This commit is contained in:
Leopold Clement 2021-08-24 17:41:01 +02:00
parent 31e8e61e32
commit 513db00589
2 changed files with 32 additions and 5 deletions

View file

@ -9,7 +9,7 @@ UML_PUML=$(wildcard puml/*.puml)
UML_PNG=$(UML_PUML:.puml=.png)
UML_SVG=$(UML_PUML:.puml=.svg)
all : rapport.pdf
all : rapport.pdf poster.pdf
echo "done"
rapport.pdf : rapport.tex rapport.bib $(FIGURES_PNG) $(UML_PNG) png_img/gain_action.png $(DOT_PNG)
@ -20,13 +20,23 @@ rapport.pdf : rapport.tex rapport.bib $(FIGURES_PNG) $(UML_PNG) png_img/gain_act
lualatex -shell-escape rapport.tex
lualatex -shell-escape rapport.tex
poster.pdf : poster.tex poster.bib $(FIGURES_PNG) $(UML_PNG) png_img/gain_action.png $(DOT_PNG)
lualatex -shell-escape poster.tex
bibtex poster
lualatex -shell-escape poster.tex
lualatex -shell-escape poster.tex
lualatex -shell-escape poster.tex
rapport.bib : biblio.bib
cp biblio.bib rapport.bib
poster.bib : biblio.bib
cp biblio.bib poster.bib
png_img/gain_action.png :
python3 png_img/gen_fig_g.py
clean : clean-latex
clean : clean-rapport clean-poster
rm -f -r pdf_img/
rm -f -r png_svg_img/
rm -f -r puml/*.svg
@ -34,7 +44,7 @@ clean : clean-latex
rm -f -r dot/*.png
rm -f rapport.pdf
clean-latex :
clean-rapport :
rm -f rapport.aux
rm -f rapport.bbl
rm -f rapport.bib
@ -51,6 +61,23 @@ clean-latex :
rm -f rapport.glo
rm -f texput.log
clean-poster :
rm -f poster.aux
rm -f poster.bbl
rm -f poster.bib
rm -f poster.blg
rm -f poster.out
rm -f poster.log
rm -f poster.toc
rm -f poster.lof
rm -f poster.lot
rm -f poster.lol
rm -f poster.ist
rm -f poster.glg
rm -f poster.gls
rm -f poster.glo
rm -f texput.log
pdf_img/%.pdf : raw_img/%.svg pdf_img/%.pdf_tex
inkscape -D -z --file=$< --export-pdf=$@ --export-latex

View file

@ -512,7 +512,7 @@ Plusieurs problèmatiques se présentent : \begin{itemize}
\end{itemize}
L'intégration de l'IA dans le \CC{} n'est encore qu'à l'état de tests, de balbutiements, et pourtant des résultats notables et encourageants sont déjà disponibles, comme l'indique la figure \ref{fig:comp_cca_tcp}, ce qui nous motive à tenter de développer des solutions similaires pour \coap{}.
\section{Modélisation choisit}
\section{Modélisation choisie}
La première étape est de modéliser le système.
Notre modélisation s'appuie sur la modélisation de \cite{xiaoTCPDrincSmartCongestion2019}.
@ -682,7 +682,7 @@ Ainsi on modifie l'équation \ref{eq:modele_fair_base} pour prendre en compte un
Le schéma de récompense est donc, à partir des données du dernier intervalle de contrôle :
\begin{equation}
r = - \beta _ \nu \frac{\sum_{k=1}^N x^e _ k}{\sum_{k=1}^N x^t_k} - \beta_\text{echec} n_\text{echec} - \beta_{RTT} max_{k} \overline{RTT} _ k + \beta_\text{equite} \frac{\left[ \sum_{k = 1}^N \frac{n^e_k}{n^t_k} \right] ^ 2 }{N \cdot \sum_{k = 1}^N \left( \frac{n^e_k}{n^t_k} \right)^2 }
r = - \beta _ \nu \frac{\sum_{k=1}^N n^e _ k}{\sum_{k=1}^N n^t_k} - \beta_\text{echec} n_\text{echec} - \beta_{RTT} max_{k} \overline{RTT} _ k + \beta_\text{equite} \frac{\left[ \sum_{k = 1}^N \frac{n^e_k}{n^t_k} \right] ^ 2 }{N \cdot \sum_{k = 1}^N \left( \frac{n^e_k}{n^t_k} \right)^2 }
\label{eq:modèle:récompense}
\end{equation}
$n^e$ est le nombre de messages envoyés, émission initiale et retransmissions, et $n^t$ le nombre de transactions, c'est-à-dire uniquement les émissions initiales.