Approches intelligentes pour la sélection de Fog et le placement de services dans les environnements de Fog Computing pour l'IoT // Intelligent Approaches for Fog Selection and Service Placement in Fog Computing Environments for IoT

La croissance rapide de l'Internet des Objets (IoT) a mis en évidence les limites des architectures cloud traditionnelles en termes de latence, de bande passante et d'efficacité énergétique. Le Fog Computing répond à ces défis en permettant un traitement distribué des données au plus proche des dispositifs IoT. Cependant, l'optimisation du placement des services dans les environnements Fog reste un défi en raison de la variabilité des ressources des nœuds Fog, des contraintes de latence et d'énergie, ainsi que de la mobilité des dispositifs IoT.

Cette thèse propose d'exploiter la softwarisation intelligente — en utilisant l'apprentissage automatique (Machine Learning - ML), les réseaux définis par logiciel (Software-Defined Networking - SDN) et la virtualisation des fonctions réseau (Network Function Virtualization - NFV) — afin d'améliorer la prise de décision dans des environnements dynamiques. Le Machine Learning permet de prédire les variations de charge et les pannes, le SDN facilite la gestion centralisée des ressources, et le NFV offre une flexibilité dans le déploiement des services.

Ce projet de thèse se concentre sur la modélisation des environnements IoT-Fog, la conception d'algorithmes d'optimisation multi-objectifs (latence, énergie, fiabilité) et le développement de stratégies pour des applications IoT critiques, telles que les villes intelligentes et la santé connectée. Les solutions seront validées expérimentalement afin d'assurer une amélioration de la qualité de service (QoS) et de l'efficacité énergétique dans des scénarios réels.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The rapid growth of the Internet of Things (IoT) has exposed the limitations of traditional cloud architectures in latency, bandwidth, and energy efficiency. Fog Computing addresses these issues by enabling distributed data processing closer to IoT devices. However, optimizing service placement in Fog environments remains a challenge due to the variability of Fog node resources, latency and energy constraints, and the mobility of IoT devices. This thesis proposes leveraging intelligent softwarization—using Machine Learning (ML), Software-Defined Networking (SDN), and Network Function Virtualization (NFV)—to enhance decision-making in dynamic environments. ML predicts load variations and failures, SDN enables centralized resource management, and NFV supports flexible service deployment.This thesis project focuses on modeling IoT-Fog environments, designing multi-objective optimization algorithms (latency, energy, reliability), and developing strategies for critical IoT applications like smart cities and healthcare. The solutions will be experimentally validated to ensure improved QoS and energy efficiency in real-world scenarios.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/09/2025

Appel à projets - UB PhD Scholarships

Université de Bordeaux

39 Mathématiques et Informatique

Le candidat idéal pour cette thèse doit être titulaire d'un Master (ou d'un diplôme d'ingénieur) en informatique, avec une spécialisation en réseaux, intelligence artificielle ou optimisation. Il ou elle devra maîtriser les algorithmes d'optimisation, le Machine Learning, les technologies SDN et NFV, ainsi que des langages tels que Python, Java ou C++. Une bonne connaissance des architectures Cloud et Fog est essentielle. Le candidat devra faire preuve d'autonomie, d'un esprit analytique et d'une grande curiosité scientifique. Une expérience en recherche, des publications, ainsi qu'une maîtrise de l'anglais et du français sont des atouts supplémentaires. Sont éligibles uniquement des candidatures internationales, à savoir : - des candidates ou candidats ayant obtenu (ou en cours d'obtention de) leur diplôme d'accès au doctorat (Master ou équivalent) dans un établissement à l'étranger - des candidates ou candidats actuellement dans un Graduate Program de l'université de Bordeaux, inscrits en deuxième année de Master et ayant obtenu leur diplôme d'accès au Master dans un établissement à l'étranger Seront prises en compte uniquement les candidatures soumises sur la plateforme suivante : https://aap.u-bordeaux.fr/ et avant le 17 mars à 23h59 (GMT Paris). Un guide de candidature ainsi que la liste des documents à soumettre sont disponibles sur la plateforme. Pour toute question, veuillez contacter : internationalisation.doctorat@u-bordeaux.fr
The ideal candidate for this thesis must have a Master's degree (or engineering degree) in computer science, with a specialization in networks, artificial intelligence or optimization. He or she will need to master optimization algorithms, Machine Learning, SDN and NFV technologies, as well as languages such as Python, Java or C++. A good knowledge of Cloud and Fog architectures is essential. The candidate will need to demonstrate qualities such as autonomy, an analytical mind, and a strong scientific curiosity. Research experience, publications, and fluency in English and French are additional assets. The UB PhD scholarship program is open to international candidates only, which means: - candidates holding (or currently enrolled in) a national level master's degree or another degree conferring master's status from a foreign institution - candidates currently in a Graduate Program, enrolled in second year of Master at the University of Bordeaux, and holding a degree from a foreign institution We will only consider applications submitted on the following platform: https://aap.u-bordeaux.fr/ and prior March 17, at 11:59pm (GMT Paris). A guide on how to apply as well as the list of documents to submit are available on the platform. For any question, please contact: internationalisation.doctorat@u-bordeaux.fr