Distributed constraint optimization, resource allocation and scheduling in large scale agent networks.

Abstract

The thesis explores new directions pertaining to methods for scheduling and allocating atomic and complex tasks in large-scale networks of homogeneous or heterogeneous cooperative agents. Tasks are requests for resources managed by the agents that populate the network. The proposed methods encapsulate the concepts of searching, task allocation and scheduling seamlessly in decentralized processes. Consequently, there is no need for accumulated or centralized knowledge. Furthermore, centralized coordination is also not necessary. Efficient searching for agent groups that can facilitate the scheduling of tasks is accomplished through the use of a dynamic overlay structure of gateway agents and the exploitation of routing indices. Gateway agents are network nodes that due to specific topological issues have the ability to accumulate limited knowledge relevant to the resources available in their immediate neighbourhood. They issue, keep and constantly update routing indices based on their view on local resources. Routing indices are used for directing requests xfor resources towards parts of the network where the probability of them being served is high. Efficient routing leads to formation of agent teams that try to break down each task into smaller pieces and allocate the appropriate resources to it. The task allocation and the scheduling of complex tasks are accomplished by combining dynamic reorganization of agent groups and distributed constraint optimization methods. After a complex task has been broken down into subtasks, constraints that may exist between the derived subtasks or constraints inherent to the resource allocation procedure are modelled as a distributed constraint optimization problem. The newly formed agent team that has been assigned the problem tries to solve it optimizing the cost due to constraints, at the same time. Upon success the requested resources are allocated accordingly. Otherwise the complex task is forwarded on its entirety so as to another agent team can be formed and try to solve the problem Experiments have demonstrated promising results.

Η διδακτορική διατριβή παρουσιάζει πρωτότυπες μεθόδους για τον καταμερισμό πόρων και αποτελεσματικό τρόπο κατανομής αυτών σε μεγάλα δίκτυα ομογενών ή ετερογενών πρακτόρων. Οι προτεινόμενες τεχνικές συμπεριλαμβάνουν και υλοποιούν τις έννοιες της αναζήτησης, του καταμερισμού πόρων και της κατανομής πόρων σε ένα ενιαίο σύστημα, πλήρως κατανεμημένο. Δεν είναι απαραίτητο να υπάρχει κεντρικό σύστημα διαχείρισης δεδομένων ή οποιασδήποτε άλλης οντότητας σχετικής με τη διαδικασία. Η αποτελεσματική υλοποίηση του περιβάλλοντος επικοινωνίας μεταξύ ομάδων πρακτόρων και της διαδικασίας αναζήτησης επιτυγχάνεται με τη βοήθεια δικτύων επικάλυψης. Τα δίκτυα αυτά είναι δυναμικά και αποτελούνται από πράκτορες οι οποίοι λόγω τοπολογίας είναι σε θέση να διατηρούν εκτεταμένη γνώση όσον αφορά τους πράκτορες με τους οποίους γειτνιάζουν. Διατηρούν επιπλέον δείκτες αναδρομολόγησης που χρησιμοποιούν για την κατεύθυνση του εργασιακού φόρτου προς περιοχές του δικτύου πρακτόρων οι οποίες κρίνεται ότι έχουν αυξημένες πιθανότητες να ικανοποιήσουν τη ζήτηση σε πόρους. Ο καταμερισμός και η κατανομή των πόρων του συστήματος γίνονται με δυναμική αναδιάρθρωση ομάδων πρακτόρων, κάτι το οποίο οδηγεί σε σχηματισμό προσωρινών ομάδων τα μέλη των οποίων είναι πιθανοί αποδέκτες τμήματος ή τμημάτων των διεργασιών που απαιτούν πόρους προς ίδια χρήση. Οι διεργασίες που ζητούν πόρους και οι περιορισμοί μεταξύ τους ή μεταξύ της διαθεσιμότητας των πόρων του συστήματος μοντελοποιούνται και παίρνουν την μορφή ενός κατανεμημένου προβλήματος βέλτιστης ικανοποίησης περιορισμών. Στη συνέχεια η νεοσυσταθείσα ομάδα προσπαθεί να λύσει το κατανεμημένο πρόβλημα. Σε περίπτωση επιτυχίας δεσμεύονται και οι αντίστοιχοι πόροι του συστήματος. Σε άλλη περίπτωση το πρόβλημα προωθείται έτσι ώστε μια άλλη ομάδα πρακτόρων να συσταθεί και να προσπαθήσει να το λύσει. Πειραματικά αποτελέσματα έχουν δείξει ότι η παραπάνω προσέγγιση επιτυγχάνει άκρως ικανοποιητικά αποτελέσματα.