Joint Scheduling and Resource Allocation in Heterogeneous Queuing Systems with Bursty Traffic: A Constrained Soft Actor-Critic Approach
تقترح هذه الورقة نهج "ساتر كرامة ناعم مقيد" (CSAC) يعمل على فصل قيود التأخير الصارمة عن دالة المكافأة، ويستخدم آلية تعيين ثنائية المرحلة لتعظيم منفعة الإنتاجية بفعالية مع تقليل انتهاكات التأخير في أنظمة الطوابير غير المتجانسة ذات حركة المرور الاندفاعية، متفوقاً بذلك على كل من التعلم غير المقيد والأساليب الاستدلالية المرجعية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في الطرق السريعة غير المرئية للاتصالات الحديثة، تنتقل البيانات في حزم، وتنتظر في طوابير لعبور جسر مشترك. هذا الجسر، وهو رابط الشبكة، له حد أقصى لما يمكنه حمله في أي لحظة واحدة. وعندما تصل الكثير من الحزم في وقت واحد، يجب أن تصطف في طوابير، وإذا أصبح الطابور طويلاً جداً أو انتظر لفترة طويلة جداً، تصبح البيانات عديمة الفائدة. هذه هي المشكلة الأساسية لجدولة الشبكة: كيف نقرر أي حزمة تعبر الجسر أولاً عندما تتنافس طوابير متعددة على المساحة. وتشتد التحديات عندما تكون حركة المرور غير متوقعة، حيث تندفع في موجات مفاجئة، وعندما يكون لأنواع مختلفة من البيانات احتياجات مختلفة. فبعض البيانات، مثل مكالمة فيديو مباشرة أو إنذار طوارئ، لا يمكنها تحمل حتى لحظة تأخير واحدة، بينما يمكن لبيانات أخرى، مثل تنزيل ملف، أن تنتظر لفترة أطول قليلاً. والهدف لمهندسي الشبكات هو إبقاء الجسر مشغولاً بما يكفي ليكون فعالاً، ومنظماً بما يكفي لضمان عدم تعثر الرسائل الأكثر إلحاحاً في طابور طويل.
لقد تصدى الباحثون في جامعة غيلين للتقنية الإلكترونية لهذه المشكلة من خلال تصميم طريقة جديدة لإدارة هذه الطوابير المتنافسة. لقد ركزوا على نظام حيث تتشارك عدة طوابير، لكل منها مستوى أولوية خاص بها، رابط مخرج واحد. في إعدادهم، يحمل أحد الطوابير نوعاً خاصاً من حركة المرور التي تصل في دفعات غير متوقعة ولديها قاعدة صارمة: يجب ألا تنتظر حزمها وقتاً محدداً. أما الطوابير الأخرى فتحمل حركة مرور أقل إلحاحاً يمكنها الانتظار لفترة أطول، ومع ذلك يحتاج النظام إلى إبقائها في حالة حركة. وتكمن الصعوبة في أن سعة الرابط تتغير باستمرار، ويمكن لحركة المرور المندفعة أن تغمر النظام في لحظة. وغالباً ما تفشل الأساليب التقليدية، التي تعتمد على قواعد ثابتة، في الاستجابة بسرعة لهذه التغييرات المفاجئة. وفي الوقت نفسه، فإن الأساليب الأحدث التي تستخدم الذكاء الاصطناعي لتعلم كيفية إدارة حركة المرور غالباً ما تضع مقايضة خطيرة: فقد تسمح للحزم العاجلة بالانتظار لفترة طويلة جداً فقط للحفاظ على سرعة حركة النظام الإجمالية.
ولحل ذلك، طور الفريق نهجاً جديداً يعتمد على نوع من الذكاء الاصطناعي يسمى "الممثل الناعم المقيد" (constrained soft actor-critic). فبدلاً من مجرد إخبار الذكاء الاصطناعي بزيادة إجمالي كمية البيانات المرسلة، أعطوه ميزانية منفصلة وصارمة لعدد المرات التي يمكن فيها للطابور العاجل أن ينتهك حد الوقت الخاص به. فكر في الأمر كإعطاء سائق قاعدة صارمة بشأن عدد المرات التي يمكنه فيها تجاوز الإشارة الحمراء، بشكل منفصل عن هدفه المتمثل في الوصول إلى الوجهة بسرعة. يتعلم الذكاء الاصطناعي موازنة الحاجة إلى السرعة مع الحد الصارم للتأخير. ويعد الجزء الرئيسي من تصميمهم عملية مكونة من خطوتين تترجم قرارات الذكاء الاصطناعي المستمرة والانسيابية إلى أعداد كاملة وملموسة من الحزم لإرسالها. وهذا يضمن أن النظام يمكنه تنفيذ الخطة فعلياً دون التعثر في الحسابات النظرية. اختبر الباحثون هذه الطريقة في بيئة محاكاة تحاكي ظروف العالم الحقيقي، بما في ذلك طابور عالي الأولوية بحركة مرور مندفعة، وطابورين منخفضي الأولوية بحركة مرور مستقرة.
أظهرت النتائج ميزة واضحة للطريقة الجديدة. ففي عمليات المحاكاة التي أجروها، فشلت الأساليب التقليدية ذات القواعد الثابتة في حماية حركة المرور العاجلة، حيث سمحت بخرق حد التأخير بنسبة تقارب 18 بالمائة في إحدى الطرق وأكثر من 34 بالمائ المائ في طريقة أخرى. وحتى نهج الذكاء الاصطناعي القياسي بدون القيود الصارمة خرق القاعدة في حوالي 8 بالمائ من المرات. وفي المق المقابل، حافظ النهج المقيد الجديد على معدل الانتهاك للطابور العاجل عند جزء ضئيل جداً، حيث بلغ في المتوسط 0.05 بالمائ فقط، مع تباين ضئيل جداً بين عمليات الاختبار المختلفة. والأهم من ذلك، أن هذه الحماية الصارمة لم تأتِ على حساب حركة المرور الأخرى؛ فقد حافظ النظام على كفاءة عالية، حيث أرسل تقريباً نفس كمية البيانات التي أرسلتها الطرق الأخرى، بل وقلل في الواقع من عدد الحزم التي تم إسقاطها بسبب امتلاء الطوابير. كما شهدت الطوابير ذات الأولوية المنخفضة أوقات انتظار أقصر مقارنة بطريقة الذكاء الاصطناعي القياسية.
تثبت هذه الدراسة أنه من خلال فصل قواعد السلامة الصارمة عن الهدف العام للكفاءة، يمكن لنظام الذكاء الاصطناعي تعلم إدارة حركة المرور المعقدة وغير المتوقعة بشكل أكثر فعالية من الطرق السابقة. ووجد الباحثون أن نهجهم نجح في منع تأخير البيانات الأكثر حرجاً مع الحفاظ على سير النظام بأكيمل. وهذا يشير إلى أنه بالنسبة للشبكات التي تتعامل مع حركة مرور مختلطة، حيث تكون بعض البيانات حيوية للحياة وأخرى ليست كذلك، فإن استخدام نموذج تعلم مقيد يعد مساراً قابلاً للتطبيق. ويؤكد هذا العمل أنه من الممكن الحصول على كل من السرعة العالية والموثوقية الصارمة، بشرط أن يتم تصميم النظام ليعامل حدود السلامة كميزانية منفصلة وغير قابلة للتفاوض بدلاً من كونها مجرد عامل آخر للموازنة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.