DisCoRaP

Année : 2025
Porteur de projet : Mohamed Maghenem
Laboratoire : GIPSA-Lab

 

Contexte scientifique et/ou technologique :

L’objectif principal de ce projet est d’examiner la résilience à travers l’analyse et la conception d’algorithmes décisionnels innovants et efficaces fondés sur le retour d’information. Ces algorithmes visent à répondre à des tâches de coordination dans certaines classes de systèmes interconnectés. Les tâches de coordination considérées sont formulées comme la reconstruction collaborative par le réseau du minimum d’une fonction objectif globale. Les applications incluent :

• l’approvisionnement durable en énergie d’une communauté via la coordination d’éoliennes, de systèmes photovoltaïques et de batteries ;
• la réduction de la congestion par la coordination d’un groupe de véhicules autonomes ;
• l’optimisation du confort et de l’efficacité énergétique en régulant la température ou la qualité de l’air dans les bâtiments ;
• et l’apprentissage des paramètres d’applications améliorées par apprentissage automatique tout en respectant la vie privée (par l’échange d’estimations locales des utilisateurs plutôt que de leurs données).

Le projet DisCoRaP se concentre sur des scénarios où les interactions possibles entre les nœuds sont régies par un graphe de communication. L’aspect novateur de ce projet réside dans le fait qu’il permet aux nœuds de quitter ou rejoindre le réseau, ce qui peut se produire à la suite de pertes de paquets ou de défaillances de liaisons. Les nœuds peuvent également être volontairement supprimés (en réponse à la détection d’une attaque) ou ajoutés intentionnellement pour renforcer le réseau face à des perturbations globales. Dans de tels réseaux dynamiques et adaptatifs, on étudie des objectifs ajustés, qui restent proches des objectifs nominaux selon des métriques spécifiques. Cela permet d’assurer la résilience dans des classes de systèmes interconnectés appelés réseaux ouverts.

Objectifs et positionnement du projet :

Le projet DisCoRaP vise à faire progresser l’étude de l’optimisation distribuée en présence de perturbations, de défaillances et de changements environnementaux. Ce sont des défis de contrôle critiques, motivés par des problématiques socio-techniques contemporaines.
Pour y parvenir, le projet DisCoRaP intégrera trois domaines distincts, qui se compléteront et s’enrichiront mutuellement :

Réseaux adaptatifs : Des classes de réseaux linéaires, non linéaires et hybrides ont été étudiées dans la littérature, principalement pour atteindre la synchronisation. Les protocoles d’interconnexion utilisés nécessitent souvent un réglage basé sur des informations globales, telles que des indicateurs de connectivité du graphe. La conception de protocoles entièrement distribués à l’aide de techniques adaptatives reste un domaine de recherche actif.

Optimisation distribuée : De nombreux travaux portent sur l’interconnexion de nœuds dynamiques pour reconstruire collectivement le minimum d’une fonction objectif. Ces recherches ont traité à la fois des contextes en temps continu et en temps discret, considérant des problèmes contraints et non contraints, sous diverses hypothèses sur la fonction objectif et le graphe d’interaction. Cependant, à notre connaissance, les aspects de résilience, notamment via l’ajout ou la suppression d’agents, n’ont pas encore été explorés.

Réseaux ouverts : Dans ce contexte, les nœuds peuvent potentiellement entrer ou sortir du réseau, rendant la dimension du système dépendante du temps. Ce type de systèmes, également appelé systèmes vivants, est récent et de nombreuses problématiques connexes sont encore en cours d’investigation.

Quelques travaux récents, dont certains menés par les membres de ce consortium, ont commencé à établir des liens entre les deux premiers domaines. Ils proposent des cadres théoriques revisitant certains algorithmes d’optimisation distribuée à l’aide de nouveaux concepts issus des théories des systèmes adaptatifs et hybrides. Cependant, seuls des problèmes d’optimisation simples ont été considérés jusqu’à présent. De plus, la résilience face aux pannes et à l’injection de fausses données, via l’ajout et la suppression de nœuds, reste à étudier rigoureusement dans un cadre garantissant des résultats solides.

Méthodologie / Résultats attendus :

Dans les algorithmes d’optimisation distribuée, la fonction objectif est décomposée en une somme de fonctions locales, chacune affectée à un nœud différent. Les nœuds ajustent leur estimateur local du minimum global en combinant deux dynamiques :

• une liée à leurs interactions (dynamique de consensus),
• l’autre liée à la minimisation de leur fonction locale.

Ces dynamiques sont intégrées soit en continu, soit en discret, avec des algorithmes d’ordre un ou deux. Certains travaux considèrent aussi des mises à jour hybrides, où les dynamiques d’interconnexion sont discrètes tandis que la minimisation locale est continue (ou l’inverse).

Le projet DisCoRaP vise à analyser, voire à redéfinir certains de ces algorithmes pour garantir la résilience dans des graphes ouverts, dans un cadre déterministe. 

Nous prévoyons que les résultats du projet contribueront significativement aux domaines de l’optimisation distribuée, des systèmes en réseau et du contrôle collaboratif. Ils susciteront également un fort intérêt des communautés de l’estimation (apprentissage) et du contrôle adaptatif. En outre, au-delà des applications mentionnées, nos résultats théoriques pourraient profiter à d'autres domaines comme les systèmes cyber-physiques ou la robotique.

Organisation du projet :

Le projet DisCoRaP est structuré en deux Work Packages (WP) :

WP1 – Résilience des réseaux par actions locales

   Tâche 1 : Nous considérons des classes de réseaux d’optimisation distribuée, où les perturbations compromettent la stabilité ou les performances. Nous examinons l’ajout minimal de nœuds robustes pour renforcer la résilience. Inspirés de travaux antérieurs, nous ciblons des emplacements stratégiques dans le graphe. La conception adaptative de ces nœuds sera déterminante pour atteindre la résilience avec des méthodes entièrement distribuées.

   Tâche 2 : Dans le cadre de l’apprentissage et de l’estimation distribués, les nœuds de secours peuvent exploiter des données anciennes fiables. Leur réintégration pourrait atténuer l’impact de données falsifiées en ligne. Ce mécanisme s’inscrit dans le cadre de l’apprentissage concurrent, où l’exploration en temps réel est enrichie par l’exploitation de données passées.

WP2 – Optimisation distribuée sur réseaux ouverts

   Tâche 1 : Nous étudions des algorithmes d’optimisation distribuée autorisant l’entrée ou la sortie de nœuds. Nous analysons l’impact de ces variations sur les performances. En estimation distribuée, nous cherchons le niveau minimal d’informativité des données requis pour un certain changement de taille du réseau.

   Tâche 2 : Nous exploitons l’ouverture du réseau comme degré de liberté pour améliorer la résilience. Par exemple, comme dans certains travaux antérieurs, nous introduisons des séquences d’échanges entre nœuds avant la mise à jour des estimateurs locaux, afin de décider de l’activation ou désactivation de chaque nœud.