ok

[ThesisAli.git] / entete.tex

diff --git a/entete.tex b/entete.tex
index 212ee3693ab686b3db94bda8326e2224f83f491a..2eca7756aee1610f494b20231a6c95ed5ffcf1a6 100644 (file)
--- a/entete.tex
+++ b/entete.tex
@@ -67,33 +67,38 @@
 %% The third mandatory parameter is the reference number given by the University Library after the PhD defense.
 %%\declarethesis[Sous-titre]{Titre}{17 septembre 2012}{XXX}
 \declarethesis{Distributed Coverage Optimization Techniques for Improving Lifetime of Wireless Sensor Networks}{30 September 2015}{2015930}
 %% The third mandatory parameter is the reference number given by the University Library after the PhD defense.
 %%\declarethesis[Sous-titre]{Titre}{17 septembre 2012}{XXX}
 \declarethesis{Distributed Coverage Optimization Techniques for Improving Lifetime of Wireless Sensor Networks}{30 September 2015}{2015930}

-

  
 %%--------------------
 %% Set the author of the PhD thesis
 %%\addauthor[email]{Prénom}{Nom}
 \addauthor[aidness.ali@univ-fcomte.fr]{Ali Kadhum}{IDREES}
 
  
 %%--------------------
 %% Set the author of the PhD thesis
 %%\addauthor[email]{Prénom}{Nom}
 \addauthor[aidness.ali@univ-fcomte.fr]{Ali Kadhum}{IDREES}
 

- %\iffalse
+ \iffalse

 %%--------------------
 %% Add a member of the jury
 %% \addjury{Firstname}{Lastname}{Role in the jury}{Position}
 %%--------------------
 %% Add a member of the jury
 %% \addjury{Firstname}{Lastname}{Role in the jury}{Position}

-\addjury{x1}{y1}{Examiner}{Professor at University of}
-\addjury{x2}{y2}{Examiner}{Professor at University of}
-\addjury{x3}{y3}{Examiner}{Professor at University of}
+\addjury{Sylvain}{CONTASSOT-VIVIER} {Examiner}{Professor at University of Lorraine}
+\addjury{Ye-Qiong}{SONG}{Reviewer} {Professor at University of Lorraine}
+\addjury{Hamida}{SEBA}{Reviewer}{Associate Professor (HDR) at University of Claude Bernard Lyon1}

 %\addjury{x4}{y4}{Examiner}{Professor at University of}
 \addjury{Raphaël}{Couturier}{Supervisor}{Professor at University of Franche-Comt\'e}
 %\addjury{x4}{y4}{Examiner}{Professor at University of}
 \addjury{Raphaël}{Couturier}{Supervisor}{Professor at University of Franche-Comt\'e}

-\addjury{Karine}{Deschinkel}{Co-Supervisor}{Assistant Prof. at University of Franche-Comt\'e}
-\addjury{Michel}{Salomon}{Co-Supervisor}{Assistant Prof. at University of Franche-Comt\'e}
-
- %\fi
+\addjury{Karine}{Deschinkel}{Co-Supervisor}{Assistant Professor at University of Franche-Comt\'e}
+\addjury{Michel}{Salomon}{Co-Supervisor}{Assistant Professor at University of Franche-Comt\'e}
+\fi
+ \addjury {} {Prof Ye-Qiong SONG} {University of Lorraine} {Reviewer}
+\addjury{} {Assoc Prof Hamida SEBA (HDR)} {University of Claude Bernard Lyon1} {Reviewer}
+\addjury {}{Prof Sylvain CONTASSOT-VIVIER} {University of Lorraine} {Examiner}
+\addjury {} {Prof Raphaël Couturier} {University of Franche-Comt\'e} {Supervisor}
+\addjury {} {Asst Prof Karine Deschinkel} {University of Franche-Comt\'e} { Co-supervisor}
+\addjury {} {Asst Prof Michel Salomon} {University of Franche-Comt\'e} {Co-supervisor}
+ 

  
 % Supervisors:\\
 %Committee:\\
 %%--------------------
 %% Set the English abstract
 \thesisabstract[english]{
  
 % Supervisors:\\
 %Committee:\\
 %%--------------------
 %% Set the English abstract
 \thesisabstract[english]{

-In this dissertation, we focus on the area coverage problem, energy-efficiency is also the foremost requirement. We have considered distributed optimization protocols with the ultimate objective of prolonging the network lifetime. To address this problem, this dissertation proposes two-step approaches. Firstly, the sensing field is divided into smaller subregions using the concept of divide-and-conquer method. Secondly, one of our proposed distributed optimization protocols is distributed and applied on the sensor nodes in each  subregion so as to optimize the coverage and the lifetime performances. Three coverage optimization protocols are proposed, They combine two  efficient techniques: leader election for each subregion, followed by an optimization-based planning of sensor activity scheduling for  each subregion. Extensive simulations are conducted using the discrete event simulator OMNeT++ to validate the efficiency of each of our proposed protocols. We refer to the characteristics of a Medusa II sensor for the energy consumption and the time computation. In comparison with two other existing methods, our protocols are able to increase the WSN lifetime and provide improved coverage performance.
+In this dissertation, we focus on the area coverage problem, energy-efficiency is also the foremost requirement. We have considered distributed optimization protocols with the ultimate objective of prolonging the network lifetime. To address this problem, this dissertation proposes two-step approaches. Firstly, the sensing field is divided into smaller subregions using the concept of divide-and-conquer method. Secondly, one of our proposed distributed optimization protocols is distributed and applied on the sensor nodes in each  subregion so as to optimize the coverage and the lifetime performances. Three coverage optimization protocols are proposed. They combine two  efficient techniques: leader election for each subregion, followed by an optimization-based scheduling of sensor activity for  each subregion. This scheduling is carried by formulating and solving linear programs. For the first two protocols, undercoverage and overcoverage of a specified set of points are minimized. For the third protocol, the new proposed model is based on perimeter coverage level. Extensive simulations are conducted using the discrete event simulator OMNeT++ to validate the efficiency of each of our proposed protocols. We refer to the characteristics of a Medusa II sensor for the energy consumption and the time computation. In comparison with two other existing methods, our protocols are able to increase the WSN lifetime and provide improved coverage performance.

 }
 
 \thesiskeywords[english]{ Wireless Sensor Networks, Area Coverage, Network Lifetime, Distributed Optimization, Scheduling.}
 }
 
 \thesiskeywords[english]{ Wireless Sensor Networks, Area Coverage, Network Lifetime, Distributed Optimization, Scheduling.}


@@ -102,7 +107,7 @@ In this dissertation, we focus on the area coverage problem, energy-efficiency i
 %%--------------------
 %% Set the French abstract
 \thesisabstract[french]{
 %%--------------------
 %% Set the French abstract
 \thesisabstract[french]{

-Dans cette thèse, nous nous sommes intéressé au problème de la zone de couverture ainsi qu'à l'efficacité énergétique qui est une exigence essentielle dans un réseau de capteurs sans fil. Nous avons étudié des protocoles d'optimisation distribués avec l'objectif ultime de prolonger la durée de vie du réseau. Pour résoudre le problème, nous avons proposé de nouvelles approches en deux phases. Dans un premier temps, la  région à  surveiller est divisée en petites sous-régions en utilisant le concept de la méthode diviser pour mieux régner. Ensuite, l'un de nos protocoles d'optimisation distribués est exécuté par chaque n\oe ud capteur dans chaque sous-région, afin d'optimiser la couverture et la durée de vie du réseau. Nous proposons trois protocoles distribués qui combinent, chacun, deux techniques efficaces: l'élection d'un n\oe ud leader dans chaque sous-région, suivie par la mise en oeuvre par celui-ci d'un processus de décision via l'optimisation de l'ordonnancement d'activité des n\oe uds capteurs de sa sous-région. Nous avons effectué plusieurs simulations en utilisant le simulateur à évènements discrets OMNeT++ pour valider l'efficacité de nos protocoles proposés. Nous avons pris en considération les caractéristiques d'un capteur Medusa II pour la consommation d'énergie et le temps de calcul. En comparaison avec deux autres méthodes existantes, nos protocoles ont la capacité d'augmenter la durée de vie du réseau de capteurs et d'améliorer les performances de couverture.
+Dans cette thèse, nous nous sommes intéressés au problème de  couverture ainsi qu'à l'efficacité énergétique qui est une exigence essentielle dans un réseau de capteurs sans fil. Nous avons étudié des protocoles d'optimisation distribués avec l'objectif  de prolonger la durée de vie du réseau. Pour résoudre le problème, nous avons proposé de nouvelles approches articulées en deux phases. Dans un premier temps, la  région à  surveiller est divisée en petites sous-régions en utilisant le concept de la méthode diviser pour mieux régner. Ensuite, l'un de nos protocoles d'optimisation distribués est exécuté par chaque n\oe ud capteur dans chaque sous-région, afin d'optimiser la couverture et la durée de vie du réseau. Nous proposons trois protocoles distribués qui combinent, chacun, deux techniques efficaces: l'élection d'un n\oe ud leader dans chaque sous-région, suivie par la mise en oeuvre par celui-ci d'un processus  d'ordonnancement d'activité des n\oe uds capteurs de sa sous-région. Cet ordonnancement est porté par la formulation et la résolution de programmes linéaires. Pour les deux premiers protocoles, il s'agit de minimiser simultanément la non couverture ou la sous-couverture d'un ensemble de points particuliers. Pour le troisième protocole, le nouveau modèle propose repose sur la couverture du périmètre de chacun des capteurs. Nous avons effectué plusieurs simulations en utilisant le simulateur à évènements discrets OMNeT++ pour valider l'efficacité de nos protocoles proposés. Nous avons pris en considération les caractéristiques d'un capteur Medusa II pour la consommation d'énergie et le temps de calcul. En comparaison avec deux autres méthodes existantes, nos protocoles ont la capacité d'augmenter la durée de vie du réseau de capteurs et d'améliorer les performances de couverture.

 
 }
 
 
 }