Специалисты Центра ИИ МГУ создали инновационный мультиагентный подход для управления трафиком. Технология минимизирует обмены данными между агентами и ускоряет маршрутизацию при динамичной нагрузке.
Балансировка трафика в телекоммуникациях и ЦОД требует равномерного распределения потоков без перегрузок. Традиционные методы устаревают из-за неспособности учитывать случайные колебания и высокую скорость изменения данных при росте сетей.
Ранее ученые представили метод MAROH, объединяющий мультиагентную оптимизацию и обучение с подкреплением. MAROH превзошел классические решения вроде ECMP/UCMP, но требовал постоянного обмена информацией и пересчета решений при любом изменении потока.
Новая разработка Центра включает блок принятия решений с двумя контурами, вдохновленный открытиями нобелевского лауреата Даниэля Канемана. Его исследования механизмов принятия решений в условиях неопределенности выявили двойную систему: быстрый отклик на знакомые ситуации и глубокий анализ для новых сценариев. Агенты обучаются запоминать контексты и применять решения без координации с другими участниками сети.
Эксперименты подтвердили снижение межагентных обменов на 80-96% относительно прежних алгоритмов. Эффективность распределения нагрузки и скорость стабилизации потоков сохранились на высоком уровне.
Технология предназначена для телеком-инфраструктур и ЦОД, где критичны адаптивность к переменам трафика и масштабируемость систем.
