Традиционные методы инженерии трафика неэффективны в условиях растущих объемов данных и динамической нагрузки. Предыдущая разработка авторов, метод MAROH, хоть и превосходила классические подходы, требовала интенсивного обмена информацией между агентами и перерасчета решений при каждом изменении потоков.
Новый метод вдохновлен идеями Даниэля Канемана о двухконтурной системе принятия решений у человека. Агент быстро оценивает знакомые ситуации и принимает готовые решения, обращаясь к сложному анализу и взаимодействию с другими агентами только в новых условиях. Это позволяет агенту накапливать опыт и формировать «интуицию».
Эксперименты показали сокращение межагентных обменов на 80–96% по сравнению с предыдущими алгоритмами, при сохранении эффективности балансировки нагрузки. Разработка ориентирована на телекоммуникационные инфраструктуры и центры обработки данных, где важны масштабируемость и оперативная адаптация к изменениям трафика.
По словам Руслана Смелянского, заведующего кафедрой АСВК МГУ, реализация этой идеи потребовала привлечения фундаментальных математических знаний и технологий нейросетей, что позволило сократить непроизводительную нагрузку на сеть и ускорить принятие решений без усложнения архитектуры.
Результаты опубликованы в журнале Mathematics.
