Організація адаптивних вимірювально-обчислювальних процесів в автономних розподілених системах

Abstract

У дисертації розв’язано наукову задачу розроблення нових методів організації адаптивних вимірювально-обчислювальних процесів (ВО-процесів) в автономних розподілених системах (АРС) на основі принципів децентралізації та самоорганізації. Розроблено метод структурної адаптації ВО-процесів на основі машинного навчання блоку прийняття рішень щодо вибору дій на структурному та підпорядкованому йому функціональному рівні, який забезпечує більш ефективний розподіл вимірювальних та обчислювальних ресурсів, більш високу надійність та живучість підсистем збору інформації АРС. Розроблено метод координації адаптивних ВО-процесів на основі відкладеної у часі інформаційної взаємодії у розподіленому координаційному просторі шляхом передавання та асинхронної реплікації координуючих повідомлень із заданим часом зберігання, чим досягається, взаємне виключення при виборі дослідницьких дій та стійкість координації до відмов ВО-процесів і втрат координуючих повідомлень. Розроблено метод децентралізованого управління адаптивними ВО-процесами в АРС на основі принципу врівноваження та навчання з підкріпленням за методом нормованої експоненційної функції, який дозволяє організувати автономні розподілені дослідження за умов динамічних змін кількості ВО-процесів та ненадійної обмеженої інформаційної взаємодії між ВО-процесами. Удосконалено спосіб функціонального узгодження методів організації адаптивних ВО-процесів та методів просторової самоорганізації мобільних вимірювальних агентів (МВА) шляхом паралельного виконання відповідного ВО-процесу та процесу управління переміщенням МВА з використанням запропонованого протоколу їх взаємодії та алгоритму планування паралельного виконання, що дає змогу прискорити обчислення в блоці прийняття рішення МВА. В диссертации решена научная задача разработки новых методов организации адаптивных измерительно-вычислительных процессов (ИВ-процессов) в автономных распределенных системах (АРС) на основе принципов децентрализации и самоорганизации. Разработан метод структурной адаптации ИВ-процессов на основе машинного обучения блока принятия решений по выбору действий на структурном и подчиненном ему функциональном уровне, который обеспечивает более эффективное распределение измерительных и вычислительных ресурсов, более высокую надежность и живучесть подсистем сбора информации АРС. Разработан метод координации адаптивных ИВ-процессов на основе отложенного во времени информационного взаимодействия в распределенном координационном пространстве путем передачи и асинхронной репликации координирующих сообщений с заданным временем хранения, чем достигается взаимное исключение при выборе исследовательских действий и устойчивость координации к отказам ИВ-процессов и потерям координирующих сообщений. Разработан метод децентрализованного управления адаптивными ИВ-процессами в АРС на основе принципа уравновешивания и обучения с подкреплением методом нормированной экспоненциальной функции, который позволяет организовать автономные распределенные исследования в условиях динамических изменений количества ИВ-процессов и ненадѐжного ограниченного информационного взаимодействия между ИВ-процессами. Усовершенствован способ функционального согласования методов организации адаптивных ИВ-процессов и методов пространственной самоорганизации мобильных измерительных агентов (МВА) путем параллельного выполнения соответствующего ИВ-процесса и процесса управления перемещением МВА с использованием предложенного протокола их взаимодействия и алгоритма планирования параллельного выполнения, что позволяет ускорить вычисления в блоке принятия решения МВА. In the thesis, the scientific task of developing new methods of organizing adaptive measuring and computing processes (MC-processes) in autonomous distributed systems (ADS) on the basis of the principles of decentralization and self-organization has been solved. The analysis of the problem of organizing adaptive MC-processes in autonomous distributed systems and known methods of organizing adaptive MC-processes has been carried out. As a result of the analysis, the shortcomings of the known methods of organizing adaptive MC-processes have been identified and several main directions for improving and developing these methods have been proposed. A model has been developed for the organization of adaptive MC-processes in autonomous distributed research problems, in which a set of adaptive MC-processes is located on a set of information sources characterized by some previously unknown structure of internal relations. Each MC-process implements the behavior of the corresponding autonomous measuring agent. A method of structural adaptation of MC-processes based on machine learning of the decision block on the choice of actions at the structural and subordinate functional level has been developed, which provides a more efficient distribution of measuring and computing resources, higher reliability and survivability of the ADS information collection subsystems. A method has been developed for coordinating adaptive MC-processes based on information interaction deferred in time in a distributed coordination space by transmitting and asynchronously replicating coordinating messages with a given retention time, thereby achieving mutual exclusion when choosing research actions and sustainability coordination to failures of MC-processes and loss of coordinating messages. A method for local control of an adaptive MC-process based on the coordination method and a corresponding algorithm has been developed. A method of decentralized control of adaptive MC-processes in ADS is developed on the basis of the principle of balancing and reinforcement learning supported by the method of normalized exponential function, which allows you to organize autonomous distributed research in the context of dynamic changes in the number of MC-processes and unreliable limited information interaction between them. A model of decentralized control of MC-processes was developed on the basis of the interpolation principle (an interpolation model of collective behavior of measuring agents) and a model of decentralized control of MC-processes based on the principle of reducing entropy (an entropy model of collective behavior of measuring agents). The method of functional coordination of methods for organizing adaptive MC-processes and methods of spatial self-organization of mobile measuring agents (MMA) has been improved by parallel execution of the corresponding software process and MMA movement control process using the proposed protocol of their interaction and parallel execution planning algorithm, which allows accelerating the calculations in the decision making block of MMA. The solutions to the problems of collective behavior of MMA are proposed. An autonomous distributed environmental monitoring system based on intelligent agents using the proposed methods of organizing adaptive MC-processes has been developed. The structure of an autonomous intelligent agent of the environmental monitoring system has been developed. An autonomous distributed system for detecting and tracking intruders and prototypes of its sensor and actuator nodes has been developed. An autonomous decentralized system for monitoring a computer network has been developed. The system consists of a collective of software agents, in which the proposed methods for organizing adaptive MC-processes are implemented.