Метод децентралізованого управління адаптивними процесами збору даних в автономних розподілених системах

Abstract

Розглянуто проблему організації процесів збирання даних в автономних розподілених системах, зокрема в автономних мобільних кіберфізичних системах та автономних розподілених системах моніторингу навколишнього середовища. Запропоновано модель децентралізованого управління адаптивними процесами збирання даних на основі принципу рівноваги. За допомогою цієї моделі досліджено завдання узгодження спільних колективних дій адаптивних процесів збирання даних з погляду пошуку ефективної схеми їх взаємодоповнення за умов відсутності центру управління. Розроблено метод децентралізованого управління адаптивними процесами збирання даних з використанням принципу рівноваги та навчання з підкріпленням за методом нормованої експоненційної функції. Розроблений метод дає змогу забезпечити ефективну роботу автономних розподілених систем за умов динамічних змін кількості процесів збирання даних та ненадійної обмеженої інформаційної взаємодії між ними. У результаті дослідження та моделювання роботи запропонованого методу децентралізованого управління встановлено, що використання методу нормованої експоненційної функції забезпечує ефективніший пошук рішення порівняно з методом адаптивного випадкового пошуку (в середньому на 28,3 %). За допомогою коефіцієнта збереження ефективності отримано оцінку залежності роботи запропонованого методу децентралізованого управління від зміни кількості процесів збирання даних та зміни схеми інформаційної взаємодії між ними.The problem of organizing data collection processes in autonomous distributed systems has been considered, in particular, in autonomous mobile cyber-physical systems and autonomous distributed environmental monitoring systems. A model of decentralized control of adaptive data collection processes based on the principle of equilibrium has been proposed. Using this model, the problem of coordinating joint collective actions of adaptive data collection processes is studied from the point of view of finding an effective scheme for their complementarity in the absence of a control center. A method has been developed for decentralized control of adaptive data collection processes using the principle of equilibrium and reinforcement learning using the normalized exponential function method. The developed method allows for efficient operation of autonomous distributed systems in conditions of dynamic changes in the number of data collection processes and limited information interaction between them. As a result of research and modeling of the developed decentralized control method, it was found that the use of the normalized exponential function method provides a more efficient search for a solution compared to the adaptive random search method (on average by 28.3 %). The dependence of the work of the developed decentralized control method on changes in the number of data collection processes and changes in the information interaction pattern between them was studied using the efficiency retention coefficient.