論文の概要: Towards the decentralized coordination of multiple self-adaptive systems
- arxiv url: http://arxiv.org/abs/2310.17224v1
- Date: Thu, 26 Oct 2023 08:22:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-27 21:19:40.788416
- Title: Towards the decentralized coordination of multiple self-adaptive systems
- Title（参考訳）: 複数の自己適応システムの分散協調に向けて
- Authors: Paul-Andrei Dragan, Andreas Metzger, Klaus Pohl
- Abstract要約: 複数の自己適応システムが同じ環境を共有し、共通の目標を持つ場合、競合を避け、目標を満たすために実行時に適応を調整することができる。
本研究では,2種類の制約(優先制約,局所的関心事表現,一貫性制約,共有的関心事表現)を導入した分散協調手法であるCoADAPTを提案する。
実行時に、各自己適応システムによって実装された分散制約最適化アルゴリズムを用いて分散的に解決される。
- 参考スコア（独自算出の注目度）: 0.3222802562733786
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: When multiple self-adaptive systems share the same environment and have
common goals, they may coordinate their adaptations at runtime to avoid
conflicts and to satisfy their goals. There are two approaches to coordination.
(1) Logically centralized, where a supervisor has complete control over the
individual self-adaptive systems. Such approach is infeasible when the systems
have different owners or administrative domains. (2) Logically decentralized,
where coordination is achieved through direct interactions. Because the
individual systems have control over the information they share, decentralized
coordination accommodates multiple administrative domains. However, existing
techniques do not account simultaneously for both local concerns, e.g.,
preferences, and shared concerns, e.g., conflicts, which may lead to goals not
being achieved as expected. Our idea to address this shortcoming is to express
both types of concerns within the same constraint optimization problem. We
propose CoADAPT, a decentralized coordination technique introducing two types
of constraints: preference constraints, expressing local concerns, and
consistency constraints, expressing shared concerns. At runtime, the problem is
solved in a decentralized way using distributed constraint optimization
algorithms implemented by each self-adaptive system. As a first step in
realizing CoADAPT, we focus in this work on the coordination of adaptation
planning strategies, traditionally addressed only with centralized techniques.
We show the feasibility of CoADAPT in an exemplar from cloud computing and
analyze experimentally its scalability.
- Abstract（参考訳）: 複数の自己適応型システムが同じ環境を共有し、共通の目標を持つ場合、コンフリクトを避け、目標を満たすために実行時に適応を調整できる。
協調には2つのアプローチがある。
1)管理者が個別の自己適応システムを完全に制御する論理的中央集権化。
このようなアプローチは、システムが異なる所有者や管理ドメインを持つ場合、実現不可能である。
2) 直接の相互作用によって協調が達成される論理的分散化。
個々のシステムは共有する情報を制御するため、分散協調は複数の管理領域に対応している。
しかし、既存の技術は局所的な関心事、例えば選好、共有関心事、例えば紛争などの両方を同時に考慮していないため、目標が期待通りに達成されない可能性がある。
この欠点に対処するための私たちのアイデアは、同じ制約最適化問題の中で両方のタイプの懸念を表現することです。
本研究では,2種類の制約(優先制約,局所的関心事表現,一貫性制約,共有的関心事表現)を導入した分散協調手法であるCoADAPTを提案する。
実行時に、各自己適応システムによって実装された分散制約最適化アルゴリズムを用いて分散的に解決される。
coadaptを実現する第一歩として,従来の集中型手法のみを扱う適応型計画戦略の調整に重点を置いています。
本稿では,クラウドコンピューティングに代表されるCoADAPTの実現可能性を示し,そのスケーラビリティを実験的に分析する。
関連論文リスト
- Towards Hypermedia Environments for Adaptive Coordination in Industrial Automation [3.686808512438363]
電気機械システムは、相互接続されたコンポーネントのネットワークを介して物理的プロセスを管理する。
私たちは、システムのセマンティック記述を処理する自律的なソフトウェアエージェントを使用して、調整要件と制約を決定します。
エージェントは互いに対話し、分散された協調された方法でシステムを制御します。
論文 参考訳（メタデータ） (2024-06-25T06:21:52Z) - DePAint: A Decentralized Safe Multi-Agent Reinforcement Learning Algorithm considering Peak and Average Constraints [1.1549572298362787]
本稿では,この問題を解決するために,モーメントに基づく分散勾配法DePaintを提案する。
これは、ピーク制約と平均制約の両方を考慮した、プライバシ保存で完全に分散化されたマルチエージェント強化学習アルゴリズムとしては初めてのものである。
論文 参考訳（メタデータ） (2023-10-22T16:36:03Z) - Adaptive Consensus: A network pruning approach for decentralized
optimization [0.5432724320036953]
ネットワーク内の各ノードが局所関数を持つネットワークベースの分散最適化問題を考える。
目的は、すべての局所関数の和を最小化するコンセンサス解を集合的に達成することである。
本稿では,通信量を削減する適応的ランダム化通信効率アルゴリズムフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-06T00:28:10Z) - An Adaptive Fuzzy Reinforcement Learning Cooperative Approach for the
Autonomous Control of Flock Systems [4.961066282705832]
この研究は、群集システムの自律制御に適応的な分散ロバスト性技術を導入している。
比較的柔軟な構造は、様々な目的を同時に狙うオンラインファジィ強化学習スキームに基づいている。
動的障害に直面した場合のレジリエンスに加えて、アルゴリズムはフィードバック信号としてエージェントの位置以上のものを必要としない。
論文 参考訳（メタデータ） (2023-03-17T13:07:35Z) - Optimal Algorithms for Decentralized Stochastic Variational Inequalities [113.43047601775453]
この作業は、ますます重要になるが十分に理解されていない分散的な設定に集中する。
通信と局所的な繰り返しの両方の下位境界を示し、これらの下位境界に一致する最適なアルゴリズムを構築する。
我々のアルゴリズムは、分散化されたケースだけでなく、決定論的で非分散的な文献でも利用できる。
論文 参考訳（メタデータ） (2022-02-06T13:14:02Z) - Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。
SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
論文 参考訳（メタデータ） (2021-12-12T06:11:16Z) - Competing Adaptive Networks [56.56653763124104]
適応エージェントのチーム間での分散競争のためのアルゴリズムを開発する。
本稿では,生成的対向ニューラルネットワークの分散学習への応用について述べる。
論文 参考訳（メタデータ） (2021-03-29T14:42:15Z) - F2A2: Flexible Fully-decentralized Approximate Actor-critic for
Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。
本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。
当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
論文 参考訳（メタデータ） (2020-04-17T14:56:29Z) - Decentralized MCTS via Learned Teammate Models [89.24858306636816]
本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。
深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
論文 参考訳（メタデータ） (2020-03-19T13:10:20Z) - Contradictory Structure Learning for Semi-supervised Domain Adaptation [67.89665267469053]
現在の逆順応法は、クロスドメインの特徴を整列させようとする。
1)条件分布ミスマッチ、2)決定境界のソース領域へのバイアス。
本稿では,対向構造の学習を統一することで,半教師付きドメイン適応のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-06T22:58:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。