Dynamische Gebietszerlegung für die verteilte Lösung gekoppelter Feldprobleme basierend auf Softwareagentensystemen (GekoProAg)
Zusammenfassung der Projektergebnisse
Im ersten Projektteil wurde die Machbarkeit der Berechnung komplexer, dreidimensionaler, gekoppelter Feldprobleme mithilfe von Softwareagenten auf verteilten und dynamisch zusammengesetzten Rechnersystemen gezeigt. Dazu wurden Simulationsmodelle automatisch von Agenten in Teilprobleme zerlegt und dezentral von Berechnungsagenten unter Nutzung vorhandener Softwarewerkzeuge simuliert. Durch die Kommunikationsfähigkeit der Agenten wurden dabei Kopplungen zwischen den Teilmodellen berücksichtigt. Das realisierte Agentensystem stellt dabei ein flexibles und für verschiedene Arten numerischer Simulationen einsetzbares System dar, bei welchem Teilausfälle der Rechenressourcen nicht zu einem Misserfolg der Gesamtsimulation führen. Im Rahmen dieses zweiten Projektteils wurde das Agentensystem um eine dynamische Koordinierung der Agenten erweitert. Die Funktionsfähigkeit wurde erfolgreich an zwei Beispielen demonstriert. Das erste Beispiel behandelt eine Veränderung in der Verfügbarkeit von Rechenressourcen. Die optimale Verteilung trotz eines Ausfalls von Rechenressourcen wird hier durch einen dezentralen Auktionsvorgang sichergestellt. Im zweiten Beispiel ändert sich statt der Anzahl der Rechenressourcen die Bewertung für die einzelnen Lösungsverfahren. Für die untersuchte zeitabhängige Simulation ist eine statische Lösungskonfiguration nicht möglich. Die Lösungsverfahren werden hier abhängig vom aktuellen Zeitpunkt und den internen Zuständen an die aktuelle Situation angepasst. Die Ergebnisse unterstreichen auch hier die Notwendigkeit der Koordinierung während der Berechnung. Um die Effektivität des Agentensystems weiter zu steigern, wird der Einsatz eines Lernverfahrens verfolgt, um die Auswahl der Löserkonfiguration, die maßgeblich zur Dauer der Simulation beitragen, stetig zu verbessern. Hierzu wurde ein CBR-Ansatz, der sich gut mit der dezentralen Struktur des Agentensystems vereinen lässt, gewählt. Umgesetzt wurde der Ansatz durch zusätzliche CBR-Agenten, die die Fallbasis mit dem Erfahrungswissen verwalten. Um ähnliche Fälle zu finden, wurde für jede Physik ein Agent mit separater Fallbasis erstellt, der zur Ähnlichkeitsanalyse die jeweils relevanten Modelleigenschaften nutzt. Durch das Punktesystem zur Adaption der ähnlichen Fälle kann nicht nur aus erfolgreichen Simulationen, sondern auch aus Fehlschlägen gelernt werden. Sollten keine ähnlichen Fälle zum aktuellen Problem bekannt sein, so verwendet das Agentensystem wie bisher die verfügbaren Ressourcen zur parallelen Berechnung des Problems mit unterschiedlichen Konfigurationen. Alle simulierten Fälle werden in der entsprechenden Fallbasis mit ihren Eigenschaften, der verwendeten Löserkonfiguration und einer Bewertung (Simulationsdauer, Speicherbedarf, Iterationen) abgelegt. Neben einer rein theoretischen Kreuzvalidierung ist die Lernfähigkeit auch an einer praxisnahen gekoppelten Problemstellung demonstriert worden. Ein Vergleich mit einer statischen Auswahl der Methoden zeigt, dass die Rechenzeit reduziert wurde. Selbst wenn mehrere Agenten gleichzeitig an einer Problemstellung arbeiten, war das System mit den CBR-Agenten schneller.
Projektbezogene Publikationen (Auswahl)
- Coupled Multiphysics Problems as Market Place for Competing Autonomous Software Agents. IEEE Transaction on Magnetics, vol. 53, no. 6, pp. 1-4, 2017
M. Jüttner, S. Grabmaier, D. Vögeli, W. M. Rucker, P. Göhner
(Siehe online unter https://doi.org/10.1109/TMAG.2017.2659228) - Softwareagenten zur zuverlässigen Durchführung dezentraler multiphysikalischer Simulationen. at - Automatisierungstechnik, vol. 65, no. 11, pp. 793–803, 2017
D. Vögeli, N. Jazdi, S. Grabmaier, M. Jüttner, M. Weyrich, P. Göhner, W. M. Rucker
(Siehe online unter https://doi.org/10.1515/auto-2017-0065) - Numerical framework for the simulation of dielectric heating using finite and boundary element method. International Journal of Numerical Modeling: Electronic Networks, Devices and Fields vol. 31, no. 2, e2273, 2018
S. Grabmaier, M. Jüttner, D. Vögeli, W. M. Rucker, P. Göhner:
(Siehe online unter https://doi.org/10.1002/jnm.2273)
