Thèse Modèles d'Optimisation pour le Chaînage de Fonctions de Service Résilient et la Reprise Progressive dans les Réseaux à Base de Nfv H/F - Doctorat.Gouv.Fr

Établissement : Avignon Université École doctorale : Agrosciences et Sciences Laboratoire de recherche : LIA - Laboratoire d'Informatique d'Avignon Direction de la thèse : Fen ZHOU ORCID 0000000260906600 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-21T23:59:59 L'évolution rapide des infrastructures des Technologies de l'Information et de la Communication (TIC) a conduit à des réseaux de communication de plus en plus complexes et fortement interconnectés. Les tendances telles que la virtualisation, le cloud computing et le traitement massif de données ont profondément transformé leur architecture. Le déploiement des réseaux 5G et futurs, ainsi que la généralisation des objets connectés (IoT), entraîne une demande croissante de services flexibles, évolutifs et fiables. Garantir la continuité de service en présence de défaillances constitue ainsi un enjeu majeur.

La virtualisation des fonctions réseau (NFV) permet d'exécuter les fonctions réseau sous forme de fonctions virtuelles (VNFs) sur des serveurs standards, offrant une allocation dynamique des ressources et une grande flexibilité. Associée au network slicing, elle permet de mettre en oeuvre des chaînes de fonctions de service (SFCs), où les flux sont traités par une séquence ordonnée de VNFs afin de fournir des services de bout en bout.

Malgré ces avantages, les infrastructures NFV restent vulnérables aux défaillances de grande ampleur dues aux catastrophes naturelles ou aux pannes en cascade. Ces événements peuvent affecter simultanément plusieurs centres de données, liens et services, entraînant des interruptions importantes. Les processus de reprise sont limités par des ressources de réparation restreintes, et les interdépendances entre VNFs et infrastructures complexifient davantage la restauration. Ces contraintes nécessitent des mécanismes de résilience capables à la fois de prévenir les interruptions et d'assurer une reprise efficace.

Cette thèse vise à développer des méthodes d'optimisation pour améliorer la résilience des réseaux NFV face aux défaillances de grande ampleur. Elle aborde la résilience selon deux axes complémentaires : la résilience proactive, qui consiste à concevoir des configurations robustes garantissant la continuité de service, et la résilience réactive, qui vise à restaurer efficacement les services après incident.

Pour cela, des modèles d'optimisation basés sur la programmation linéaire en nombres entiers (ILP) et la programmation linéaire mixte (MIP) seront développés, associés à des méthodes de décomposition (column generation) et à des algorithmes heuristiques. Ces approches permettront d'optimiser l'allocation des ressources pour le déploiement résilient des SFCs et la reprise progressive des VNFs interdépendantes. Les performances seront évaluées par simulations sur divers scénarios réseau.

Le premier objectif porte sur le provisionnement résilient des SFCs via des mécanismes de partage de capacité de secours permettant à plusieurs services de mutualiser les ressources. Le deuxième objectif étend cette approche à plusieurs SFCs afin d'améliorer l'utilisation globale des ressources. Le troisième objectif traite de la reprise progressive des infrastructures NFV en développant des modèles permettant de déterminer des séquences de restauration optimales sous contraintes de ressources limitées.

Dans l'ensemble, ce travail vise à proposer des modèles et algorithmes d'optimisation efficaces pour améliorer la résilience, la continuité de service et l'efficacité des ressources dans les réseaux virtualisés de prochaine génération. This PhD research will be carried out at the Computer Science Laboratory (\textbf{LIA}) of the University of Avignon, France. The candidate will benefit from the complementary expertise of two faculty co-supervisors from the CORNET team : \textbf{Dr. Fen ZHOU} (Associate Professor with HDR), specializing in network optimization including \textbf{network resilience}, \textbf{routing}, and \textbf{resource allocation}; and \textbf{Dr. Rosa Figueiredo} (Associate Professor with HDR), whose research focuses on \textbf{Operations Research} and \textbf{Combinatorial Optimization}. To address the challenges related to network resilience in the context of NFV, this PhD thesis will focus on the design of mathematical models, including intelligent Integer Linear Programming (ILP) and Mixed Integer Programming (MIP) formulations, together with column-generation-based (CG-based) decomposition methods. Furthermore, the research will develop efficient (meta-)heuristic algorithms to optimize network resource allocation for resilient Service Function Chain (SFC) provisioning and efficient progressive recovery of interdependent Virtual Network Functions (VNFs). We employ operations research-based methods to address network optimization problems and enhance network resilience.

Nous encourageons les candidatures d'étudiants en deuxième année de Master ou d'élèves en dernière année d'école d'ingénieurs, spécialisés en mathématiques appliquées, disposant d'une solide formation dans un ou plusieurs des domaines suivants : recherche opérationnelle, optimisation combinatoire, théorie des graphes et/ou optimisation des réseaux. Les candidats ayant une expérience préalable de l'application des techniques de recherche opérationnelle à l'optimisation des réseaux seront particulièrement appréciés.

Les candidats intéressés sont invités à postuler en soumettant un curriculum vitae, des relevés de notes académiques ainsi qu'une ou plusieurs lettres de recommandation. Les dossiers de candidature doivent être envoyés par courrier électronique aux adresses suivantes : \texttt{{fen.zhou, rosa.figueiredo}@univ-avignon.fr}.