ainsi comme   et L solution de  d . De plus, chacun' des termes '   f  est unimodulaire, donc  ,

 .  "

185

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

nimporte quelle variation g  &% (resp. g L &% ) de I (resp. I ) telle que la contrainte *# L soit vrie, rapproche du minimum du problme d et amliore donc la valeur de la fonction objectif. Considrons donc gh^$% et g L % tels que : gh I L g L I L _% , ' , , L g . La variation de la valeur de la fonction objectif de sorte que *-X soit vrie en 4 de d de I 4I g. est donc strictement ngative et vaut :
!gh  L g L

 L

gh

Or, cela se simplie en : gh  L g L gh I L , objectif du problme  diminue strictement de 4 E de I .

L L

g L

L @% . Ainsi la fonction L g L , L g , ce qui contredit la minimalit

&%

Proposition 5.2 Le problme de minimisation   admet une unique solution gorithme 5.1 calcul en temps polynomial.

que lal-

Preuve. Considrons une solution de  . Soit lunique solution du problme relax  . Sil existe un indice tel que que , alors nous avons I . On retire " C " X C i donc cette variable du problme P en xant sa valeur , et on itre. Sinon, pour tout , et donc la solution du problme relax  est aussi la solution de P qui est E donc unique : I . Do lalgorithme 5.1.
i

Algorithme 5.1 Calcul de la solution du problme de minimisation (5.1), [BNBNS98] Entres : j+ positifs.

 



, o !+

et 

sont des nombres strictement

Rpter

Calculer la solution Test k

il m&k i

Pour tout tnom

Jusqu ce que Test

;0Aw . Pour tout (nom tel que e k , mpk mrqZw , i i

il

du problme relax  

. ,
Test k .

k i

i9s

k i

186

Chapitre 5 Rsolution des problmes de minimisation dnissant nos minorants Conclusions et perspectives

Conclusions et perspectives
Nous avons vu dans ce chapitre comment rsoudre les problmes de minimisation que nous avons rencontrs dans notre tude de la dissmination de donnes. Une extension intressante de ces problmes de minimisation serait dajouter des contraintes de dlai de service maximal an dviter que certains utilisateurs attendent trop longtemps avant dtre servis lorsquils demandent les messages les moins populaires. Dans les chapitres prcdents nous avons vu que nous pouvions garantir un dlai de service maximal en gnrant des ordonnancements priodiques, de priode quadratique en le nombre des messages et indpendante de la popularit des messages. Il serait cependant intressant dinclure ces contraintes directement dans le calcul des frquences des messages. Ajouter une troisime dans le problme de minimisation guarantirait quen moyenne contrainte du type les requtes sont servies au plus tard avant , indpendamment des popularits des mes sages. La difcult est alors dobtenir la solution du problme de minimisation (relaxer cette contrainte ne permet pas de dduire la solution du problme initial en temps polynomial). Une solution serait alors dutiliser des mthodes de minimisation numriques gnriques et non plus ddies au problme. Ces mthodes permettraient ainsi de rsoudre les cas o la fonction est convexe, mais pas, notre connaissance, le cas gnral o certains des peuvent tre ngatifs.

187

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

188

Conclusions et perspectives
Dans la premire partie de cette thse, nous avons tudi le problme de lordonnancement pour la dissmination de donnes dans les rseaux sans l, ou plus gnralement dans les rseaux asymtriques. Nous avons dni un modle simple, offrant de nombreuses variantes et uniant les diffrentes approches prcdentes issues de diffrents domaines (disques diffusants, maintenance de machines,  ). Le principal outil de cette unication est le thorme de rversibilit du calcul du cot (Thormes 1.1 et 3.1). Nous avons dni et explor diffrentes extensions naturelles du problme initial de la dissmination de messages de longueurs uniformes. Nous avons dmontr que lorsque les messages sont de longueurs non-uniformes, ordonnancer les messages est un problme difcile, avec ou sans premption (Thormes 2.1 et 3.2). Nous avons galement propos diffrentes heuristiques avec garantie de performances un facteur constant de loptimal et gnrant des ordonnancements de taille polynomiale (Algorithmes 2.3 et 3.6). Enn, nous avons propos un schma dapproximation polynomial pour le problme initial (Algorithme 4.5). Bien que cet algorithme ne soit pas utilisable en ltat du fait de sa dpendance largement exponentielle en K , les principes que nous avons prsents permettront peut-tre de dvelopper des heuristiques non garanties mais afchant de bonnes performances en pratique. Les perspectives pour la poursuite de ces travaux sont nombreuses. Nous les avons dtailles chaque n de chapitre, rappelons ici les plus intressantes. Tout dabord, nous avons vu que le cas des messages de longueur non-uniforme sans premption reste largement mal compris, particulirement lorsque la dissmination a lieu sur plusieurs canaux. Nous aimerions russir garantir les performances dheuristiques pour la dissmination sur plusieurs canaux. Ensuite, nous avons vu que notre minorant du cas premptif suggre de ne pas prempter, alors que dune part il est impossible de lapprocher un facteur constant sans prempter les messages dans le cas gnral, et que dautre part nos heuristiques ralisent un facteur constant dapproximation en premptant systmatiquement les messages.

189

O RDONNANCEMENT

MINATION DE DONN E ES POUR LA DISS E

Nous pouvons donc esprer amliorer soit les heuristiques en premptant plus prudemment, soit le minorant en le modiant pour tenir compte de la ncessit de la premption. Ltude de ladaptation au cas premptif des ides utilises pour la conception du schma dapproximation du problme initial pourrait tre galement une possibilit intressante. Rappelons que le problme premptif modlise aussi un cas particulier dune autre variante du problme initial o les requtes ne demandent plus un message, mais un lot de messages. Le cas premptif est le cas o ces lots sont disjoints. Ltude de cas plus gnraux est une perspective intressante qui fait partie de nos projets de recherche court terme. Enn, la -duret du problme initial sans cots de diffusion ainsi que son appartenance , restent ouvertes et leurs dterminations permettraient de mieux comprendre la complexit intrinsque du problme.

190

BIBLIOGRAPHIE

DISSMINATION DE DONNES

Bibliographie Dissmination de donnes

[AAB 98]

D. Aksoy, M. Altinel, R. Bose, U. Cetintemel, M. Franklin, J. Wang, et S. Zdonik. Research in data broadcast and dissemination. In Proc. of the International Conference on Advanced Multimedia Content Processing (AMSP), Osaka, Nov. 1998. Disponible uuvwvwvyx4zj{x}|h~vx40u~j{G~z0GuGSu . S. Acharya, R. Alonso, M. J. Franklin, et S. Zdonik. Broadcast disks : data management for asymetric communications environment. In Proc. of ACM International Conference on Management of Data (SIGMOD95), Santa Cruz, CA, Juin 1995. Disponible uuvwv(vx4zj{x}|h~vx4!Gu~j{G~z0GuGu . Swarup Acharya. Broadcast Disks : Dissemination-based Management for Assymmetric Communication Environments. Thse, Brown University, Mai 1998. Disponible uuvwvwvyx}|00  S|{x4z<uhz0hG~"Gu . A. Acharya, M. Franklin, et S. Zdonik. Prefetching from a broadcast disk. In Proc. of the Conference on Data Engineering, New Orleans, 1996. Disponible uuvwv(vx4zj{x}|h~vx4!Gu~j{G~z0GuGu . A. Acharya, M. Franklin, et S. Zdonik. Balancing push and pull for data broadcast. In Proc. of ACM International Conference on Management of Data (SIGMOD97), Tuscon, Arizona, Mai 1997. Disponible uuvwvwvx4zj{x}|G~vx4Gu~j{G~z0GuGu . S. Anily, C. A. Glass, et R. Hassin. Scheduling of maintenance services to three machines. Prpublication OR58, Faculty of Mathematical Sciences, Southampton University, 1994. S. Anily, C. A. Glass, et R. Hassin. The scheduling of maintenance service. Disponible uuvwvwvx}Vx ISxhzx4uh{I{jGu , Juil. 1995. Airmedia Inc., 1997. uuvwv(vx~- x4z<u .

[AAFZ95]

[Ach98]

[AFZ96]

[AFZ97]

[AGH94]

[AGH95] [Air97]

191

BIBLIOGRAPHIE

DISSMINATION DE DONNES

[Amm87]

Mostafa H. Ammar. Response time in a teletext system : An individual users perspective. IEEE Transactions on Communications, COM-35,11 :11591170, Nov. 1987. Page daccueil uuvwvwvx4zzx z0x4Gu-zu<0{II-x4yG~u . M. H. Ammar et J. W. Wong. The design of teletext broadcast cycles. In Performance Evaluation, volume 5(4), pages 235242, 1985. Page daccueil uuv(vwvx4zzx z0x4!GuBhzu<0{I-x4yG~u . M. H. Ammar et J. W. Wong. On the optimality of cyclic transmission in teletext systems. In IEEE Trans. on Comm., volume COM-35(11), pages 1159 1170, 1987. Page daccueil uuvwvwvyx4zzx z0x4Gu-hzu<0{IIBx4XG~u . S. Baruah et A. Bestavros. Pinwheel scheduling for fault-tolerant broadcast disks in real-time database systems. In Proc. of IEEE International Conference on Data Engineering (ICDE97), Birmingham, England, Avr. 1997. Disponible uuGzj{Bvwvwvx}|Sx4Gu|j{Iu . A. Bestavros et C. Cunha. Server-initiated document dissemination for the www. IEEE Data Engineering Bulletin, 19(3) :311, Sept. 1996. Disponible uuGzj{Bv(vwvx}|Sx4!Gu|j{IIu . Azer Bestavros. Speculative data dissemination and service to reduce server load, network trafc and service time in distributed information systems. In Proc. of the 1996 International Conf. on Data Engineering (ICDE96), Mars 1996. Disponible uuGzj{Bvwv(vx}|Sx40u|j{IIu . T. G. Bowen, G. Gopal, G. E. Herman, T. M. Hickey, K. C. Lee, W. H. Manseld, J. Raitz, et A. Weinrib. The Datacycle architecture. Communications of the ACM, 35(12) :7181, Dc. 1992.

[AW85]

[AW87]

[BB97]

[BC96]

[Bes96]

[BGH 92]

[BNBNS98] A. Bar-Noy, R. Bhatia, J. Naor, et B. Schieber. Minimizing service and operation costs of periodic scheduling. In Proc. of the 9th Annual ACM-SIAM Symp. on Discrete Algorithms (SODA98), pages 1120, 1998. Disponible uuvwvwvx40!x Ixzx u0u . [BNS99] Amotz Bar-Noy et Yaron Shilo. Optimal broadcasting of two les over an asymmetric channel. In Proc. of Infocom, 1999. Disponible uuvwvwvx40!x Ixzx u0u . M. Y. Chan et F. Chin. General schedulers for the pinwheel problem based on double-integer reduction. IEEE Transaction on Computers, 41(6) :755768, Jun. 1992. M. Y. Chan et F. Chin. Schedulers for larger classes of pinwheel instances. Algorithmica, 9 :425462, Juin 1993. DirecPC Inc., 1997. uuvwv(vx4<~z00zx4z<u .

[CC92]

[CC93] [Dir97]

192

BIBLIOGRAPHIE

DISSMINATION DE DONNES

[Ent99] [FZ97]

EntryPoint Inc., Aot 1999. uuvwv(vx40V~"jx4z<u . M. Franklin et S. Zdonik. A framework for scalable disseminationbased systems. In Proc. of the International Conference Object Oriented Programming Languages Systems, pages 94105, 1997. Disponible uuvwvwvx4zj{x}|G~vx4Gu~j{G~z0GuGu . M. Franklin et S. Zdonik. Data in your face : Push technology in perspective. In Invited paper to ACM International Conference on Management of Data (SIGMOD98), Seattle, WA, Juin 1998. Disponible uuvwvwvx4zj{x}|G~vx4Gu~j{G~z0GuGu . J. Gecsei. The architecture of Videotex Systems. Prentice Hall, Englewood Cliffs, N. J., 1983. D. K. Gifford. Polychannel systems for mass digital communications. Communications of the ACM, 30(2) :141151, Fv. 1990. M. R. Garey et D. S. Johnson. Compters and intractability, A guide to the theory of NP-completeness. W. H. Freeman and co., 1979. M. Guignard. Lagrangean relaxation : A short course. Belgian Journal of Operation Research, Special Issue Francoro, 35(34) :521, 1995. Page daccueil uuvwv(vx}S0Sx40u .

[FZ98]

[Gec83] [Gif90] [GJ79] [Gui95]

[HGLW87] G. E. Herman, G. Gopal, K. C. Lee, et A. Weinrib. The datacycle architecture for very large high throughput database systems. In Proc. of ACM International Conference on Management of Data (SIGMOD87), pages 97103, San Fransisco, CA, Mai 1987. [HMR 89] R. Holte, A. Mok, L. Rosier, I. Tulchinsky, et D. Varvel. The pinwheel : A real-time scheduling problem. In Proc. 22nd Hawaii International Conference on System Science, pages 693702, Kaillua-Kona, Jan. 1989. [HR87] M. Hofri et Z. Rosberg. Packet delay under the golden ratio weighted TDM policy in a multiple-access channel. In IEEE Trans. on Information Theory, volume 11(33), pages 341349, Mai 1987. S. Hammeed et N. H. Vaidya. Efcient algorithms for scheduling data broadcast. ACM-Baltzer Wireless Networks Journal (WINET), 1999. A paratre, disponible uuvwvwvyx4zj{x Xx4!GuBhz0S 0uGS 0Gu 0x} u . G. Hadley et T. M. Whitin. Analysis of inventory systems. Prentice-Hall, 1963. T. Imielinski et B. Badrinath. Mobile wireless computing : Challenges in data management. Communications of the ACM, 37(10) :1828, Oct. 1994. Disponible uuvwvwvx4zj{x}~-S0~{x4!GuX 0{u . A. Itai et S. Rosberg. A golden ratio control policy for a multiple-access channel. IEEE Transactions on Autom. Contr., AC-29 :712718, Aot 1984.

[HV99]

[HW63] [IB94]

[IR84]

193

BIBLIOGRAPHIE

DISSMINATION DE DONNES

[IVB94a]

T. Imielinski, S. Viswanathan, et B. Badrinath. Energy efcient indexing on air. In Proc of ACM International Conference on Management of Data (SIGMOD94), Mai 1994. Disponible uuvwvwvx4zj{x}~/S0~{x4Gu7 0{u . T. Imielinski, S. Viswanathan, et B. R. Badrinath. Power ltering of data on air. In Proc. of International Conference on Extending Database Technology (EDBT), Cambridge, Mar. 1994. Disponible uuvwvwvx4zj{x}~-S0~{x4!GuX 0{u . Intelligent vehicle highway systems projects. Rapport de recherche, Department of Transportation, Minnesota, Mars 1994. S. Khanna et V. Liberatore. On broadcast disk paging. In Proceedings of 30th Symp. on Theory of Computing (STOC98), volume 30, pages 634643, 1998. Disponible uuGz0x}|0  |{x4z<uy{V0u . D. E. Knuth. The art of computer programming. Addison-Wesley, 1973. Reading. C. Kenyon et N. Schabanel. The data broadcast problem with nonuniform transmission times. In Proc. of the 10th Symp. on Discrete Algorithms (SODA99), pages 547556, Jan. 1999. Disponible uuvwvwvx40{ <x ~u{z0h|hGu . C. Kenyon, N. Schabanel, et N. E. Young. Polynomial-time approximation scheme for Data Broadcast. In Proc. of the 32nd ACM Symposium on Theory of Computing (STOC 2000), Mai 2000. A paratre. Disponible uuvwvwvx40{ <x ~u{z0h|hGu . S. Khanna et S. Zhou. On indexed data broadcast. In Proceedings of 30th Symp. on Theory of Computing (STOC98), volume 30, pages 463472, 1998. Disponible uuGz0x}|0  |{x4z<uy{V0u . Marimba Inc., 1997. uuvwv(vx}yG~BX|hx4z<u . Pointcast Inc., 1997. uuvwv(vx}z{Ijx4z<u . N. Schabanel. The databroadcast problem with preemption. In LNCS 1770 Proc. of the 17th Symp. on Theoretical Aspects of Computer Science (STACS2000), pages 181192, Lille, Fv. 2000. Rapport de recherche LIP RR1999-49 disponible uuvwvwvyx40{ <x ~u<"u . E. Sigel. Videotext : The coming revolution in Home/Ofce Information Retrieval. Knowledge Industry Publications, White Plains, 1980. S. Shekhar et D. Liu. Genesis : An approach to data dissemination in Advanced Traveler Information Systems (ATIS). IEEE Data Engineering Bulletin, Special issue on Data Dissemination, 19(3), Sept. 1996. Disponible uuvwvwvx4zj{x}Sx4Gu{00hG~ .

[IVB94b]

[IVH94] [KL98]

[Knu73] [KS99]

[KSY00]

[KZ98]

[Mar97] [Poi97] [Sch00]

[Sig80] [SL96]

194

BIBLIOGRAPHIE

DISSMINATION DE DONNES

[ST97a]

C.-J. Su et L. Tassiulas. Broadcast scheduling for information distribution. In Proc. of IEEE INFOCOM, 1997. Disponible uuvwvwvx4zx}Sy!x4Gu ~0{ . C. J. Su et L. Tassiulas. A method to design broadcast schedules for information dissemination through broadcasting. In Proc. of IEEE InfoCom, 1997. Disponible uuvwvwvx4zx}Sy!x4Gu ~0{ . C.-J. Su et L. Tassiulas. Joint broadcast scheduling and users cache management for efcient information delivery. ACM Journal on Wireless Networks, 1999. Disponible uuvwvwvyx4zx}S!x4!Gu ~0{ . N. Shivakumar et S. Venkatasubramanian. Energy-efcient indexing for information dissemination in wireless systems. ACM-Baltzer Journal of Mobile Networks and Nomadic Applications (NOMAD), Dc. 1996. Disponible vwvwvx {IIS~!x4Gu{ G . L. Tassiulas et C.-J. Su. Optimal memory management strategies for a mobile user in a broadcast delivery system. IEEE Journal on selected areas in communications, 1999. Disponible uuv(vwvx4zx}Sy!x4Gu Sh~0{ . K. Tan et J. Xu. Energy efcient ltering of nonuniform broadcast. In Proc. of the 16th Int. Conf. in Distributed Computing System, pages 520527, 1996. N. H. Vaidya et S. Hameed. Data broadcast in asymetric environments. In Proc. of the rst International Workshop on Satellitebased Information Services (WOSBIS), Nov. 1996. Disponible uuvwvwvx4zj{x ISx4Gu-hz0S 0u0 00uPS x}VX4u . N. H. Vaidya et S. Hameed. Log time algorithms for scheduling single and multiple channel data broadcast. In Proc. of the 3rd ACM/IEEE Conf. on Mobile Computing and Networking (MOBICOM), Sept. 1997. Disponible uuvwvwvx4zj{x ISx4Gu-hz0S 0u0 00uPS x}VX4u . N. H. Vaidya et S. Hammeed. Scheduling data broadcast in asymetric communication environments. ACM-Baltzer Wireless Networks Journal (WINET), 1999. A paratre, disponible uuvwvwvx4zj{x ISx4Gu-hz0S 0u0 00uPS x}VX4u . S. Viswanathan. Publishing in wireless and wireline environments. Thse, Rutgers University, 1994. W. Wei et C. Liu. On a periodic maintenance problem. Operation Research Letters, 2 :9093, 1983. N. E. Young, R. E. Tarjan, et J. B. Orlin. Faster parametric shortest path and minimum balances algorithms. In Networks, volume 21(2), Mars 1991.

[ST97b]

[ST99]

[SV96]

[TS99]

[TX96] [VH96]

[VH97]

[VH99]

[Vis94] [WL83] [YTO91]

195

BIBLIOGRAPHIE

DISSMINATION DE DONNES

[ZFAA94]

S. Zdonik, M. Franklin, R. Alonso, et S. Acharya. Are disks in the air just pie in the sky ? In Proc. of IEEE Workshop on Mobile Computing Systems and Application, Santa Cruz, CA, Dc. 1994. Disponible uuvwvwvx4zj{x}|G~vx4Gu~j{G~z0GuGu . G. K. Zipf. Human Behaviour and the Principle of Least Effort. AddisonWesley, 1949.

[Zip49]

196

Index Dissmination de donnes

Algorithmes dapproximation Cas de la dissmination premptive, 125140 Gloutons, 128, 138 Priodiques, 132, 139 Randomiss, 126, 137 Cas des longueurs non-uniformes, 8394 Gloutons, 87 Priodiques, 92 Randomiss, 83 Cas des longueurs uniformes bas sur le nombre dor, 5154 Gloutons, 4851 Groupes-cyclique glouton, 150 Groupes-cyclique priodique, 154 Groupes-cyclique randomis, 148 Partition dun ensemble de messages, 172 Randomiss, 4446 Schma dapproximation polynomial, 177 Extension plusieurs canaux, 51, 134140 Arrondir, 171 Asymtriques (Environnements ), 4 Attente en arrire, 30, 108 Dnition, 3034 Broadcast disks, v. Disques diffusants Flat , v. Disques diffusants linaires Cot dun ordonnancement, 2627, 103 Contribution au , 156 Ngligeable, 170 Optimale, 157 Expression, 2730, 105113 Fidlit dun minorant, 61 Gain par ajout de canaux, 63 Minorants dAmmar et Wong, v. X Fidlit, 61 Fidlit de L , 6162, 7275  , 35, 3539, 147 y  , 37 L , 70, 77 LSj4 , 116 , 75 y , 117 , 157 Rsolution, 181186 Reprsentation graphique, 29, 107 Rgle de la racine carr, 25, 61, 72 Rversibilit, 109 Cot de diffusion, 26 Crneau, 35 Data Broadcast, v. Dissmination de donnes

197

INDEX

DISSMINATION DE DONNES

Diffusion de donnes, v. Dissmination de donnes Dilatation dun ordonnancement, 164 Disques diffusants, 11 linaires, 11 Dissmination de donnes, 314 Applications, 37 Contributions, 1213, 5457 Etat de lart, 912, 34 Exemple, 2425, 99102 Modle, 79, 2527 premptif, 100103, 103104 Dbit dinformation, 8 Dcoupage en blocs indpendants, 161 Drandomisation gloutonne, 4648, 87, 138, 151 Echantillonner, 162 Economie dnergie, 7, 1112 Emplacement, 146 Ordonnancer dans des s rservs, 164 Etat Cas de la dissmination premptive, 123, 127 Cas des longueurs non-uniformes, 81, 87 Cas des longueurs uniformes, 41 En prsence de groupes, 149 Graphe d Cas de la dissmination premptive, 123 Cas des longueurs non-uniformes, 81 Cas des longueurs uniformes, 41 Extension plusieurs canaux, 42 Etirer un ordonnancement, 159 Existence dun optimal priodique Cas de la dissmination premptive, 123

Cas des longueurs uniformes, 4043 Fidlit, v. Cot dun ordonnancement Fonction objectif, v. Cot de lordonnancement Frquence dun message, 37 Frquence de diffusion, 145, 157 Groupe de messages, 144, 146, 172 Groupes-cyclique (Ordonnancement ), 144, 146 Indexage, 7 Interactif (Protocole ), 4, 6 Lots de messages, 103 Maintenance de machines, 9 Mixte (Approche ), 4
y -duret

Cas de la dissmination premptive, 121 Cas des longueurs non-uniformes, 77 Ordonnancement optimal Algorithmes en temps ni Cas de la dissmination premptive, 123 Cas des longueurs non-uniformes, 82 Cas des longueurs uniforme, 43 asymptotiquement optimal, 73 Borner la priode dmission, 66, 113 Densit des ordonnancements priodiques, 65, 79, 113 Existence dun optimal priodique, 59, 80, 82, 123 Existence dun , 79 Existence de trous, 63

198

INDEX

DISSMINATION DE DONNES

Paquets, 99, 103 Paquets-cyclique (Ordonnancement ), 104 Popularit, v. Probabilits de demande Probabilits de demande, 7 Prol utilisateur, 7, 25 Prchargement, 8, 11 Pseudo-interactif (Protocole ), 4, 6 Pull-Based, v. Interactif Push-based, v. Pseudo-interactif Relaxation Lagrangienne, 14, 3839, 182 Rapprovisionnement de stocks, 9 Rsolution des problmes de minimisation, 181186 Numrique, 184 Problmes forts, 185186 Problmes relaxs, 182184 Rtro-cot, 31, 108 Temps de service, 26 Time slot, v. Crneau

199

Index des citations Dissmination de donnes

[Amm87], 9, 35 [AAFZ95], 11 [AFZ96, Ach98], 11 [AFZ97, FZ97, FZ98], 6 [AGH94], 10 [AGH94, AGH95], 9 [AGH95], 911, 41 [AGH95, BNBNS98], 30, 54 [Air97], 5 [AW85], 9, 10, 12, 13, 25, 34, 35, 46, 55, 95, 144 [AW85, AW87], 10, 153 [AW85, BNBNS98], 35 [AW87], 9, 41, 51, 54 [AW87, AGH95], 43 [AW87, BNBNS98], 144 [Bes96], 6 [Bes96, BC96], 7 [BNBNS98], 9, 10, 13, 14, 35, 37, 39, 40, 44, 46, 48, 51, 52, 78, 102, 117, 123, 125, 134, 135, 143, 153, 179, 183, 185, 186 [BNS99], 11, 13, 103 [BNS99, KS99, Sch00, KSY00], 30, 54 [Dir97], 3 [YTO91], 43, 82, 125 [Ent99], 5 [FZ97], 6 [Zip49], 10, 46 [ZFAA94], 11 [FZ98], 6 [Gec83], 9, 44 [Gif90], 5 [Gui95], 14 [HGLW87, BGH 92], 5 [HGLW87, BGH 92, Ach98], 144 [HMR 89, CC92, CC93, BB97], 8 [IB94, IVB94b, IVB94a], 11 [IR84, HR87], 10, 52 [IVH94, SL96], 3, 5 [Knu73], 10, 52 [KL98], 11 [KZ98], 12, 56, 144 [Mar97], 5 [Poi97], 5, 7 [Sig80], 5, 9 [ST97a, ST97b], 10, 46 [SV96], 11 [Vis94], 7 [VH96, VH97, VH99, HV99], 12, 59, 69 [WL83], 9

201

Deuxime partie

Allocation statique de frquences

203

CHAPITRE

Allocation statique de frquences sur la grille triangulaire

Introduction
Dans ce chapitre qui constitue la seconde partie du document, nous abordons le problme de lallocation statique de frquences en proposant un algorithme dapproximation pour les sous-graphes induits de la grille triangulaire.

La problmatique
Nous avons vu dans lintroduction de ce document (pages 1420) que le problme dallocation de frquences dans un rseau cellulaire se modlise par un graphe dont les sommets sont les transmetteurs et dont les artes reprsentent les possibilits dinterfrence entre les transmetteurs. Chaque transmetteur doit recevoir sufsamment de frquences pour satisfaire la demande des utilisateurs dans son domaine de couverture. Les frquences alloues doivent vrier des contraintes dinterfrence an dviter que des communications diffrentes ne se brouillent entre elles. En particulier deux frquences affectes un mme transmetteur ou deux transmetteurs voisins ne doivent pas tre trop proches. Les frquences sont codes par des entiers et les contraintes dinterfrence sont reprsentes par une suite dcroissante dentiers jh L  : j , appele contrainte dinterfrence co-site, est lcart minimal impos entre deux frquences alloues un mme transmetteur, et les V , pour , appeles contraintes inter-site, sont les carts minimaux entre deux frquences affectes des metteurs distance lun de lautre dans le graphe dinterf% , appel distance de rutilisation, est la distance rence. Le premier indice tel que  i partir de laquelle deux transmetteurs nentrent plus en interfrence. Lobjet de lallocation

205

A LLOCATION

QUENCES STATIQUE DE FR E

de frquences est doptimiser lutilisation du spectre de frquences. Nous recherchons donc une affectation des frquences sur les sommets du graphe qui minimise la taille totale de la plage de frquences utilise [en anglais, span], cest--dire la diffrence entre les frquences maximale et minimale alloues aux transmetteurs. En considrant que chaque frquence est une couleur au sens habituel de la thorie des graphes, nous sommes ramens une gnralisation du problme de coloriage de graphes, que nous appellerons le multi-coloriage sous contraintes. Dans ce chapitre nous nous intressons lallocation de frquences pour les sousgraphes induits de la grille triangulaire dnie comme le rseau (au sens mathmatique) du plan engendr par les vecteurs %< , 0 J et 0 J (cf. illustration , O les , Figure 6.1). Cette classe de graphes est frquente dans rseauxO cellulaires rels (voir par exemple [Hal80, Mac79, KN96]) car elle correspond un positionnement des transmetteurs dans le plan qui maximise la couverture du rseau tout en limitant les interfrences. McDiarmid et Reed ont dmontr dans [MR97] que le problme du multi-coloriage sous les contraintes j h (  % pour wJ ) est y -difcile pour cette classe de graphes.
i i i

F IG . 6.1 : Dnition la grille triangulaire . Nous reprsentons en pointill son graphe dual (la grille hexagonale) qui correspond au graphe de couverture des transmetteurs placs selon la grille . Nous tudions dans ce chapitre le cas o la distance de rutilisation vaut J (V % pour i 7J ) et les contraintes co-site et inter-site vrient : $  . Nous proposons une i ou 2 de loptimum lorsque la contrainte co-site vaut V approximation un facteur , i et une -approximation1 lorsque (Thormes 6.1, 6.3 et 6.4). Nous dmontrons ga lement que nous pouvons amliorer le facteur de performance de notre heuristique lorsque V sous une certaine contrainte duniformit des demandes des diffrents transmetteurs i que nous verrons au Thorme 6.2.
1

Cest--dire une approximation optimale une constante additive prs.

206

Chapitre 6 Allocation statique de frquences sur la grille triangulaire Introduction

Dnition du modle tudi dans ce chapitre

Dnition du modle tudi dans ce chapitre

Dans ce chapitre, nous considrons le multi-coloriage dans le cas o les contraintes dinterfrence vrient : j&h et V % pour tJ . Le modle est alors le suivant :
-w , un enDenition 6.1 (Multi-coloriage sous contrainte) Soient un graphe2 i tier j& et une fonction k7 reprsentant les demandes en frquences des diffrents transmetteurs placs sur les sommets du graphe . Un multi-coloriage (ou allocation de frquences) du graphe sous la contrainte co-site j (et la contrainte inter-site ) est une application3 kbwt , telle que : i - eNn f , i Zn ! eNn Z I ` i enN e n et n  f i i

Satisfaction de la demande en ,

& j , Contrainte co-site, Z ` Z, Contrainte inter-site. /- i est lensemble des frquences alloues au sommet . La plage de la fonction dallocation [en anglais, span] est dnie comme la taille de la plage totale de frquences

utilise :
ioG -P o -f ,

o -

i 0

La plage minimale jh du graphe muni dune demande sous la contrainte cola valeur optimale de la plage dun multi-coloriage de : site j est alors dnie comme
jhw
multi-coloriage de o

Lobjectif de lallocation statique de frquences est donc de trouver une allocation de frquence de plage minimale qui satisfasse les contraintes dinterfrence. Remarque 6.1 Si on cherchait minimiser seulement le nombre de frquences et non la taille de la plage de frquence, la valeur de serait sans importance, puisque lon obtiendrait une solution optimale pour le problme sous contrainte V partir dune solution optimale au problme sous contrainte en multipliant toutes les frquences par j . Le problme tant -difcile pour la classe de graphes que nous allons considrer, lobtention dun minorant de la plage minimale de nous sera utile pour valuer les perforLes dnitions et proprits lmentaires des graphes ne sont pas rednies systmatiquement dans ce document, aussi en cas de doute nous conseillons au lecteur de se rfrer aux ouvrages [BM76, Wes96] par exemple. 3 On dsigne par " lensemble des parties de lensemble .
2

207

A LLOCATION

QUENCES STATIQUE DE FR E

mances des algorithmes que nous allons proposer. Remarquons que la plage minimale dun graphe est minor par la plage minimale de ses sous-graphes induits. Aussi, un minorant naturel de la plage minimale dun graphe est la valeur maximale de la plage minimale dune de ses cliques4 . La valeur de la plage minimale dune clique a fait lobjet de nombreuses tudes. Gamst propose en particulier dans [Gam86] une longue liste de valeurs pour ce paramtre en fonction des demandes et des contraintes. Nous rappellerons ces rsultats au Lemme 6.2. Denition 6.2 (Plage maximale des cliques) Pour tout graphe , nous dnissons la plage maximale des cliques de de demande sous la contrainte co-site j (et la contrainte ), note j , comme le maximum des plages minimales des cliques de . Ainsi :
jw
clique G de

dsigne la restriction de la fonction de demande aux sommets de .

La plage maximale des cliques de muni dune demande est un minorant de la plage minimale de :
jhtp jh ou la contrainte j , nous noterons En labsence dambigut sur la fonction de demande simplement et pour la plage minimale de et pour la plage maximale de ses cliques respectivement. Nous valuons les performances de nos algorithmes en fonction de la plage maximale des cliques du graphe. Comme les cliques de ont toutes taille , ou , ce minorant est facile calculer pour les sous-graphes induits de . Ce paramtre peut cependant tre un facteur constant de la plage minimale du graphe. En effet considrons un cycle de longueur et de demande uniforme5 sous la contrainte j7 . Les cliques maximales de ont taille et la plage maximale des cliques de vaut -w 9 . Nous pouvons cependant minorer la plage minimale du cycle en remarquant quelle est ncessairement suprieure au rapport du nombre total de frquences allouer ( frquences) sur le nombre maximum de fois que lon peut rutiliser une frquence dans le cycle ( fois au - . Il existe donc des graphes pour lesquels : plus). Ainsi, -

4 5

Une clique dun graphe est un ensemble de sommets de tous connects entre eux dans On note Cte pour signier que est la fonction constante de valeur Cte.



208

Chapitre 6 Allocation statique de frquences sur la grille triangulaire Introduction

Un premier exemple : Multi-coloriage optimal des graphes bipartis

Le cycle de longueur est un sous-graphe induit de la grille triangulaire (cf. Figure 6.2). Aussi est le meilleur facteur dapproximation que lon puisse esprer obtenir en utilisant cette minoration pour le multi-coloriage des sous-graphes induits de . Havet a dmontr rcemment dans [Hav99] que lon pouvait trouver un multi-coloriage sous contrainte j de plage pour les sous-graphes sans triangle de . Et, faute de contre-exemples, McDiarmid et Reed conjecturent que la plage minimale des sous-graphes induits de pour rait tre majore par Vy< Cte. Cependant, notre connaissance, la meilleure borne ce jour pour ce cas est  .





F IG . 6.2 : Le cycle de longueur est un sous-graphe induit de la grille triangulaire .

Un premier exemple : Multi-coloriage optimal des graphes bipartis

Le cas des graphes bipartis6 est lmentaire et nous servira par la suite. Considrons biparti de demande . Puisquil ny donc en guise dintroduction, un graphe D a pas de triangles, les seules cliques de sont les artes de . Si jc , la plage maximale des cliques de est la valeur maximale de la somme des demandes des extrmits dune arte de . Laffectation de frquences qui consiste les frquences  et aux sommets de les attribuer aux sommets de frquences  t&w  , est bien un multi-coloriage de qui satisfait toutes les contraintes et dont la plage est optimale. Nous avons donc :

  





biparti w

lorsque

Supposons prsent que ja . Lide est dentrelacer les frquences que nous allons 0 . Sil existe deux sommets affecter des sommets voisins. Notons oG adjacents de demande , alors larte qui les relie est la clique de plage minimale maxi7 . Sinon, toute arte partant dun sommet de demande male et : jS

    



6 Un graphe r ( est dit biparti sil existe une partition de en deux sous-ensembles tels que que toutes les artes de relient un sommet de un sommet de .

! #"%$'&

"

"(*),+

209

A LLOCATION

QUENCES STATIQUE DE FR E

maximale est de plage minimale maximale et :    . Or, on peut prouver de manire immdiate que si contient un sommet de demande maximale, laffectation de frquences qui attribue aux sommets de les frquences j  S3foj et aux sommets de les frquences h j  oe<V j est un multi-coloriage optimal qui satisfait les contraintes. Ainsi :



.

-

biparti

f ,

lorsque j

A la dernire tape de notre algorithme 6.1, le graphe multi-colorier est biparti. Nous utiliserons alors ce rsultat.

Plan du chapitre
Aprs une premire section prliminaire prsentant les mthodes utilises pour construire notre algorithme, nous prsenterons Section 6.2 notre -approximation pour VT , que nous tendrons Section 6.3 au cas o j . Nous proposerons enn une . Le thorme 6.2 dmontre que lon peut -approximation Section 6.4 pour le cas o amliorer lalgorithme pour obtenir une 7 -approximation lorsque jD sous une les nuds du graphe, o certaine condition duniformit des demandes entre est le rapport de la demande minimale sur la demande maximale des nuds du graphe. Nous ne considrerons prsent que des sous-graphes induits de la grille triangulaire .

-

0/ 1

/3254 6 87

6.1

Prliminaires

Dans cette section, nous dnissons deux oprations qui nous seront fort utiles par la suite, le coloriage Rouge-Vert-Bleu et lemprunt de couleurs. Nous verrons sur un exemple trs simple comment ces oprations permettent de calculer un multi-coloriage efcace. La dernire section prsente les valeurs de la plage maximale des cliques pour notre problme en fonction de la contrainte co-site. Ces valeurs nous permettront dtablir les rapports de performance de nos heuristiques dans les sections suivantes.

6.1.1

Coloriage Rouge-Vert-Bleu et emprunt de frquences

Si le multi-coloriage de la grille triangulaire est -difcile, son coloriage optimal en trois couleurs Rouge, Vert et Bleu est immdiat (cf. illustration Figure 6.3 page suivante). Nous rfrerons cette partition des sommets en trois couleurs, lorsque nous dirons quun sommet de est rouge, vert ou bleu. Denition 6.3 (Coloriage Rouge-Vert-Bleu) Nous dirons par la suite que nous effectuons coloriages Rouge-Vert-Bleu (RVB en abrg) si nous construisons trois ensembles or-

210

Chapitre 6 Allocation statique de frquences sur la grille triangulaire 6.1 Prliminaires

6.1.2 Un premier exemple :

:<;>=*? et B @ A#CEDF=0G

I J I J I

J H J H J I H I H

H J I J I

I H J H J

J I I

F IG . 6.3 : -coloriage de la grille triangulaire . donns et disjoints , , et de cardinal et contenant des frquences respectivement rouges, vertes et bleues et si nous attribuons tous les sommets rouges (resp. verts, fI premires frquences de lensemble (resp. , ). bleus) du graphe


Une telle affectation respecte les contraintes dinterfrence inter-site et rduit les demandes de chaque sommet du graphe de . Lopration suivante va nous permettre de rutiliser les frquences qui nont pas t utilises lors dune tape de coloriages RVB. Denition 6.4 (Emprunt) Aprs une tape de coloriages RVB, nous dirons quun sommet de couleur rouge (par exemple) satisfait sa demande en empruntant ses voisins de couleur vert (par exemple) lorsquil lui est allou eA frquences de parmi G celles qui nont pas t attribues ses voisins verts lors de ltape de coloriages RVB.

M6

Ces outils vont nous permettre de rduire la complexit du graphe comme lillustre lexemple suivant.

6.1.2

Un premier exemple : NPORQTS et U WV1X(YEQ[Z

Lemme 6.1 (Exemple) Soit un sous-graphe induit de la plage minimale de satisfait : X .

'\ >egf

. Si X

^`_ ba

et

'\ dc , alors

Preuve. Comme la plage maximale des cliques de vaut , aprs une tape de coloriage RVB, le graphe induit par les sommets de dont les demandes restent insatisfaites aprs cette tape, na plus de triangle. Ce graphe est mme constitu uniquement de sommets isols (sinon il existerait deux sommets adjacents de demande suprieure dans ce qui contredirait X ).

'\ ic

211

A LLOCATION

QUENCES STATIQUE DE FR E

Un sommet de dont la demande insatisfaite vaut , tait isol dans et sa demande peut donc tre satisfaite en empruntant les deux frquences non-attribues ses voisins lors de ltape de coloriage RVB. Enn, les sommets de dont les demandes insatisfaites valent , sont isols, et leur demande peut donc tre satisfaite en leur attribuant tous une mme quatrime et dernire couleur.

Notons que cette borne est optimale comme le dmontre le graphe Figure 6.4.

k k k k n '\ of \ k k \ k

k k l a

k k k k  \

k k k k '\ mc

F IG . 6.4 : Un exemple de graphe avec sommets pour lequel Xa et . Les sommets et les artes de sont reprsents en gras. Les demandes des sommets sont reprsentes lintrieur de chaque sommet: compte un sommet de demande et sommets de demande .

aqp

6.1.3

Expression de la plage maximale des cliques de

X ] r

Les valeurs de la plage minimale dune clique pour les contraintes que nous considrons ont t calcules par Gamst dans [Gam86]. Les seules cliques dun sous-graphe induit de sont les sommets isols, les artes et les triangles. Quitte rajouter des sommets de demande nulles, nous pouvons supposer que ce sont toutes des triangles. Notons donc lensemble des triangles de .

Lemme 6.2 (Plage maximale des cliques, [Gam86]) Soit 0 . Alors : muni de demande . Notons

^`_ oa , u Si ^`_ ,
Si
212

'\wv<sxvya( '\wv<sxvS(

s 

\ un sous-graphe induit de ] s  t oG y z<{+Gq | Mset}se~<+}sI . s3av s  t *s~<+}sI . yo z<{+Gq | Me oG

Chapitre 6 Allocation statique de frquences sur la grille triangulaire 6.2 Algorithme dapproximation pour

^`_ oa

Et si

^ _ c , 8 ^ _SMs5aa , _ Ms5ap , ^8S '\Rv<s%v<^`h _ w ^ _ Ms  5agc ,

si les nuds de demande sont isols. si la plus grande clique de nuds de demande est de taille . sil existe un triangle de nuds de demande .

s

s s

Preuve. Nous prsentons rapidement la preuve lmentaire de cette proprit car elle nous permettra dexpliquer comment nous dnissons les ensemble de frquences Rouge, Vert et Bleu par la suite.

u u

Lorsque a , lunique contrainte est que les frquences alloues aux sommets dune clique soient toutes distinctes, do le rsultat. Lorsque XD , lide est dentrelacer les frquences attribues aux diffrents som < e . mets dun triangle. Considrons un triangle avec f Si f e <y , alors on satisfait optimalement les demandes avec une plage de frquence de taille B f , en attribuant les frquences impaires  f , en attribuant les frquences h   et enn les frquences h _ e < . Si  e <  e , alors on peut satisfaire les demandes avec une plage de taille optimale e P <A I en attribuant cycliquement les frquences impaires puis paires : si lon numrote les frquences de   en commenant par les nombres impairs puis les pairs, on attribue les e premires, les  suivantes et les dernires ; le multi-coloriage obtenu satisfait bien les contraintes dinterfrence.

^`_ a

^_ ` s t gs ~ ds  avcv v s t a  s ~ s ~ s  Ms t 5s ~ 5s  s ~ 

t%~-2r

s t s ~ s 

s t a ~ v s ~ f v v s ~

 v1fv v s ~  s    s t e ~

s 

av v<s t s ~ s   t s t

u j
6.2

Enn, si attribues au

^`_ 9 c , on obtient une plage de taille minimale en choisissant les frquences ime sommet du triangle ( ae 9 e3c ) tous les ^8_ partir de 9 .

Algorithme dapproximation pour

Notre algorithme dapproximation, dcrit page 217, construit lallocation de frquences en trois tapes. Une premire tape limine les triangles du graphe : la n de cette tape, les sommets de demande non-satisfaite forment un graphe sans triangle. La deuxime tape casse les cycles de ce nouveau graphe en liminant au moins un sommet de chacun deux. Les sommets encore non-satisfaits forment alors un graphe biparti, que la troisime tape colorie avec lalgorithme que nous avons vu dans lintroduction. Notons que seule cette dernire tape nest pas locale.

213

A LLOCATION

QUENCES STATIQUE DE FR E

Plus prcisment, ltape diminue les demandes des nuds en effectuant plusieurs coloriages RVB de sorte ce quaucun triangle ne survive. Aprs cette tape, le sousgraphe induit par les sommets dont les demandes nont pas t satisfaites, est donc sans triangle. Un exemple dun tel sous-graphe induit de est prsent Figure 6.5 page suivante. Ltape 2 se propose alors de satisfaire les sommets de ce graphe en leurs attribuant ou qui nont pas t utilises lors des coloriages les frquences des ensembles , RVB de ltape prcdente. Un sommet ne peut cependant emprunter des frquences dans lensemble , par exemple, que si ses voisins rouges ont pu tre satisfaits avec une partie seulement des frquences de cet ensemble. Nous sommes donc amens poser la dnition suivante :

Denition 6.5 (Sommet libre pour une couleur) Si dsigne une couleur dans {rouge, vert, bleu}, nous dirons quun sommet est libre pour la couleur dans si nest pas de couleur dans le -coloriage de (Figure 6.3 page 211) et que ses voisins de couleur dans ont une demande nulle.

Le fait quun sommet soit libre pour une couleur nest cependant pas sufsant, car il faut sassurer quil reste sufsamment de frquences de cette couleur pour satisfaire sa demande restante. En tudiant les proprits gomtriques du -coloriage de , nous verrons au Thorme 6.2 que nous pouvons garantir ce fait pour les sommets libres de degr au moins , que nous appellerons coins par la suite.

Denition 6.6 (Coin) Nous dsignerons par coin tout sommet libre pour une couleur , de demande non-nulle et de degr au moins . Du fait de la structure du -coloriage de (Figure 6.3), une toile forme dun coin rouge (resp. vert, bleu) et de ses voisins bleus (resp. rouges, verts) dans pointe toujours vers la gauche (cf. illustration Figure 6.8). De mme une toile forme dun coin rouge (resp. vert, bleu) et de ses voisins verts (resp. bleus, rouges) dans pointe toujours vers la droite.

Denition 6.7 (Orientation dun coin) Nous distinguons donc deux types de coins (cf. Figure 6.8) : les coins droits de couleurs rouge, bleu ou vert et libres pour les couleurs bleu, vert et rouge respectivement ; et les coins gauches de couleurs rouge, bleu ou vert et libres pour les couleurs vert, rouge et bleu respectivement. Nous pouvons tirer deux observations utiles propos des coins. Lemme 6.3 Pour tout sous-graphe induit de la grille sans triangle (cf. Figure 6.6 page suivante), lensemble de ses coins gauches et lensemble de ses coins droits de forment

214

Chapitre 6 Allocation statique de frquences sur la grille triangulaire 6.2 Algorithme dapproximation pour

^`_oa

AD

F IG . 6.5 : A la n de la premire tape, le sous-graphe induit par les sommets dont la demande reste insatisfaite est sans triangle.

qq>`<.8 `y888 '#q ' q yy8E` 18 y k

F IG . 6.6 : Ltape 2 brise les cycles de en satisfaisant par emprunt les demandes des coins gauches (reprsents en gris).

qB<'B  `,q8 ' `y`

F IG . 6.7 : A la n de ltape 2, le sous-graphe induit par les sommets dont la demande reste insatisfaite, nest plus constitu que de sommets isols, de chemins, et de presque-toiles.

215

A LLOCATION

QUENCES STATIQUE DE FR E

I J I J I H J H J

J I H I H

H J I J I

I H J H J

J I I

F IG . 6.8 : Un exemple de trois toiles centres en un coin rouge: les deux toiles formes avec les voisins bleues pointent vers la gauche et ltoile forme avec les voisins verts pointe vers la droite.

deux ensembles indpendants7 . Lemme 6.4 Tout cycle dun sous-graphe induit de gauche.

sans triangle passe par un coin

Dans notre algorithme 6.1, nous choisissons de satisfaire ltape 2 les demandes des coins gauches en empruntant des frquences chez leurs voisins (cf. exemple Figure 6.6). A lissue de ltape 2, daprs le lemme 6.4, le sous-graphe induit par les sommets de demande non-satisfaite (cf. exemple Figure 6.7) nest plus constitu que de sommets isols, de chemins, et de presque-toiles (une presque-toile est un arbre admettant un unique sommet de degr suprieur ou gale ). Ltape 3 consiste donc enn multi-colorier des graphes bipartis disjoints. Lalgorithme complet est dcrit page ci-contre.

Thorme 6.1 Lalgorithme 6.1 gnre un multi-coloriage de tout sous-graphe de de @ S . Cet algorithme est demande , dont la plage de frquences vaut donc une -approximation.

f-c \

c}Re f '\ F* 1c

Corollaire 6.1 Lorsque du graphe :

^8_a , nous obtenons les bornes suivantes sur la plage minimale ' \ * '\XTe n '\XTe f, c
est dit indpendant si le sous-graphe de

7 Un sous-ensemble ment dconnect.

de sommets de

induit par

est totale-

216

Chapitre 6 Allocation statique de frquences sur la grille triangulaire 6.2 Algorithme dapproximation pour

^`_oa

Algorithme 6.1 Algorithme dallocation de frquences pour la contrainte co-site Entres : Un graphe D et une fonction de demande sur les sommets. XA Posons et . Dnir quatre ensembles de frquences : , ,     et .

\ 'v< 5 '\

^ _ oa

K av vMF 1Rav vF Ldwav vcF cwav vcw}- -1w. Effectuer coloriages RVB de \ avec les ensembles K , et L . (cf. Dnition 6.3 page 210) -1P Pour tout coin gauche t3h , o h est le sous-graphe induit par les sommets de demande non-nulle Si est rouge, alors on satisfait sa demande restante en empruntant ses voisins verts. (cf. Dnition 6.4 page 211)

-1P

De mme, si est vert, on emprunte ses voisins bleus et si prunte ses voisins rouges.

est bleu, on em-

Pour tout sommet isol demande non-nulle

t[

, o

est le sous-graphe induit par les sommets de

-1P Soit le sous-graphe induit par le sommets de demande encore insatisfaite. est biparti. Soient et les deux indpendants partitionnant les sommets de . Satisfaire les demandes des sommets t de demande restante en leurs affectant les premires frquences noires de , puis celles des sommets ~ de demande restante en leurs affectant les dernires frquences noires de .

Attribuer autant de frquences noires dans que ncessaire et si nest toujours pas satisfait, satisfaire sa demande en empruntant son voisin de demande maximale.

217

A LLOCATION

QUENCES STATIQUE DE FR E

Preuve du Thorme 6.1. Etape 1. Soit le graphe induit par les sommets de demande non-nulle aprs ltape 1. est un graphe sans triangle, sinon il existerait un triangle dans dont la somme des demandes serait suprieure X . Etape 2. Comme nous lavons observs au Lemme 6.3, deux coins gauches ne peuvent tre voisins. Aussi, il nous suft de vrier que les frquences alloues chaque coin nentrent pas en interfrence avec celles alloues ses voisins lors de la premire tape. Considrons donc le cas dun coin gauche de couleur rouge et donc libre pour la couleur vert. Comme reoit des frquences vertes, il ne peut entrer en interfrence avec ses voisins bleus. Il suft donc de dmontrer quil reste sufsamment de couleurs vertes pour satisfaire . Soit son voisin vert de demande maximale dans . est un coin donc il admet un voisin bleu dans qui est aussi adjacent . Par dnition de :

'\ t

t ~

set}s~e3w*(seeR}y5a Ainsi Mset<W-se~<e3!ae( , et on peut allouer sans conit les Mset<W dernires frquences vertes les plus grandes au sommet t sans conit. Etape 3.a. Soit le sous-graphe de \ (ou de h ) induit par les sommets qui ne sont pas satisfaits aprs ltape 2. Soit t un sommet isol dans . Les frquences noires nont pas encore t attribues. Nous pouvons donc sans risque de conit les allouer t . Si la s  t dans \ . Considrons demande de t nest pas encore satisfaite, alors nous avons alors son voisin ~ de demande maximale dans \ , nous avons : e s  t e s < ~ e[ et s  t t3 }S ge s < ~ e5 . En particulier ~ a t satisfait ds ltape a et t peut se donc Me satisfaire en empruntant librement les frquences de la couleur de ~ . Etape 3.b. Soit le sous-graphe de \ induit par les sommets de demande non-nulle aprs ltape 3.a. nadmet plus de sommet isol, ni de coin gauche. est donc une union disjointes de chemins et de presque-toiles dont les branches sont rectilignes. Les frquences noires nont t attribues quaux sommets isols de . Il nous suft donc de vrier que les frquences noires sont en nombre sufsant pour colorier les graphes s  t  %p M s  ~ f e bipartis constituant . Or pour toute arte t~ de , nous avons : Me } . C.Q.F.D. j
En fait nous pouvons amliorer les performances de cet algorithme pour peu que les demandes soient peu prs uniformes. Denition 6.8 (Demande relativement uniforme) Etant donn un graphe , nous dirons quune fonction de demande sur les sommets de est relativement uniforme si la somme S , o des demandes des extrmits de toute arte est majore par f .

\ t

s t

'\ s

s }

Cette dnition est motive par ltude des graphes pais dans lequel toute arte appar-

218

Chapitre 6 Allocation statique de frquences sur la grille triangulaire 6.3 Extension au cas o

^`_

tient un triangle dont les sommets ne sont pas de demandes nulles. Tout graphe pais muni dune fonction de demande vrie cette proprit de relative uniformit qui suft en fait pour amliorer les performances de notre algorithme. Nous nous tions intresss aux graphes pais car nous avions remarqu que ce qui pose problme dans le graphe Figure 6.4 page 212 est la double arte centrale. Cette tude nous a permis dobtenir le rsultat suivant : Thorme 6.2 (Cas des demandes relativement uniformes) Lorsque , la plage minimale dun sous-graphe induit de muni dune demande relativement uniforme vrie :

^`_ a

'\Rv<s<e n ' \wv<se  fXPc '\wv<s* o s .s  Pvya . \ s \ '\  '\ cs "!$# % \ '&)( e5s `x  '&)( e[*+-,%
Extension au cas o

Preuve. Nous pouvons supposer que na pas de sommet isol. Nous commenons coloriages RVB. Aprs cette tape, la plage maximale des cliques par appliquer du graphe induit par les sommets dont les demandes nont pas t satisfaites, vaut : X , puisque la demande est relativement uniforme. Appliquer lalgorithme 6.1 au graphe produit alors une allocation de frquences de de plage , en utilisant que X .

'\ >e5s  j

Notons en particulier que notre algorithme est alors optimal une constante additive prs lorsque les demandes sont uniformes et que le graphe est pais.

6.3

/.

Nous allons voir que nous pouvons adapter lalgorithme 6.1 au cas o la contrainte co-site vaut , en prcisant convenablement la rpartition des frquences dans les diffrents ensembles de couleurs. Commenons par remarquer le fait suivant qui est une consquence immdiate du Lemme 6.2 :

^`_0

Lemme 6.5 Lorsque

^8_i , nous avons : s eTx( '\ 154

0 1 032 0 ( )2 1 ( 0 (

La difcult est dadapter ltape 2 pour russir rutiliser les frquences alloues mais non-utilises lors de ltape de coloriage RVB. Pour cela, nous proposons de partitionner les ensembles de frquences de chaque couleur , et en deux parties et , et , et , de taille X , que nous entrelaons en prenant garde ce que tout sommet rouge (resp. vert, bleu) puisse demprunter dans la partition (resp. , ) sans introduire dinterfrences co-site. La gure 6.9 prsente un tel agencement des couleurs. Nous obtenons alors lalgorithme 6.2 page 220.

( 1 2

1 (

219

A LLOCATION

QUENCES STATIQUE DE FR E

Algorithme 6.2 Algorithme dallocation de frquences pour la contrainte co-site

Entres : Un graphe et une fonction de demande sur les sommets. . Poser Dnir les huit ensembles disjoints de frquences de taille (cf. Figure 6.9 page suivante) :

x7

\i6'v<

^`_

-1. -1WP

0 ( avcv vga 82Bv1fv v ( yf`w*cv1f`:9v v;4a 1 2 yf`w*v1f`fv ; v 4F

   

0 2 Rav*cv 1 ( R*vfv 2 <4R*cv;4:9v ( <4Rfv;4:4v

   

v1f`ga v1f`F v;=wa v;=w}-

coloriages RVB

Effectuer coloriages RVB de avec les ensembles avec les ensembles , et .

0 ( ( 1 (

0 2 , 2 et 1 2 , puis

Pour tout coin gauche mande non-nulle

t3h

, o

est le sous-graphe induit par les sommets de de-

Si est rouge, alors on satisfait sa demande restante en empruntant ses voisins verts parmi les couleurs de .

-1WP Soit

De mme, si est vert, on emprunte ses voisins bleus dans ses voisins rouges dans .

0 (

1 (

et si

est bleu,

le sous-graphe induit par les sommets de demande non-nulle. est biparti et on satisfait les demandes des sommets de en attribuant les frquences de aux sommets de lune des deux partitions des sommets de et celles de lautre.

220

Chapitre 6 Allocation statique de frquences sur la grille triangulaire 6.4 Algorithme dapproximation pour le cas o

^`_ c
rrr rrr srss xx rsss xx s |}}|| xyxy s xyxy }}| yy yy

~ 8q` ?? AA CC FF FF ~ 8q`BEq ?>?>> @@@ OOO A@A@@ QQQ CBCBB EDEDED EDEDED FGFGG TTT V FGFGG ~ 8q`q > @ NONN PPP @ PQPP RSSRSR B DE RSSRSR DE G UTUU WVW G N P P SR SR U ~ 8q`q

HHH HHH IHII V X HIII I WV YX I W Y

 JJJ JJJ KJKK X Z KJKK K YX [Z K Y [

Z \ MLMMM \ ^ ffff ^ [Z \ ]\ ^ ^_ [ ] _

LLL

ggg iii kkk ` fgfff hhhh ` b ihhhh jjjj b d jkjjj ` a` b bc d a c

mlmlmld lmlmlm lmed lm e

nnn nnn ppp onoo nooo qpqq o tuutt o q tutut uut utu qpqq q

ppp

{z{z{z vv {z{z{z z{ vwvw |}}| z{ ww }|}|

F IG . 6.9 : Entrelacement des ensembles de frquences pour lalgorithme 6.2.

Thorme 6.3 Lalgorithme 6.2 gnre un multi-coloriage sous la contrainte co-site pour tout sous-graphe induit de muni dune demande , dans une plage de frquence de taille infrieure X . Cet algorithme est donc une -approximation.

-5

=<x 7  5 15 ` 4FW

Preuve. Remarquons que les frquences et ne sont pas utilises. Les stratgies demprunt et dattribution des frquences dcrites dans lalgorithme ne peuvent donc pas introduire dinterfrence co-site. Il nous suft donc de vrier que ces stratgies permettent effectivement de satisfaire les demandes de tous les sommets. Etape 1. A la n de ltape 1, tous les sommets insatisfaits ont une demande majore par f daprs le lemme 6.5. Et est sans triangle. Etape 2. Soit un coin gauche de , rouge par exemple. Soient son voisin vert de demande maximale dans , et un sommet bleu de adjacent et . Nous avons  X , et donc : G < t t . Or, , ainsi peut satisfaire sa demande en empruntant des frquences de uniquement. Etape 3. Les frquences noires nont pas encore t utilises. Comme prcdemment ltape 2 a cass tous les cycles de et nous sommes ramens au multi-coloriage dun graphe biparti o chaque sommet demande au plus frquences. Ltape 3 ralise donc une allocation correcte.

 

 q y    ( (

  R y `  2 (

La section suivante rsoud le dernier pour les contraintes co-site.

6.4

Algorithme dapproximation pour le cas o

Lallocation de frquences est triviale pour ce dernier cas puisque nous obtenons une frquences aux sommets de chaque couleurs :

-approximation en allouant systmatiquement  

221

A LLOCATION

QUENCES STATIQUE DE FR E

5 >     +<   + <; +< ;  +

  

pour les sommets rouges. pour les sommets verts. pour les sommets bleus.

Le lemme 6.2 nous permet de conclure que : Thorme 6.4 Lorsque

 , pour tout sous-graphe induit de X X F*

nous avons :

Ce qui termine notre tude des contraintes co-site arbitraires.

Conclusions et perspectives
Dans ce chapitre qui clt la seconde partie de cette thse, nous avons prsent un algorithme dapproximation pour lallocation statique de frquences sur la grille triangulaire. -approximation lorsque les contraintes co-site valent ou Nous avons obtenu une et une -approximation pour le cas o . Notons que des rsultats similaires pour le ont t obtenu indpendamment par Narayanan et Shende dans [NS97], et cas o McDiarmid et Reed dans [MR97]. Nous avons galement dmontr que lon pouvait amliorer le facteur dapproximation pour le porter , o , lorsque les demandes sont relativement uniformes (ou que le graphe est pais) et que la contrainte co-site vaut . Cette optimisation rpond en particulier aux questions qui nous ont t poses lors des prsentations de ces rsultats. A la suite de nos travaux, Janssen et Narayanan ont propos une -approximation . Dans [KK98], Khanna pour le multi-coloriage sous les contraintes gnrales et Kumaran proposent une premire tude des contraintes dinterfrence avec distance de et pour ), cas qui inclut quelques Philarutilisation ( delphia examples (cf. [And73]). De nombreux problmes restent ouverts. Tout particulirement, lventualit dune approximation pour la grille triangulaire. Dans [Hav99], Havet propose une premire piste sous forme dune approximation pour les sousgraphes sans triangle. Lobtention de multi-coloriages sous contraintes gnrales pour les graphes bipartis et les cycles sont aussi des axes de recherches intressants car ces graphes sont inclus dans tous les graphes lmentaires. Enn, le choix de ltude de la grille triangulaire tait initialement guid par un besoin rel de mieux comprendre lallocation de frquences sur ce graphe trs utilis en pratique. Lalgorithme que nous avons propos pour ce graphe repose sur la rgularit du -coloriage sous-jacent de la grille triangulaire. Il serait intressant dtudier prsent si notre algorithme peut se porter efcacement sur dautres graphes pour lesquels nous connaissons un -coloriage sufsamment rgulier.

-5

6

  15

     -5

<2 (

,

+ 2

5=

.54

222

BIBLIOGRAPHIE

ALLOCATION DE FRQUENCES

Bibliographie Allocation de frquences

[And73] L. G. Anderson. A simulation study of some dynamic channel assignment algorithms in a high capacity mobile telecommunications system. IEEE Transaction on Communications, COM-21 :12941301, 1973. J. A. Bondy et U. S. R. Murty. Graph theory with applications. Macmillan Press Ltd, 1976. P. Baldi et E. C. Posner. Graph coloring bounds for cellular radio. Computers Math. Applic., 19 :9197, 1990. V. Ch vatal, M. R. Garey, et D. S. Johnson. Two results concerning multicoloring. Annals of Discrete Math, 2 :151154, 1978. D. C. Cox et D. O. Reudink. Increasing channel occupancy in large-scale mobile radio systems : Dynamic channel reassignment. IEEE Trans. Veh. Technol., COM-21(11) :13021306, 1982. P. Erds, A. L. Rubin, et H. Taylor. Choosability in graphs. In Proc. West-Coast Conference on Combinatorics, Graph Theory and Computing, Congressus Numerantium XXVI, pages 125157, Arcata, California, 1979. T. Feder et S. Shende. Online channel allocation in FDMA networks with reuse constraints. Information Processing Letters, 67(6) :295302, 1998.

[BM76] [BP90] [CGJ78] [CR82]

[ERT79]

[FS98]

[Gam82] A. Gamst. Homogeneous distribution of frequencies in a regular hexagonal cell system. IEEE Transaction on Transactions on Vehicular Technology, VT31 :132144, 1982. [Gam86] A. Gamst. Some lower bounds for a class of frequency assignment problems. IEEE Transactions on Vehicular Technology, 35(1) :814, 1986. [Ger99] S. N. T. Gerke. Colouring weighted bipartite graphs with a co-site constraint. Pr-publication, 1999.

223

BIBLIOGRAPHIE

ALLOCATION DE FRQUENCES

[GGS93] G. Goodman, J. Grandhi, et A. Sudheer. Distributed channel assignment schemes. In Proc. of the 43rd VTC, pages 532535, 1993. [Hal80] [Hav99] W. K. Hale. Frequency assignment : Theory and applications. In Proc. of IEEE, volume 68(12), pages 14971514, 1980. F. Havet. Channel assignment and multicolouring of the induced subgraphs of the triangular lattice. In A paratre dans Discrete Math., Proc. of the 5th czech-slovak symp. on combinatorics, graph theory algorithms and applications, Prague, 1999. J. Van den Heuvel, R. A. Leese, et M. A. Sheperd. Graph labelling and radio channel assignment. Journal of Graph Theory, 29(4) :263283, 1998.

[HLS98]

[HRS73] A. J. W. Hilton, R. Rado, et S. H. Scott. A S -colour theorem for planar graphs. Bull. London Math. Soc., 5 :302306, 1973. [H99] [Ira94] [JK95] [JK96] F. Havet et J. erovnik. Finding a ve bicolouring of a triangle-free subgraph of the triangular lattice. Manuscrit, Jan. 1999. S. Irani. Coloring inductive graphs online. Algorithmica, 11 :5372, 1994. J. Janssen et K. Kilakos. Optimal multicolouring algorithms with limited recolouring. Soumis pour publication, Jul. 1995. J. Janssen et K. Kilakos. Polyhedral analysis of channel assignment problems : (I) tours. Manuscrit CDAM-96-17, Aot 1996.

9

[JKM95] J. Janssen, K. Kilakos, et O. Marcotte. Fixed preference frequency allocation for cellular telephone systems. Manuscrit, 1995. [JKNS98] J. Janssen, D. Krizanc, L. Narayanan, et S. Shende. Distributed online frequency assignment in cellular networks. In LNCS Proc. of the 15th Symposium on Theoritical Aspects of Computer Science (STACS98), volume 1373, pages 313, Fev. 1998. [JN99] J. Janssen et L. Narayanan. Approximation algorithms for channel assignment with constraints. A paratre dans Proc. of the 10th Int. Symp. on Algorithms and Computation (ISAAC99), Inde, Dc. 1999. T. R. Jensen et B. Toft. Graph coloring problems. Wiley Interscience, New York, 1995. S. Khanna et K. Kumaran. On wireless spectrum estimation and generalized graph coloring. In Proc of 17th joint Conf. of IEEE Computer and Communications Societies (INFOCOM98), page A PRECISER, 1998. I. Katzela et M. Naghshineh. Channel assignment schemes for cellular mobile telecommunication systems : a comprehensive survey. IEEE Personnal communications, 1070 :1030, 1996.

[JT95] [KK98]

[KN96]

224

BIBLIOGRAPHIE

ALLOCATION DE FRQUENCES

[LST89] [Mac79] [MR97] [NS97]

L. Lovasz, M. Saks, et W. Trotter. An online graph coloring algorithm with sublinear performance ratio. Discrete Math, 75 :319325, 1989. V. H. MacDonald. The cellular concept. The Bell System Technical Journal, 58 :1541, 1979. C. McDiarmid et B. Reed. Channel assignment and weighted colouring. Manuscrit, 1997. L. Narayanan et S. Shende. Static frequency assignment in cellular networks. In Proc. of the 4th International Colloquium on structural information and communication complexity (SIROCCO97), pages 215227, 1997. A paratre dans Algorithmica. F. S. Roberts. -coloring of graphs : recent results and open problems. Discrete Mathematics, 93 :229245, 1991. F. S. Roberts. New directions in graph theory (with an emphasis on the role of applications). Annals of Discrete Mathematics, 55 :1343, 1993. D. H. Smith et S. Hurley. Bounds for the frequency assignment problem. Discrete Mathematics, 167/168 :571582, 1997. H. U. Simon. The analysis of dynamic and hybrid channel assignment. Rapport de recherche 124-B1 10/1988, Universitt des Saarlandes, 1988.

[Rob91] [Rob93] [SH97] [Sim88]

[SU98] N. Schabanel, S. Ubda, et J. erovnik. Parallel algorithm for the optimization of the span of an hexagonal frequency planing graph. In Proc. of High Performance Computing98 Telepar98, pages 237241, Boston, Avr. 1998. [SU99] N. Schabanel, S. Ubda, et J. erovnik. A note on upper bounds for the span of the frequency planning in cellular networks. Soumis pour publication, 1999. [Tuz97] [Vis92] [Viz76] [Wes96] Zsolt Tuza. Graph colorings with local constraints A survey. Discussiones Mathematicae Graph Theory, 17(2) :161228, 1997. S. Vishwanathan. Randomized online graph coloring. Journal of Algorithms, 13 :657669, 1992. V. G. Vizing. Coloring the vertices of a graph in prescribed colors. Metody Diskret. Anal. v Teorii Kodov i Schem, 29 :310, 1976. En Russe. D. B. Wes. Introduction to graph theory. Prentice-Hall Inc., 1996.

225

Index Allocation de frquences

Algorithmes dapproximation , 217, 219 , 220 , 221 Graphes bipartis, 209 Allocation de frquences, 45, 207

+ + +

Etat de lart, 1820 Frquences, 14, 16 Graphe dinterfrence, 16 Graphe de voisinage gographique, 18 Graphes bipartis (Multi-coloriages des ), 209 Grille triangulaire, 206 -coloriage de la , 210 GSM, 14

Canal de transmission, 14 Coin, 214 Gauche et droit, 214 Coloriage par listes, 17 Coloriage Rouge-Vert-Bleu (RVB), 210 Contraintes dinterfrence, 15, 205 Co-site, 18 Inter-site, 18 Modle, 207 Modle simpli, 1718 Modles, 18 Contraintes dinterfrences Modles, 16 Couverture (Zone de ), 14 Cycles de longueur impaire (Multicoloriage des ), 209

Interfrences, v. Contraintes dinterfrence Libre pour une couleur (Sommet

), 214

Minorant, v. Plage maximale des cliques Multi-coloriage distribu, 19 Multi-coloriage dynamique, 19 Multi-coloriage sous contraintes, 17, 207 Exemple, 212, 215 Multiplexage TDMA, FDMA, CDMA, 14 Notre Contribution, 20

Demande en frquences, 16 Distance de rutilisation, 18, 205 Emprunt de frquences, 211 Entrelacer des frquences, 209 Epais (Graphes ), 218

""+h ,
""+

v. Plage maximale des cliques

h , v. Plage Philadelphia examples, 17

227

INDEX

ALLOCATION DE FRQUENCES

Plage, 207 dune fonction dallocation, 207 maximale des cliques, 208 Expression, 212 minimale dun graphe, 207 Minorant, v. Plage maximale des cliques Plage de frquences, 16 Presque-toile, 216

Rapport signal-sur-bruit, 16 Relativement uniforme (Demande 218 Rseaux cellulaires, 15

),

, 206 -coloriage, 17 Transmetteur, 14

228

Index des citations Allocation de frquences

[And73], 17, 222 [BM76, Wes96], 207 [BP90], 16 [CGJ78, HRS73], 18 [CR82], 19 [ERT79], 17 [FS98], 20 [Gam82], 17 [Gam86], 17, 208, 212 [Ger99], 19 [GGS93], 17 [Hal80], 17 [Hal80, Mac79, KN96], 206 [Hav99], 209, 222 [HLS98], 20 [H99], 19 [JK95], 19 [JK96], 17 [JKM95], 19 [JKNS98], 19 [JN99], 19, 20 [JT95], 16 [KK98], 18, 19, 222 [KK98, Hav99], 19 [KN96], 16, 19 [Mac79, KN96], 19 [MR97], 18, 206, 222 [NS97], 18, 222 [NS97, MR97], 20 [NS97, MR97, SU98], 18 [Rob91], 17 [Rob93], 17 [Sim88], 19 [SH97], 17 [SU98, SU99], 20 [SU99], 19 [Tuz97], 17 [Viz76], 17 [Vis92, Ira94, LST89], 19

229

Rsum
Cette thse tudie deux problmes issus des tlcommunications : la dissmination de donnes et lallocation de frquences. La dissmination de donnes est une rponse apporte la surcharge des rseaux et serveurs dinformation. Le fait est que la plupart des clients demande la plupart du temps les mmes informations. Aussi, an dviter de saturer la fois le serveur et le rseau avec la diffusion des pages les plus populaires, lapproche de la dissmination propose de rserver un certain nombre de canaux dmission la diffusion systmatique des informations les plus populaires. Ces canaux (typiquement Hertzien, TV par cble,...) sont accessibles en simultan par tous les clients. Le problme est alors dordonnancer la diffusion des diffrentes pages dinformation. Un client, intress par lune de ces pages, nmet pas de requte mais se connecte sur ces canaux rservs et attend que linformation qui lintresse soit diffuse. Il sagit donc de trouver un ordonnancement qui minimise lattente moyenne des clients. Ce problme est un problme de minimisation quadratique, qui modlise galement dautres problmes dordonnancement tels la planication de maintenances de machines ou le rapprovisionnement de stocks. Cette thse dmontre que trouver un ordonnancement optimal est NP-dur en gnral, et propose des algorithmes dapproximation avec garanties de performance prouves : un schma dapproximation pour le cas des messages de longueur uniforme, et deux approximations un facteur constant pour le cas o les messages ont des longueurs diffrentes, avec et sans premption. Lallocation de frquences consiste allouer des frquences aux transmetteurs dun rseau cellulaire de sorte ce que deux transmetteurs nentrent jamais en interfrence. Dans cette thse, nous proposons un algorithme dapproximation avec garantie de performance pour le cas NP-dur o les transmetteurs sont disposs suivant la grille triangulaire. Mots-cls : Algorithmique, Optimisation combinatoire, Approximation, Algorithmes randomiss et drandomisation, Tlcommunications sans l, Dissmination de donnes, Multicoloriage.

Abstract
This thesis deals with two problems issued from telecommunication : data dissemination and frequency planning. Data dissemination is an answer to reduce the load of information servers and networks. A fact is that most of the clients require most of the time the same information pages. In order to reduce the server and network loads due to the broadcast of the most popular pages, data dissemination reserves some special channels to broadcast systematically the most popular pages, obliviously from the effective requests. Those channels (typically wireless, cable TV,...) can be monitored simultaneously by all the clients. The problem is now to schedule the broadcasts of the different messages over these special channels. A client interested in one of these pages does not send a request but connects and monitors the special channels until the information he is interested in is broadcast. The problem consists in nding a schedule that minimizes the expected waiting time of the clients. This problem is a quadratic minimization problem that also models other scheduling problems such as machine maintenance scheduling or stocks supplying. In this thesis, this problem is shown to be NP-hard in general and we give approximation algorithms with proven performance guarantees : a polynomial approximation scheme for the case where all the messages have the same length, and two constant factor approximations for the case where the messages have different lengths, with and without preemption. Frequency planning consists in allocating frequencies to the transmitters of a cellular network so as to ensure that no pair of transmitters interferes. In this thesis, we propose an approximation algorithm with proven performance guaranty for the NP-hard case where the transmitter are placed on the triangular lattice. Keywords : Algorithmic, Combinatorial optimization, Approximation, Randomized algorithms and derandomization, Wireless telecommunication, Data dissemination and push-based systems, Multicoloring.