Uno dei punti di maggior complessità nell'ambito di grandi progetti, è l'integrazione dei vari contributi.
High performance Network of Reasoning enGines - Deep computing
Hi-NRG si pone come obiettivo quello di realizzare un sistema evoluto in grado di affrontare e risolvere problemi di natura combinatoria.
Per fare questo si è cercato di realizzare una struttura ad agenti concorrenti che siano in grado di collaborare tra loro per raggiungere nel minor tempo possibile un risultato. L’idea di utilizzare vari agenti nasce dal fatto che non esiste un metodo ottimale per affrontare tali problemi ma che, al variare delle loro caratteristiche, varia anche il risolutore ottimale. Con il nostro approccio, tutti i metodi vengono messi in gioco, e dalle informazioni parziali, si cerca di ottenere suggerimenti per migliorare le performance.
Si vuole inoltre realizzare un sistema in grado di apprendere dai propri errori e dai propri insuccessi, che sia in grado di “riconoscere” un certo genere di problema e di mettere in atto le tecniche che si sono rivelate, in passato, più efficaci.
Per raggiungere i nostri obiettivi sono necessari vari agenti, specializzati in modo diverso, che si occuperanno di:
- Gestire la memoria storica (learning by doing).
- Scambiarsi informazioni su soluzioni parziali o totali per ridurre la complessità computazionale degli altri agenti.
- Analizzare il problema e reagire a seconda dell’andamento dell’elaborazione.
Dal punto di vista dell'approccio al problema, poi, sono state valutate tre possibilità:
- Affrontare il problema come una singola entità ed "aggredirlo" con diversi agenti.
- Scomporre il problema in sottounità e "distribuirlo" fra istanze dello stesso agente in grado di scambiarsi i risultati parziali per aiutare gli altri eliminando parti di problema.
- Utilizzare un approccio ibrido, scomponendo il problema e distribuendolo ad agenti eterogenei in grado di collaborare.