🎙О чем рассказали Елизавета Тарасова и Дмитрий Терещенко на вчерашнем семинаре: часть 1

🔼Об алгоритмах создания виртуализированных вычислительных сред из ресурсов AIoT

Общая проблема здесь – взаимодействие со сложной инфраструктурой гетерогенных устройств в условиях ограниченных ресурсов.

🎮 Децентрализованное управление ресурсами с использованием кластеризации устройств и выбором локальных лидеров осуществляется с помощью мультиагентных систем для решения задач и ведения переговоров между агентами.

Выделяют следующие критерии удовлетворенности агентов:

Агент заказа (потребности):
➕Минимальная задержка.
➕Минимальная стоимость.

Агент ресурса (возможности):
➕Максимальная загруженность.
➕Минимизация простоя и переналадки.

Данные агенты взаимодействуют между собой в процессе так называемого «аукциона», что также называется методом «скользящего» принятия решений:
Этап1️⃣: агент потребности объявляет задачу и цену.
Этап2️⃣: агенты возможностей оценивают возможность выполнения и предлагают свою цену.
Этап3️⃣: агент потребности выбирает лучший вариант.

Оптимально распределить ресурсы можно с помощью математической модели MDP (Markov decision process).

‼️Она подходит для принятия решений в ситуациях, где исходы частично случайны и частично под контролем того, кто принимает эти решения.

Структуру MDP использует обучение с подкреплением (Reinforcement learning), чтобы моделировать взаимодействие между обучающимся агентом и его средой.

💭 Спикер добавил, что прогнозирование ресурсов можно осуществить, применив алгоритм EEMD-ARIMA.
Среди преимуществ такого метода:
✔️учет нелинейностей
✔️повышение точности ✔️возможность устранения нестационарности

Во второй части расскажем об адаптивных контроллерах, SPSA-алгоритме и двухслойном распределении задач, которое работает без единого центра управления.

Продолжение следует 💬