МЕТОД ПРИЙНЯТТЯ РІШЕНЬ У ВЗАЄМОЗАЛЕЖНИХ ОБЧИСЛЮВАЛЬНИХ СИСТЕМАХ

Анотація

Актуальність даної роботи полягає в тому, що сучасні взаємозалежні обчислювальні системи активно впроваджуються у критично важливі сфери — від розумних енергомереж і транспортних систем до автономних роботизованих платформ і розподілених хмарних сервісів. Ці системи характеризуються складною структурою, великою кількістю взаємодіючих агентів та високими вимогами до прийняття рішень у реальному часі. Незважаючи на значний науково-технічний прогрес, залишаються нерозв'язаними низка викликів, пов’язаних із забезпеченням стійкості, адаптивності та узгодженості дій усіх компонентів системи.

Одним із ключових викликів є необхідність забезпечення раціонального прийняття рішень у децентралізованих умовах, коли кожен агент має обмежену інформацію про стан системи в цілому, а також діє в умовах невизначеності та потенційної недовіри до інших агентів. Класичні централізовані методи часто є неефективними або взагалі непридатними у таких випадках через надмірну складність або затримки обміну даними.

Особливо актуальним є питання розробки методів, які забезпечують не тільки коректність рішень, але й відповідність часовим обмеженням. У взаємозалежних обчислювальних середовищах, де рішення одного агента впливає на результат роботи інших, будь-яке запізнення або помилка в стратегії може призвести до деградації продуктивності всієї системи. В таких умовах вкрай важливо використовувати адаптивні, ігрові та репутаційні підходи, які дозволяють досягати динамічної узгодженості та стабільності системи.

У даній роботі розроблено метод прийняття рішень для взаємозалежних обчислювальних систем, який поєднує баєсівське оновлення репутацій, логарифмічно-лінійне навчання стратегій та механізми навчання з підкріпленням. Особливістю запропонованого методу є його здатність адаптуватися до змін середовища та ефективно виявляти недобросовісних агентів шляхом динамічного коригування репутацій. Алгоритмічна реалізація моделі дозволяє досягти рівноваги Байєса-Неша, що свідчить про стабільність системи навіть у складних сценаріях взаємодії.

Результати експериментального моделювання продемонстрували, що запропонований метод забезпечує баланс між адаптивністю, надійністю та ефективністю взаємодій. Система демонструє здатність до самоорганізації, стабілізується за меншу кількість ітерацій порівняно з класичними підходами, а також ефективно запобігає впливу саботажної поведінки окремих агентів.

У перспективі подальших досліджень — адаптація моделі до різних типів обчислювальних середовищ, включаючи MEC-інфраструктури, edge-системи та IoT-платформи. Окрему увагу планується приділити розробці нових цільових функцій, які б враховували не лише стабільність і швидкість збіжності, а й енергоспоживання, пропускну здатність мережі та якість сервісу (QoS).