[논문 리뷰] On the Necessity and Design of Coordination Mechanism for Cognitive Autonomous Networks

Anubhab Banerjee, Stephen S. Mwanje외 1명|arXiv (Cornell University)|2020. 01. 20.

Opinion Dynamics and Social Influence참고 문헌 17인용 수 8

한 줄 요약

이 논문은 인지 자율 네트워크(CANs)에서 비결정적이고 학습 기반의 인지 기능(CFs) 간의 겹치는 목표나 공유 파rameter로 인해 발생하는 갈등을 해결하기 위해 나시 협상 해법(NBS) 기반의 조율 메커니즘을 제안한다. 이 메커니즘은 상호 수익 극대화를 통해 탈중앙화되고 최적의 설정을 가능하게 하며, Python 기반의 다중 에이전트 시뮬레이션을 통해 비조율 운영 대비 향상된 시스템 성능을 입증한다.

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.

연구 동기 및 목표

• 인지 자율 네트워크(CANs)에서 비결정적 행동과 겹치는 목표로 인해 인지 기능(CFs) 간의 조율이 필요하다는 것을 입증하기 위해.
• 다양한 갈등 유형(입력, 측정, 논리적 종속성)을 탈중앙화된 CAN 환경에서 해결할 수 있는 실용적이고 구현 가능한 조율 메커니즘을 설계하기 위해.
• 실제 세계의 파rameter 제약 조건을 반영한 다중 에이전트 시스템(MAS)을 통한 시뮬레이션을 통해 제안된 솔루션의 타당성과 효율성을 입증하기 위해.

제안 방법

• 갈등의 이익 대비 상황을 모델링하기 위해 포로의 딜레마를 사용하여 정규형 게임으로 CF 갈등을 수리적으로 정의한다.
• 개별 CF의 유용성을 극대화하는 최적의 파라미터 설정을 도출하기 위해 나시 협상 해법(NBS)을 적용한다.
• 공유 입력과 상호의존적 출력을 가진 두 개의 CF로 구성된 다중 에이전트 시스템을 모델링하여 입력(A1), 측정(B1), 논리적 종속성(C2) 갈등을 시뮬레이션한다.
• 기울기 강하와 학습 이력 정보를 활용해 최적화를 위한 후보 파라미터 값을 생성함으로써 완전한 검색을 피한다.
• 실시간 파라미터 조정과 갈등 해결을 위한 시뮬레이션을 수행하기 위해 Python 기반의 MAS 프레임워크에 조율 메커니즘을 구현한다.
• NBS 제약 조건 하에서 개별 출력의 곱(o₁·o₂)을 최적화 기준으로 삼아 수익 극대화를 구현한다.

실험 결과

연구 질문

• RQ1 CF 간의 충돌 목표로 인해 시스템 성능이 최적화되지 않을 수 있는 상황에서, CANs 내 CF 간의 조율 메커니즘이 필요할까?
• RQ2 나시 협상 해법(NBS)은 자율 CF 간의 다수 갈등 유형(입력, 측정, 논리적 종속성)을 효과적으로 해결하는 데 적용될 수 있는가?
• RQ3 학습 기반의 CF를 갖는 탈중앙화된, 상호 통신이 없는 다중 에이전트 시스템이 중앙 제어자 없이 최적의 네트워크 설정을 달성할 수 있는가?
• RQ4 실제 시뮬레이션 환경에서 비조율 CF 운영 대비 조율가능한 시스템 전반의 성능에 어떤 영향을 미치는가?

주요 결과

• 나시 협상 해법(NBS)은 개별 CF 출력의 곱을 극대화함으로써 CF에 최적의 설정을 제공하며, 공정성과 시스템 전반의 효율성을 보장한다.
• 시뮬레이션 결과, 출력의 곱 o₁·o₂가 최대가 되는 최적의 파라미터 p₁ 값은 6임을 확인하였으며, 이는 NBS 예측를 뒷받침한다.
• 고정된 p₁ = 6 조건 하에서, o₁·o₂가 테스트 범위 내에서 p₂에 대해 단조적으로 증가하므로, 최적의 p₂ 값은 300임을 확인하였다. 이는 성능에 p₂에 대한 강한 의존성이 있음을 시사한다.
• 제안된 조율 메커니즘은 직접 통신이나 공유 지식 없이도 다중 에이전트 시스템 내에서 모든 세 가지 갈등 유형(A1, B1, C2)을 효과적으로 해결한다.
• 학습 이력과 기울기 기반 파라미터 조정을 활용함으로써, 실세계 시나리오에서의 타당성을 입증한 프레임워크를 제공한다.
• 비결정적 행동을 보이는 CF에 대해서는 규칙 기반 조율만으로는 부족하며, 게임 이론 기반 조율이 필수적이며 효과적임을 규명하였다.