Verteilte Ressourcenallokation und Entscheidungsfindung unter Unsicherheit: Eine kooperative Betrachtung

• Antragstellerin: Professorin Dr.-Ing. Setareh Maghsudi
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung von 2015 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 288111948

Als eine der wichtigsten Schlüsseltechnologien für die zukünftige Kommunikationstechnik werden die mit direkter Gerät-zu-Gerät (D2D) Kommunikation unterlegten zellularen Mobilfunknetze angesehen. Die Grundidee ist es, dass ausgewählte Gerätepaare zelluläre Spektren wiederverwenden. Gleichzeitig ist darauf zu achten, dass solche direkten Übertragungen keine negativen Auswirkungen auf die traditionellen Zellnutzer haben.Trotz des Potenzials für Leistungssteigerungen, enthält die D2D Kommunikation einige Herausforderungen für die Systementwickler; dazu gehören die Ressourcenallokation und die Übertragungsmodus-Auswahl. Diese Herausforderungen verschärfen sich wegen des Mangels an genauen Kanalzustandsinformationen für die direkten D2D.Im Rahmen dieser Arbeit soll ein neuartiges theoretisches Systemkonzept entwickelt werden, das die verteilte Ressourcenallokation unter Berücksichtigung der Unsicherheit betrachtet sowie Spieletheorie und Verstärkendes Lernen mit einbezieht. Innerhalb dieser Arbeit werden verteilte Mobilfunknetze mittels Multiagentsystemen modelliert. Eine Anzahl von eigennützigen Agenten mit eingeschränkter Rationalität teilen begrenzte Ressourcen nur durch eine Auswahl an gemeinsamen Entscheidungsprofilen, die jeweils mit Belohnungen oder Kosten für die Agenten verbunden sind. Durch die Einbindung von lernenden Algorithmen in die spieltheoretische Struktur, verbessern sich die Entscheidungen der Agenten mit der Zeit. Generell kann dies als Funktion der Belohnungen aus der bereits vergangenen Zeit und den möglicherweise zusätzlich erhaltenen Informationen ausgedrückt werden. In diesem Projektvorschlag soll das Verhalten kooperativer Nutzer unter unsicheren und unvollständigen Informationen im Fokus der Untersuchungen stehen. Agenten teilen sich die Kosten für den Lernprozess in kooperativen Modellen, beispielsweise durch den Austausch von Informationen. Deshalb spielen die Anreize und die Vertrauenswürdigkeit des Nutzers die Hauptrollen. Als Resultat fehlender Vorkenntnisse von Utility-Funktionen sowie der Aktionen, Anreize und Typen anderer Agenten, können sich die Strategien von Agenten mit der Zeit ändern, weil sie Informationen sammeln und damit die Verhältnisse lernen. Aus diesem Grund sind etablierte Lösungen aus Spielen mit vollständiger Verfügbarkeit aller Information nicht für Spiele mit unvollständiger Information anwendbar und es ist offensichtlich unbedingt notwendig, neue Lösungskonzepte zu erarbeiten.Kurz zusammengefasst sind die Ziele dieses Projektes (i) die bekannten kooperativen spieltheoretischen Modelle und Lösungskonzepte auf Spiele mit wenig oder ohne Informationen zu verallgemeinern, (ii) Einzel-Agent Lernmodelle auf Lernszenarien zu erweitern, die mehrere kooperierende lernende Agenten beinhalten, (iii) die Anwendungen der verallgemeinerten Modelle und entwickelten Lösungen zur Lösung der Probleme der Ressourcenallokation und der Auswahl des Übertragungsmodus in drahtlosen D2D Netzwerken zu untersuchen.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: USA
• Beteiligte Institution: Yale University; Yale Institute for Network Science
• Gastgeber: Professor Leandros Tassiulas, Ph.D.