System zdecentralizowany

Graficzne porównanie systemu scentralizowanego (A) i zdecentralizowanego (B).

Zdecentralizowany system w teorii systemów to system, w którym komponenty niższego poziomu działają na lokalnych informacjach, aby osiągnąć globalne cele. Globalny wzorzec zachowania jest wyłaniającą się właściwością dynamicznych mechanizmów, które działają na lokalne komponenty, takie jak komunikacja pośrednia, a nie wynikiem centralnego porządkującego wpływu scentralizowanego systemu .

Systemy scentralizowane i zdecentralizowane

Scentralizowany system to taki, w którym centralny kontroler sprawuje kontrolę nad komponentami niższego poziomu systemu bezpośrednio lub poprzez wykorzystanie hierarchii władzy ( np . Złożone zachowanie tego systemu jest zatem wynikiem „kontroli” centralnego sterownika nad komponentami niższego poziomu w systemie, w tym aktywnego nadzoru nad komponentami niższego poziomu .

Z drugiej strony system zdecentralizowany to taki, w którym złożone zachowania powstają dzięki pracy komponentów niższego poziomu działających na lokalnych informacjach, a nie na instrukcjach jakiegokolwiek wpływu rozkazującego. Ta forma kontroli jest znana jako kontrola rozproszona lub kontrola, w której każdy składnik systemu jest w równym stopniu odpowiedzialny za przyczynianie się do globalnego, złożonego zachowania poprzez odpowiednie działanie na lokalnych informacjach. Komponenty niższego poziomu są pośrednio świadome tych odpowiednich reakcji poprzez mechanizmy oparte na interakcji komponentu ze środowiskiem, w tym z innymi komponentami w tym środowisku.

Samoorganizacja

Systemy zdecentralizowane są ściśle powiązane z ideą samoorganizacji — zjawiskiem, w którym lokalne interakcje między elementami systemu ustanawiają porządek i koordynację w celu osiągnięcia globalnych celów bez centralnego wpływu dowodzenia. Reguły określające te interakcje wyłaniają się z lokalnych informacji, aw przypadku czynników biologicznych (lub inspirowanych biologicznie) z ściśle powiązanego systemu percepcji i działania agentów. Te interakcje nieustannie tworzą się i zależą od wzorców czasoprzestrzennych , które powstają w wyniku pozytywnego i negatywnego sprzężenia zwrotnego , które zapewniają interakcje. Na przykład rekrutacja mrówek w zachowaniu żerowania opiera się na pozytywnym sprzężeniu zwrotnym mrówki znajdującej pożywienie na końcu szlaku feromonowego , podczas gdy zachowanie mrówek związane z przełączaniem zadań opiera się na negatywnym sprzężeniu zwrotnym związanym z nawiązaniem kontaktu antenowego z określoną liczbą mrówek ( na przykład wystarczająco niski wskaźnik spotkań z odnoszącymi sukcesy zbieraczami może spowodować, że robotnik midden przestawi się na żerowanie, chociaż inne czynniki, takie jak dostępność pożywienia, mogą wpłynąć na próg zmiany).

Przykłady

Chociaż zdecentralizowane systemy można łatwo znaleźć w przyrodzie, są one również widoczne w aspektach ludzkiego społeczeństwa, takich jak systemy rządowe i gospodarcze.

Biologiczne: Kolonie owadów

Duża liczba mrówek jedzących kawałek owocu

Jednym z najbardziej znanych przykładów „naturalnego” zdecentralizowanego systemu jest system używany przez niektóre kolonie owadów . W tych koloniach owadów kontrola jest rozdzielona między jednorodne czynniki biologiczne, które działają na podstawie lokalnych informacji i lokalnych interakcji, aby wspólnie tworzyć złożone, globalne zachowania. Chociaż pojedynczo wykazują proste zachowania, agenci ci osiągają globalne cele, takie jak karmienie kolonii lub wychowywanie potomstwa, używając dynamicznych mechanizmów, takich jak niewyraźna komunikacja i wykorzystując ich ściśle powiązane systemy działania i percepcji. Bez jakiejkolwiek formy centralnej kontroli te kolonie owadów osiągają globalne cele, wykonując wymagane zadania, reagując na zmieniające się warunki w środowisku kolonii pod względem aktywności zadaniowej, a następnie dostosowując liczbę pracowników wykonujących każde zadanie, aby zapewnić wykonanie wszystkich zadań . Na przykład kolonie mrówek kierują swoim globalnym zachowaniem (pod względem żerowania, patrolowania, opieki nad lęgami i utrzymania gniazd) za pomocą pulsującej, zmieniającej się sieci wzorcowych interakcji czasoprzestrzennych, które opierają się na szybkości kontaktu anteny i wyczuwaniu węchu . Podczas gdy interakcje te obejmują zarówno interakcje ze środowiskiem, jak i między sobą, mrówki nie kierują zachowaniem innych mrówek, a zatem nigdy nie mają „centralnego kontrolera”, który dyktuje, co należy zrobić, aby osiągnąć globalne cele.

Zamiast tego mrówki stosują elastyczny system przydzielania zadań , który pozwala kolonii szybko reagować na zmieniające się potrzeby w celu osiągnięcia tych celów. Ten system przydziału zadań, podobny do podziału pracy , jest elastyczny, ponieważ wszystkie zadania opierają się albo na liczbie spotkań mrówek (które przybierają formę kontaktu antenowego), albo na wyczuwaniu gradientów chemicznych (wykorzystując wyczuwanie węchowe dla śladów feromonów) i można zatem odnieść do całej populacji mrówek. Podczas gdy ostatnie badania wykazały, że niektóre zadania mogą mieć fizjologiczne i zależne od wieku progi reakcji, wszystkie zadania mogą być wykonywane przez „dowolną” mrówkę w kolonii.

Na przykład, w zachowaniu żerowania, mrówki żniwiarki ( Pogonomyrmex barbatus ) komunikują się z innymi mrówkami, gdzie jest pożywienie , ile jest pożywienia i czy powinny zmienić zadania na żerowanie na podstawie zapachów węglowodorów kutykularnych i tempa interakcji mrówek . Wykorzystując połączone zapachy węglowodorów kutikularnych zbieraczy i nasion oraz szybkość interakcji przy użyciu krótkiego kontaktu antenowego, kolonia przechwytuje dokładne informacje o aktualnej dostępności pożywienia, a tym samym, czy powinny przestawić się na zachowanie żerujące „wszystko to bez kierowania przez centralny kontrolera lub nawet inną mrówkę”. Szybkość, z jaką zbieracze wracają z nasionami, określa tempo, w jakim wyjeżdżający zbieracze opuszczają gniazdo podczas wypraw w poszukiwaniu pożywienia; szybsze stopy zwrotu wskazują na większą dostępność pożywienia, a mniej interakcji wskazuje na większe zapotrzebowanie na zbieraczy. Połączenie tych dwóch czynników, opartych wyłącznie na lokalnych informacjach z otoczenia, prowadzi do podjęcia decyzji o przejściu na zadanie żerowania, a ostatecznie do osiągnięcia globalnego celu, jakim jest wyżywienie kolonii.

Krótko mówiąc, użycie kombinacji prostych wskazówek umożliwia koloniom mrówek żniwiarzy dokładne i szybkie dostosowanie aktywności żerowania, która odpowiada aktualnej dostępności pożywienia, przy jednoczesnym wykorzystaniu pozytywnego sprzężenia zwrotnego do regulacji procesu: im szybsze odchodzenie zbieracze spotykają mrówki powracające z nasionami, tym więcej mrówek wychodzi na żer. Następnie mrówki nadal wykorzystują te lokalne wskazówki do znajdowania pożywienia, ponieważ używają swoich zmysłów węchu do zbierania śladów feromonów wyznaczonych przez inne mrówki i podążania śladem w opadającym nachyleniu do źródła pożywienia. Zamiast być kierowanymi przez inne mrówki lub mówić im, gdzie jest jedzenie, mrówki polegają na swoich ściśle powiązanych systemach działania i percepcji, aby wspólnie wykonać globalne zadanie.

Podczas gdy kolonie mrówek żniwiarzy osiągają swoje globalne cele przy użyciu zdecentralizowanego systemu, nie wszystkie kolonie owadów funkcjonują w ten sposób. Na przykład żerowanie os podlega ciągłej regulacji i kontroli królowej.

Młyn mrówczy jest przykładem sytuacji, w której zdecentralizowany system biologiczny zawodzi, gdy reguły rządzące poszczególnymi agentami nie są wystarczające, aby obsłużyć określone scenariusze.

Społeczeństwo ludzkie: Gospodarka rynkowa

Gospodarka rynkowa to gospodarka, w której decyzje dotyczące inwestycji i alokacji dóbr produkcyjnych są podejmowane głównie na rynkach, a nie na podstawie planu produkcji (patrz gospodarka planowa ). Gospodarka rynkowa jest zdecentralizowanym systemem gospodarczym, ponieważ nie funkcjonuje na podstawie centralnego planu gospodarczego (na czele którego zwykle stoi organ rządowy), ale zamiast tego działa poprzez rozproszone, lokalne interakcje na rynku (np. indywidualne inwestycje ) . Chociaż „gospodarka rynkowa” jest pojęciem szerokim i może się znacznie różnić pod względem kontroli państwowej lub rządowej (a tym samym kontroli centralnej), ostateczne „zachowanie” każdej gospodarki rynkowej wyłania się z tych lokalnych interakcji i nie jest bezpośrednio wynikiem zestaw instrukcji lub regulacji organu centralnego.

Aplikacja

Rój mikrorobotów Jasmine z otwartym kodem źródłowym, które same się ładują

Sztuczna inteligencja i robotyka

Podczas gdy klasyczna sztuczna inteligencja (AI) w latach 70. koncentrowała się na systemach opartych na wiedzy lub robotach planujących, roboty oparte na zachowaniu Rodneya Brooksa i ich sukces w działaniu w prawdziwym, nieprzewidywalnie zmieniającym się świecie skłoniły wielu naukowców zajmujących się sztuczną inteligencją do odejścia od planowanego , scentralizowaną architekturę symboliczną do badania inteligencji jako wyłaniającego się produktu prostych interakcji. Odzwierciedla to zatem ogólne przejście od stosowania scentralizowanego systemu w robotyce do stosowania bardziej zdecentralizowanego systemu opartego na lokalnych interakcjach na różnych poziomach abstrakcji.

Na przykład, w dużej mierze wywodząc się z teorii symboli fizycznych Newella i Simona , badacze w latach 70. zaprojektowali roboty, których działanie miałoby prowadzić do osiągnięcia pożądanego celu; w ten sposób roboty były postrzegane jako „inteligentne”, jeśli mogły postępować zgodnie ze wskazówkami swojego centralnego kontrolera (programu lub programisty) (na przykład patrz PASKI ). Jednak po wprowadzeniu przez Rodneya Brooksa architektury subsumpcyjnej , która umożliwiła robotom wykonywanie „inteligentnych” zachowań bez użycia wiedzy symbolicznej lub wyraźnego rozumowania, coraz więcej badaczy postrzegało inteligentne zachowanie jako wyłaniającą się właściwość wynikającą z interakcji agenta ze środowiskiem, w tym innych agentów w tym środowisku.

Podczas gdy niektórzy badacze zaczęli projektować swoje roboty z ściśle powiązanymi systemami percepcji i działania oraz próbowali ucieleśnić i umiejscowić swoich agentów a la Brooks, inni badacze próbowali symulować zachowanie wielu agentów, a tym samym dalej analizować zjawiska zdecentralizowanych systemów w osiąganiu globalnych cele. Na przykład w 1996 roku Minar, Burkhard, Lang-ton i Askenazi stworzyli wieloagentową platformę oprogramowania do stymulacji agentów wchodzących w interakcje i ich wyłaniających się zachowań zbiorowych, zwaną „ Rój ”. Podczas gdy podstawową jednostką w Swarm jest „rój”, zbiór agentów wykonujących harmonogram działań, agenci mogą składać się z rojów innych agentów w zagnieżdżonych strukturach. Ponieważ oprogramowanie zapewnia również zorientowane obiektowo biblioteki komponentów wielokrotnego użytku do budowania modeli oraz analizowania, wyświetlania i kontrolowania eksperymentów na tych modelach, ostatecznie stara się nie tylko symulować zachowanie wielu agentów, ale także służyć jako podstawa do dalszej eksploracji tego, jak kolektywne grupy agentów może osiągnąć globalne cele poprzez staranną, ale domniemaną koordynację.

Zobacz też

Przykłady systemów zdecentralizowanych:

Dalsza lektura

Pobrano z „ https://en.wikipedia.org/w/index.php?title=Decentralised_system&oldid=1104191374 ”