Структурна адаптація процесів збирання даних в автономних розподілених системах із використанням методів навчання з підкріпленням

dc.citation.epage26
dc.citation.issue1
dc.citation.journalTitleКомп’ютерні системи та мережі
dc.citation.spage13
dc.citation.volume2
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.authorБочкарьов, О. Ю.
dc.contributor.authorBotchkaryov, A.
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2021-04-20T12:35:38Z
dc.date.available2021-04-20T12:35:38Z
dc.date.created2020-03-01
dc.date.issued2020-03-01
dc.description.abstractРозроблено метод структурної адаптації процесів збирання даних на основі навчання з підкріпленням блоку прийняття рішень щодо вибору дій на структурному та підпорядкованому йому функціональному рівні, який забезпечує ефективніший розподіл вимірювальних та обчислювальних ресурсів, вищу надійність та живучість підсистем збирання інформації автономної розподіленої системи порівняно з методами параметричної адаптації. Зокрема за результатами експериментальних досліджень середня кількість зібраної інформації за один крок із використанням методу структурної адаптації на 23,2 % більша, ніж у випадку використання методів параметричної адаптації. Разом з тим кількість обчислювальних витрат на роботу методу структурної адаптації в середньому більша на 42,3 %, ніж на роботу методів параметричної адаптації. Досліджено надійність роботи методу структурної адаптації за допомогою коефіцієнта збереження ефективності для різних значень інтенсивності потоку відмов процесів збирання даних. За допомогою коефіцієнта швидкості відновлення для різних значень відносних одночасних раптових відмов досліджено живучість множини процесів збирання даних, організованих за методом структурної адаптації. За надійністю роботи метод структурної адаптації переважає методи параметричної адаптації в середньому на 21,1 %. Усереднений показник живучості для методу структурної адаптації більший ніж для методів параметричної адаптації на 18.4 %.
dc.description.abstractA method of structural adaptation of data collection processes has been developed based on reinforcement learning of the decision block on the choice of actions at the structural and functional level subordinated to it, which provides a more efficient distribution of measuring and computing resources, higher reliability and survivability of information collection subsystems of an autonomous distributed system compared to methods of parametric adaptation. In particular, according to the results of experimental studies, the average amount of information collected in one step using the method of structural adaptation is 23.2 % more than in the case of using the methods of parametric adaptation. At the same time, the amount of computational costs for the work of the structural adaptation method is on average 42.3 % more than for the work of parametric adaptation methods. The reliability of the work of the method of structural adaptation was studied using the efficiency preservation coefficient for different values of the failure rate of data collection processes. Using the recovery rate coefficient for various values of relative simultaneous sudden failures, the survivability of a set of data collection processes organized by the method of structural adaptation has been investigated. In terms of reliability, the structural adaptation method exceeds the parametric adaptation methods by an average of 21.1 %. The average survivability rate for the method of structural adaptation is greater than for methods of parametric adaptation by 18.4 %.
dc.format.extent13-26
dc.format.pages14
dc.identifier.citationБочкарьов О. Ю. Структурна адаптація процесів збирання даних в автономних розподілених системах із використанням методів навчання з підкріпленням / О. Ю. Бочкарьов // Комп’ютерні системи та мережі. — Львів : Видавництво Львівської політехніки, 2020. — Том 2. — № 1. — С. 13–26.
dc.identifier.citationenBotchkaryov A. Structural adaptation of data collection processes in autonomous distributed systems using reinforcement learning methods / A. Botchkaryov // Kompiuterni systemy ta merezhi. — Lviv : Lviv Politechnic Publishing House, 2020. — Vol 2. — No 1. — P. 13–26.
dc.identifier.issn2707-2371
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/56367
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofКомп’ютерні системи та мережі, 1 (2), 2020
dc.relation.references1. Botchkaryov A., Golembo V., Distributed contact sensing system based on autonomous intelligent agents, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, 2001, No. 437. pp. 14–20 (in Ukrainian)
dc.relation.references2. Botchkaryov A., Golembo V., Models of collective behavior of measuring agents, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 463, 2002. pp. 19–27 (in Ukrainian)
dc.relation.references3. Melnyk A., Golembo V., Botchkaryov A., The new principles of designing configurable smart sensor networks based on intelligent agents, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 492, 2003. pp. 100–107 (in Ukrainian)
dc.relation.references4. Botchkaryov A., Collective behavior of mobile intelligent agents solving the autonomous distributed exploration task, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 546, 2005. pp. 12–17 (in Ukrainian)
dc.relation.references5. Botchkaryov A., Structural adaptation of the autonomous distributed sensing and computing systems, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 688, 2010. pp. 16–22 (in Ukrainian)
dc.relation.references6. Botchkaryov A., The problem of organizing adaptive sensing and computing processes in autonomous distributed systems, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 745, 2012. – pp. 20–26 (in Ukrainian)
dc.relation.references7. Botchkaryov A., Golembo V., Applying intelligent technologies of data collection to autonomous cyberphysical systems, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 830, 2015. pp. 7–11 (in Ukrainian)
dc.relation.references8. Botchkaryov A., Organization of adaptive processes of information collection in mobile cyberphysical systems, Proceedings of the Second Scientific Seminar “Cyberphysical Systems: Achievements and Challenges”, Lviv Polytechnic National University, Lviv, June 21–22, 2016. pp. 62–67 (in Ukrainian)
dc.relation.references9. Cyber-physical systems: data collection technologies / A. Botchkaryov, V. Golembo, Y. Paramud, V. Yatsyuk, ed. A. Melnyk, Lviv, “Magnolia 2006”, 2019. 176 p. (in Ukrainian)
dc.relation.references10. Multiagent Systems, by Gerhard Weiss (Editor), 2nd edition, The MIT Press, 2013. 920 p.
dc.relation.references11. Michael Wooldridge, An Introduction to MultiAgent Systems, 2nd edition, Wiley, 2009. 484 p.
dc.relation.references12. Stuart Russell, Peter Norvig, Artificial Intelligence: A Modern Approach, 4th edition, Pearson, 2020. 1136 p.
dc.relation.references13. Rastrigin L. A., Ripa K. K., Tarasenko G. S., Random search adaptation, "Zinatne", Riga, 1978. 239 p. (in Russian)
dc.relation.references14. E. Klavins, R. Ghrist and D. Lipsky, A Grammatical Approach to Self-Organizing Robotic Systems, IEEE Transactions on Automatic Control. Jun. 2006, Vol. 51, No. 5. pp. 949–962.
dc.relation.referencesen1. Botchkaryov A., Golembo V., Distributed contact sensing system based on autonomous intelligent agents, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, 2001, No. 437. pp. 14–20 (in Ukrainian)
dc.relation.referencesen2. Botchkaryov A., Golembo V., Models of collective behavior of measuring agents, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 463, 2002. pp. 19–27 (in Ukrainian)
dc.relation.referencesen3. Melnyk A., Golembo V., Botchkaryov A., The new principles of designing configurable smart sensor networks based on intelligent agents, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 492, 2003. pp. 100–107 (in Ukrainian)
dc.relation.referencesen4. Botchkaryov A., Collective behavior of mobile intelligent agents solving the autonomous distributed exploration task, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 546, 2005. pp. 12–17 (in Ukrainian)
dc.relation.referencesen5. Botchkaryov A., Structural adaptation of the autonomous distributed sensing and computing systems, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 688, 2010. pp. 16–22 (in Ukrainian)
dc.relation.referencesen6. Botchkaryov A., The problem of organizing adaptive sensing and computing processes in autonomous distributed systems, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 745, 2012, pp. 20–26 (in Ukrainian)
dc.relation.referencesen7. Botchkaryov A., Golembo V., Applying intelligent technologies of data collection to autonomous cyberphysical systems, Transactions on Computer systems and networks, Lviv Polytechnic National University Press, No. 830, 2015. pp. 7–11 (in Ukrainian)
dc.relation.referencesen8. Botchkaryov A., Organization of adaptive processes of information collection in mobile cyberphysical systems, Proceedings of the Second Scientific Seminar "Cyberphysical Systems: Achievements and Challenges", Lviv Polytechnic National University, Lviv, June 21–22, 2016. pp. 62–67 (in Ukrainian)
dc.relation.referencesen9. Cyber-physical systems: data collection technologies, A. Botchkaryov, V. Golembo, Y. Paramud, V. Yatsyuk, ed. A. Melnyk, Lviv, "Magnolia 2006", 2019. 176 p. (in Ukrainian)
dc.relation.referencesen10. Multiagent Systems, by Gerhard Weiss (Editor), 2nd edition, The MIT Press, 2013. 920 p.
dc.relation.referencesen11. Michael Wooldridge, An Introduction to MultiAgent Systems, 2nd edition, Wiley, 2009. 484 p.
dc.relation.referencesen12. Stuart Russell, Peter Norvig, Artificial Intelligence: A Modern Approach, 4th edition, Pearson, 2020. 1136 p.
dc.relation.referencesen13. Rastrigin L. A., Ripa K. K., Tarasenko G. S., Random search adaptation, "Zinatne", Riga, 1978. 239 p. (in Russian)
dc.relation.referencesen14. E. Klavins, R. Ghrist and D. Lipsky, A Grammatical Approach to Self-Organizing Robotic Systems, IEEE Transactions on Automatic Control. Jun. 2006, Vol. 51, No. 5. pp. 949–962.
dc.rights.holder© Національний університет “Львівська політехніка”, 2020
dc.rights.holder© Бочкарьов О. Ю., 2020
dc.subjectавтономна розподілена система
dc.subjectпроцес збирання даних
dc.subjectструктурна адаптація
dc.subjectнавчання з підкріпленням
dc.subjectautonomous distributed system
dc.subjectdata collection process
dc.subjectstructural adaptation
dc.subjectreinforcement learning
dc.subject.udc004.75
dc.subject.udc004.896
dc.titleСтруктурна адаптація процесів збирання даних в автономних розподілених системах із використанням методів навчання з підкріпленням
dc.title.alternativeStructural adaptation of data collection processes in autonomous distributed systems using reinforcement learning methods
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2020v2n1_Botchkaryov_A-Structural_adaptation_13-26.pdf
Size:
1.6 MB
Format:
Adobe Portable Document Format
Thumbnail Image
Name:
2020v2n1_Botchkaryov_A-Structural_adaptation_13-26__COVER.png
Size:
384.07 KB
Format:
Portable Network Graphics

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.96 KB
Format:
Plain Text
Description: