[論文レビュー] On the Necessity and Design of Coordination Mechanism for Cognitive Autonomous Networks

Anubhab Banerjee, Stephen S. Mwanje+1 more|arXiv (Cornell University)|Jan 20, 2020

Opinion Dynamics and Social Influence参考文献 17被引用数 8

ひとこと要約

本稿では、重複する目的や共有パラメータにより、学習ベースの非決定的行動を示す認知関数（CFs）同士が競合する認知自律ネットワーク（CANs）において、協力的でないCFの衝突を解消するためのナッシュ交渉解（NBS）に基づく協調メカニズムを提案する。このメカニズムにより、相互の報酬を最大化することで分散型で最適な設定が可能となり、Pythonベースのマルチエージェントシミュレーションにより、非協調的運用に比べてシステム性能が向上することを検証した。

ABSTRACT

Cognitive Autonomous Networks (CAN) are promoted to advance Self Organizing Network (SON), replacing rule-based SON Functions (SFs) with Cognitive Functions (CFs), which learn optimal behavior by interacting with the network. As in SON, CFs do encounter conflicts due to overlap in parameters or objectives. However, owing to the non-deterministic behavior of CFs, these conflicts cannot be resolved using rulebased methods and new solutions are required. This paper investigates the CF deployments with and without a coordination mechanism, and proves both heuristically and mathematically that a coordination mechanism is required. Using a two-CF Multi-Agent-System model with the possible types of conflicts, we show that the challenge is a typical bargaining problem, for which the optimal response is the Nash bargaining Solution (NBS). We use NBS to propose a coordination mechanism design that is capable of resolving the conflicts and show via simulations how implementation of the proposed solution is feasible in real life scenario.

研究の動機と目的

• 認知自律ネットワーク（CANs）における認知関数（CFs）の間で、非決定的行動と重複する目的のため、協調の必要性を確立すること。
• 分散型CAN環境において、複数の衝突タイプ（入力、測定、論理的依存関係）を解消できる実用的で実装可能な協調メカニズムを設計すること。
• 実世界のパrameter制約を反映したマルチエージェントシステム（MAS）を用いたシミュレーションにより、提案手法の実現可能性と有効性を示すこと。

提案手法

• 利益の衝突状況をモデル化するため、正常形ゲームを用いてCFの衝突を形式化し、囚人のジレンマを用いて利益の衝突を表現する。
• 個々のCFの報酬を最大化する最適なパラメータ設定を求めるために、ナッシュ交渉解（NBS）を適用する。
• 共有入力と相互依存出力を有する2つのCFからなるマルチエージェントシステムをモデル化し、入力（A1）、測定（B1）、論理的依存関係（C2）の衝突をシミュレートする。
• 勾配降下法と学習履歴を用いて最適化のための候補パラメータ値を生成し、全探索を回避する。
• リアルタイムのパrameterチューニングと衝突解消を実現するため、PythonベースのMASフレームワークに協調メカニズムを実装する。
• NBS制約下で、出力の積（o₁·o₂）を最適化基準として報酬最大化を実現する。

実験結果

リサーチクエスチョン

• RQ1 認知自律ネットワークにおける認知関数に協調メカニズムが必要であるかどうか、これは、目的の衝突によって最適でないシステム性能を回避するためである。
• RQ2 ナッシュ交渉解（NBS）は、自律的CF間で複数の衝突タイプ（入力、測定、論理的依存関係）を効果的に解消するために適用可能か。
• RQ3 学習ベースのCFを有する分散型で通信を行わないマルチエージェントシステムは、中央制御装置が存在しない状況でも最適なネットワーク設定を達成できるか。
• RQ4 現実的なシミュレーション環境において、協調と非協調的CF運用の両者を比較した場合、協調の影響はシステム全体のパフォーマンスにどのように及ぶか。

主な発見

• ナッシュ交渉解（NBS）は、個々のCFの出力の積を最大化することで、公平性とシステム全体の効率性を確保する最適な設定を提供する。
• シミュレーション結果から、パラメータp₁の最適値は6であり、このときo₁·o₂が最大化されることを確認し、NBSの予測が妥当であることを裏付けた。
• p₁ = 6を固定した場合、p₂の最適値は300である。これは、テスト範囲内でo₁·o₂がp₂とともに単調に増加するため、性能に強く依存していることを示している。
• 提案された協調メカニズムは、直接的な通信や共有知識を必要とせず、マルチエージェントシステム内で3つの衝突タイプ（A1、B1、C2）を効果的に解消した。
• 学習履歴と勾配ベースのパラメータチューニングを用いることで、実世界のシナリオにおいても実現可能であることを示した。
• 本研究では、非決定的行動を示すCFに対して、ルールベースの協調は不十分であり、ゲーム理論的協調が必須かつ有効であることを確立した。