Résumé:
Les systèmes modernes nécessitent des services d’adaptation dynamiques qui leur
permettent d'adapter leur comportement et améliorer leur capacité à réagir de manière
dynamique aux changements d’environnement.
Dans le cadre de ce projet, nous nous sommes intéressés à l’autoadaptation des applications
mobiles. Nous avons proposé deux méthodes basées sur des métaheuristiques (algorithme
génétique et essaimes particulaires). L’approche proposée permet d'adapter le comportement
de l’application mobile en variant les fonctionnalités de cette dernière (wifi, GPS, Bluetooth,
mode audio …) et en tenant compte de la consommation de batterie du téléphone. Différents
tests ont été effectués sur une application mobile que nous avons développé afin de tester
l’efficacité de l’approche proposée.
Mots clés : Autoadaptation, algorithme génétique, optimisation par essaims de particulaires. Modern systems require dynamic adaptation services that allow them to adapt their behavior
and improve their ability to respond dynamically to changing environments.
As part of this project, we were interested in the self-adaptation of mobile applications. We
proposed two methods based on metaheuristics (genetic algorithm and particle swarm
optimization). The proposed approach allows to adapt the behavior of the mobile application
by varying their functionality (wifi, GPS, Bluetooth, audio mode ...) and taking into account
the battery consumption of the phone. Various tests were performed on a mobile application
that we developed to test the effectiveness of the proposed approach.
Key words: Self-adaptation, genetic algorithm, particle swarm optimization.
