Optimizing the quality of service of 4G network in TOGO Optimisation de la qualité de service du réseau 4G au TOGO

The Long Term Evolution (LTE) network has become essential to meet the growing demands for connectivity and broadband services, particularly in high-density population areas. In the specific context of Togo, the Quality of Service (QoS) in LTE networks faces challenges due to infrastructural constraints and spatiotemporal fluctuations in demand. This thesis explores how to make antenna configurations dynamic to adapt to traffic variations, while maximizing coverage and throughput and minimizing interference.To address these challenges, a multi-step methodological approach was adopted. This approach includes modeling subscriber distribution and classifying areas based on attractiveness, as well as generating traffic data in the absence of real data. A mathematical model for resource optimization was then formulated, integrating several metaheuristic algorithms, including the greedy algorithm, tabu search, and genetic algorithm. These tools allowed for testing different network configurations to identify those that optimize coverage and Quality of Service.Results indicate that integrating subscriber distribution and traffic generation models with metaheuristics enables optimal resource allocation, effectively meeting LTE network requirements for throughput and coverage. This dynamic optimization provides operators with tools to anticipate demand peaks and adjust network parameters in real time. Simulations on generated data show promising performance, though further validation on real data is necessary to confirm these findings.The findings from this research represent a significant advancement in optimizing QoS for LTE networks in resource-limited contexts. They provide a solid foundation for future research, particularly for integrating machine learning techniques and evolutionary algorithms, further enhancing optimization precision and speed. These advancements also offer promising prospects for a gradual transition toward 5G networks, to meet the growing connectivity and QoS demands of tomorrow. Le réseau LTE (Long Term Evolution) est devenu indispensable pour répondre aux besoins croissants en connectivité et en services à large bande, particulièrement dans les zones à forte densité de population. Dans le contexte spécifique du Togo, la qualité de service (QoS) dans les réseaux LTE est confrontée à des contraintes d'infrastructure et à des fluctuations spatio-temporelles de la demande. Cette thèse explore comment rendre dynamique la configuration des antennes pour s’adapter aux variations de trafic, tout en maximisant la couverture et le débit et en minimisant les interférences.Pour répondre à ces défis, une approche méthodologique en plusieurs étapes a été adoptée. Elle inclut la modélisation de la répartition des abonnés et la classification des zones d’attractivité, ainsi que la génération de données de trafic en l’absence de données réelles. Un modèle mathématique d’optimisation des ressources a été formulé, intégrant plusieurs algorithmes de métaheuristiques, dont l'algorithme glouton, la recherche tabou et l’algorithme génétique. Ces outils ont permis de tester différentes configurations réseau pour identifier celles optimisant la couverture et la qualité de service.Les résultats montrent que l’intégration des modèles de répartition des abonnés et de génération de trafic, couplée aux métaheuristiques, permet une allocation optimale des ressources, répondant efficacement aux exigences de débit et de couverture dans le réseau LTE. Cette optimisation dynamique offre aux opérateurs des outils pour anticiper les pics de demande et ajuster les paramètres réseau en temps réel. Les simulations sur des données générées montrent des performances encourageantes, même si une validation supplémentaire sur des données réelles est nécessaire pour confirmer ces résultats.Les résultats de cette recherche constituent une avancée importante dans l’optimisation de la qualité de service pour les réseaux LTE dans des contextes à ressources limitées. Ils fournissent une base pour les futures recherches, notamment pour intégrer des techniques d'apprentissage automatique et des algorithmes évolutionnaires, améliorant ainsi encore la précision et la rapidité des optimisations. Ces avancées offrent également des perspectives prometteuses pour une transition progressive vers les réseaux 5G, afin de répondre aux exigences croissantes de connectivité et de qualité de service de demain.