从网络特性推导协作系统

研究展望沿“网络条件—信息需求—结构选择—训练信号—验证实验”展开。下述结构是课程提出的研究设想,逐项用已有工作提供机制依据,并通过独立实验检验。

六类网络特性

网络条件 设计推演 训练与验证
局部交互频繁,远端仍有关键依赖 局部细粒度更新、跨区摘要与按需查询 改变依赖距离和状态变化速度
消息有时延,位置与状态会过期 时间编码、预测与不确定性 依接收时刻重放,测试新时延分布
连续失联后重新连接 本地记忆、独立执行与增量合并 成段失联、关键事件漏报和恢复时间
链路有方向,节点争用信道 有向候选集合、队列与硬预算调度 不对称链路、负载增加和完整开销
成员、传感器与模型版本变化 类型编码器、集合聚合与版本校验 新节点规模、能力组合及冷启动
任务、运动与网络相互影响 本地响应与区域协调分时更新 分阶段训练,再做闭环联合验证

信息的空间范围

局部更新与远端关键需求

距离决定传播代价,任务依赖决定信息需求。可比较周期全量交换、纯局部通信和多尺度摘要三种方案,并在相同总开销下改变远端关键事件的比例。

依据:DREAM、Where2comm。

异步消息与本地记忆

观测和消息更新记忆,动作与发送分别选择

按消息实际到达时间更新状态。断联时使用本地观测继续运行;重连后核对来源、时间和版本,再决定补传内容。训练中加入连续失联和相关丢包,测试中留出新的中断模式。

依据:信息年龄、RAMEN、异步Actor-Critic。

可训练的节点结构

类型编码器、检查、聚合、记忆及输出

类型编码器处理不同传感器,元数据检查限定可用信息,聚合器适应邻居变化,本地记忆保存状态。使用新编码器、未见节点数量和版本冲突检验可扩展性。

依据:GraphSAGE、HEAL。

训练按照可验证的阶段推进

分阶段训练
  1. 用可获得的监督训练单节点任务输出。
  2. 固定消息格式,训练接收方的融合能力。
  3. 加入压缩、内容选择和实际通信调度。
  4. 训练任务分工与运动,最后进行有限联合微调。

训练中允许使用教师的额外信息提供监督;执行模型只读取本地可获得的输入。每一阶段保留独立基线。

依据:DiscoNet、DAgger、SchedNet。

如何否定研究设想

设想 不支持该设想的实验现象
多尺度信息更有效 相同预算下漏报远端关键事件,任务结果变差
记忆改善断联表现 旧状态积累造成持续误判,恢复代价超过收益
学习调度更有效 增益消失于完整计费,或仅来自额外预算
类型接口支持扩展 新节点加入需整体重训,或版本冲突无法恢复
任务与网络联合优化有益 额外运动与协调开销抵消任务收益

开环日志重放用于定位问题。若策略会反过来改变运动、负载和网络,最终结论需要闭环验证。