[論文レビュー] Transformation of Networks through Cognitive Approaches

T. R. Gopalakrishnan Nair, Abhijith+1 more|arXiv (Cornell University)|Jan 20, 2010

Opinion Dynamics and Social Influence参考文献 28被引用数 7

ひとこと要約

本稿は、認知的ネットワークを提唱し、知覚、学習、推論、意思決定を統合することで、ネットワーク効率とサービス品質を向上させる知能的フレームワークを提示する。認知的ネットワークはフィードバック駆動のOODAループを通じて、変化する状況に動的に適応でき、複雑で多目的な環境において自己最適化と性能向上を実現することを示している。

ABSTRACT

The growth in data traffic and the increased demand for quality of service had generated a large demand for network systems to be more efficient. The introduction of improved routing systems to meet the increasing demand and varied protocols to accommodate various scales of challenges in network efficiency had further complicated the operations. This means that a better mode of intelligence has to be infused into networking for smoother operations and better autonomic features. Cognitive networks are defined and analyzed in this angle. They are identified to have the potential to deal with the future user related quality and efficiency of service at optimized levels. The cognitive elements of a system like perception, learning, planning, reasoning and decision forming can enable the systems to be more aware of their environment and offer better services. These approaches are expected to transform the mode of operation of future networks.

研究の動機と目的

• 増加するデータトラフィックと多様なQoS要件に対応できる、効率的で適応的なネットワークシステムへの需要に対応すること。
• 静的プロトコルに依存し、最適でない適応メカニズムに依存する従来のネットワークの限界を克服すること。
• 環境変化を知覚し、それから学び、推論し、自律的に応答できるシステムを可能にする認知的ネットワークを導入すること。
• 知覚、計画、推論、意思決定といった統合された認知プロセスを通じて、エンドツーエンドのネットワーク最適化を実現すること。
• 認知的ネットワーク要素における自己中心性、無知、制御の設計課題を検討し、安定的かつ最適な性能を確保すること。

提案手法

• 継続的な適応を可能にするために、認知的ネットワーク運用のコアフレームワークとしてOODAループ（観察、状況把握、意思決定、実行）を採用する。
• システムの認識度と反応性を向上させるために、知覚、学習、推論、意思決定を主な認知機能として統合する。
• 複数のプロトコルレイヤーにわたる性能最適化を図るため、クロスレイヤー設計の原則を活用する。
• 認知プロセスをモデル化するため、推論・演繹を担当する認知エンジンと、観察と行動を担当する再構成可能ノードからなる二要素アーキテクチャを採用する。
• スループット、遅延、信頼性といった競合する性能指標のバランスを取るために、複数目的最適化（MOO）を適用する。
• 特定の設計意思決定（自己中心性、無知、制御レベルを含む）の有無によるネットワーク性能のトレードオフを評価するため、「機能の価格」を定義する。

実験結果

リサーチクエスチョン

• RQ1 認知的ネットワークは、変化するネットワーク状態にどのように動的に適応し、エンドツーエンドの性能を最適化できるか？
• RQ2 OODAループは、ネットワークシステムにおける知能的でリアルタイムの意思決定をどのように可能にするか？
• RQ3 スループット、遅延、公平性といった複数の対立する目的を認知的ネットワーク設計でどのようにバランスさせるか？
• RQ4 自己中心性、無知、制御レベルの影響は、認知的ネットワークの安定性と性能にどのように現れるか？
• RQ5 どのような構造的クラスの認知的ネットワークにおいて、ナッシュ均衡、パレート最適、グローバル最適が達成可能か？

主な発見

• 認知的ネットワークは、ネットワーク運用に知覚、学習、推論、意思決定を統合することで、ネットワークの適応性と性能を顕著に向上させる。
• OODAループは、動的ネットワークにおける継続的な環境センシング、文脈認識意思決定、適応的応答のための強固なフレームワークを提供する。
• クロスレイヤー最適化により、複数のプロトコルレイヤーにわたる機能の調整が可能となり、従来のレイヤードアーキテクチャに起因する非効率性が低減され、性能が向上する。
• 「機能の価格」の指標は、自己中心的行動、無知、制御レベルといった設計選択と、ネットワーク性能のトレードオフを効果的に定量化できる。
• 潜在的および準凸クラスの認知的ネットワークはナッシュ均衡に収束し、特に準凸クラスではパレート最適およびグローバル最適な性能が達成される。
• 再構成可能ノードアーキテクチャは、ネットワーク全体の再構成と観察を可能とし、異種ネットワーク環境にわたり認知的機能のスケーラブルな展開を実現する。