Адаптивний метод розміщення сервісів у туманних обчислювальних системах на основі графової уваги та мультиагентного навчання з підкріпленням

Анотація

У роботі представлено метод Adaptive Fog Architecture with Integrated Artificial Intellegence для побудови оптимальної архітектури туманної обчислювальної системи. Метод реалізує чотирикомпонентний конвеєр прийняття рішень: навчений шар графової уваги для структурного кодування топології мережі, мультиагентний контролер типу Multi-Agent Deep Deterministic Policy Gradient зі спільними вагами Actor-мережі та mean-field критиком для масштабованості на змінну кількість вузлів, адаптивний оркестратор на основі стохастичного Boltzmann-аукціону та модуль зворотного зв'язку, що навчає модель на фактично реалізованих результатах виконання підзадач, а не на апріорних оцінках. Метод реалізовано й оцінено в дискретно-подієвому симуляційному середовищі (SimPy) з реальними чергами обслуговування, контенцією пропускної здатності каналу, ланцюжковими залежностями підзадач і стохастичним процесом відмов вузлів. Порівняльна оцінка на восьми методах (представлений метод і сім базових ліній: Particle Swarm Optimization, Genetic Algorithm, Ant Colony Optimization, Machine Learning + Particle Swarm Optimization, Multi-Agent Reinforcement Learning, Federated Learning, Multi-Agent Reinforcement Learning + Graph Neural Networks + Federated Learning) у п'яти сценаріях під базовим і стрес-навантаженням показала, що представлений метод досягає найкращого серед усіх восьми методів показника балансування навантаження у чотирьох з п'яти сценаріїв базового режиму та конкурентної, хоча не найкращої, середньої затримки. Встановлено, що парадигма прийняття рішень (періодичне пакетне планування проти негайної онлайн-реакції) є домінантним фактором відмінності класів методів за затримкою, суттєвішим за вибір конкретного алгоритму оптимізації в межах однієї архітектури. Виявлено архітектурний компроміс: стохастичність аукціону, корисна для балансування навантаження за нормальних умов, знижує частку дотримання дедлайнів під екстремальним навантаженням. Незалежна holdout-перевірка початково запропонованого класифікатора класів методів не підтвердила гіпотезу про визначальну роль варіативності навантаження, що обґрунтовує необхідність її переформулювання на основі архітектурних параметрів системи, а не статистичних характеристик вхідного потоку.