Исследователи Междисциплинарной научно-образовательной школы МГУ «Мозг, когнитивные системы, искусственный интеллект» изучили, как можно более эффективно распределять трафик в сетях передачи данных. Работа посвящена разработке методов, позволяющих снижать перегрузку каналов связи за счёт координации между узлами сети.
В современных сетях передачи данных важно правильно распределять потоки информации между доступными маршрутами, чтобы избежать перегрузки отдельных каналов. Одним из ключевых показателей в этой задаче является максимальная загрузка каналов (MLU), отражающая, насколько сильно перегружен самый загруженный участок сети.
Существующие централизованные методы позволяют находить решения, близкие к оптимальным, однако они реагируют на изменения в сети с задержкой, так как требуют сбора информации со всех узлов. Альтернативой является децентрализованное управление, при котором решения принимаются на уровне отдельных узлов, но такие подходы часто оказываются менее эффективными из-за ограниченности доступной информации.
В работе рассматривается децентрализованный подход, дополненный обменом информацией между узлами. Управление осуществляется с использованием мультиагентного обучения с подкреплением, при котором каждый узел действует как отдельный агент и принимает решения на основе доступных данных.
Ученые МГУ предложили ряд улучшений существующих методов и разработали несколько схем взаимодействия агентов. В этих схемах обмен информацией происходит в два этапа: сначала анализируется локальная информация, а затем — данные, полученные от соседних узлов. Это позволяет уменьшить объём обмена данными в случаях, когда локальной информации достаточно для принятия решения.
«Обмен информацией между узлами позволяет агентам быстрее адаптироваться к изменениям в сети и принимать более согласованные решения. Это даёт возможность эффективно распределять трафик без централизованного управления», — отметил ассистент кафедры автоматизации систем вычислительных комплексов факультета ВМК МГУ Евгений Степанов.
Проведённые эксперименты показали, что предложенные методы позволяют достигать распределения трафика, близкого к оптимальному, всего за несколько шагов и более эффективно использовать ресурсы сети.
Работа была представлена на научной конференции «Ломоносовские чтения».