В современных сетях передачи данных централизованные методы распределения трафика хотя и близки к оптимальным, но реагируют на изменения с задержкой, а децентрализованные — работают быстрее, но часто менее эффективны из-за нехватки информации. Исследователи Междисциплинарной научно-образовательной школы МГУ «Мозг, когнитивные системы, искусственный интеллект» предложили способ объединить преимущества обоих подходов: они разработали схему мультиагентного обучения с подкреплением, при которой узлы сети обмениваются данными и принимают согласованные решения без центрального управляющего. «Обмен информацией между узлами позволяет агентам быстрее адаптироваться к изменениям в сети и принимать более согласованные решения. Это даёт возможность эффективно распределять трафик без централизованного управления», — отметил ассистент кафедры автоматизации систем вычислительных комплексов факультета ВМК МГУ Евгений Степанов.
Как сообщает пресс-служба МГУ, исследователи Междисциплинарной научно-образовательной школы «Мозг, когнитивные системы, искусственный интеллект» изучили, как можно более эффективно распределять трафик в сетях передачи данных. Работа была представлена на научной конференции «Ломоносовские чтения».
В чём суть проблемы
В современных сетях передачи данных важно правильно распределять потоки информации между доступными маршрутами, чтобы избежать перегрузки отдельных каналов. Одним из ключевых показателей в этой задаче является максимальная загрузка каналов (MLU), отражающая, насколько сильно перегружен самый загруженный участок сети.
Существующие централизованные методы позволяют находить решения, близкие к оптимальным, однако они реагируют на изменения в сети с задержкой, так как требуют сбора информации со всех узлов. Альтернативой является децентрализованное управление, при котором решения принимаются на уровне отдельных узлов, но такие подходы часто оказываются менее эффективными из-за ограниченности доступной информации.
Что предложили учёные МГУ
В работе рассматривается децентрализованный подход, дополненный обменом информацией между узлами. Управление осуществляется с использованием мультиагентного обучения с подкреплением, при котором каждый узел действует как отдельный агент и принимает решения на основе доступных данных.
Учёные МГУ предложили ряд улучшений существующих методов и разработали несколько схем взаимодействия агентов. В этих схемах обмен информацией происходит в два этапа: сначала анализируется локальная информация, а затем — данные, полученные от соседних узлов. Это позволяет уменьшить объём обмена данными в случаях, когда локальной информации достаточно для принятия решения.
Каковы результаты экспериментов
Проведённые эксперименты показали, что предложенные методы позволяют достигать распределения трафика, близкого к оптимальному, всего за несколько шагов и более эффективно использовать ресурсы сети. Обмен информацией между узлами даёт агентам возможность быстрее адаптироваться к изменениям в сети и принимать более согласованные решения.
Таким образом, предложенный подход позволяет эффективно распределять трафик без централизованного управления, что особенно важно для современных высоконагруженных сетей, где скорость реакции на изменения критична.
Коротко: главное о разработке учёных МГУ
Исследователи МГУ предложили метод децентрализованного управления трафиком в сетях с использованием мультиагентного обучения с подкреплением. Узлы сети обмениваются информацией и принимают согласованные решения без центрального управляющего. Это позволяет быстрее адаптироваться к изменениям и эффективнее использовать ресурсы. Эксперименты показали, что метод достигает распределения трафика, близкого к оптимальному, всего за несколько шагов.
Резюме
-
Учёные МГУ разработали метод децентрализованного управления трафиком в сетях.
-
Используется мультиагентное обучение с подкреплением, узлы обмениваются информацией.
-
Метод позволяет быстрее адаптироваться к изменениям, чем централизованные подходы.
-
Эксперименты подтвердили эффективность и близость к оптимальному распределению.
-
Работа представлена на конференции «Ломоносовские чтения».
Материал подготовлен изданием «Техносуверен» (technosuveren.ru).
Дата публикации: 21 августа 2026 года.
