WO2016137143A1 - 글로벌 적응을 지원하는 it 생태계의 동적 제어 장치 및 방법 - Google Patents

글로벌 적응을 지원하는 it 생태계의 동적 제어 장치 및 방법 Download PDF

Info

Publication number
WO2016137143A1
WO2016137143A1 PCT/KR2016/001392 KR2016001392W WO2016137143A1 WO 2016137143 A1 WO2016137143 A1 WO 2016137143A1 KR 2016001392 W KR2016001392 W KR 2016001392W WO 2016137143 A1 WO2016137143 A1 WO 2016137143A1
Authority
WO
WIPO (PCT)
Prior art keywords
ecosystem
participating
collaboration
systems
environment
Prior art date
Application number
PCT/KR2016/001392
Other languages
English (en)
French (fr)
Inventor
박수진
Original Assignee
서강대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서강대학교 산학협력단 filed Critical 서강대학교 산학협력단
Publication of WO2016137143A1 publication Critical patent/WO2016137143A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Definitions

  • the present invention relates to an IT ecosystem implementation technology, and in particular, a dynamic control device, a method, and a recording medium recording a dynamic control device for deriving an optimal combination of a participation system of the IT ecosystem based on a framework supporting dynamic changes in the IT ecosystem. It is about.
  • SoS system of systems
  • the IT ecosystem is a complex system complex consisting of autonomous, individual systems that adapt and interact as a whole based on local adaptability.
  • the IT ecosystem is not a system of individual actors involved in the ecosystem, but rather a software service or application. It is a system that includes hardware, and not by the size of the system, but by the complexity of the interactions and the degree of adaptability.
  • the autonomy of each system is determined and is characterized by the possibility of involving human-machine interaction. To this end, the individual systems that make up the IT ecosystem constantly monitor the environmental context within their respective working areas.
  • Such a local adaptive loop can be defined as a MAPE-K loop presented through the prior art documents introduced below, it can be implemented through the application of various adaptive frameworks such as Rainbow, MUSIC, DiVA.
  • the technical problem to be solved by the embodiments of the present invention is to solve the problem that the application area of the conventional adaptation frameworks are limited to a single system, and thus there is a global adaptation mechanism for the entire IT ecosystem corresponding to a given environment change. As we do not, we want to overcome the limitations of ensuring the sustainability of the IT ecosystem.
  • a method of controlling an IT ecosystem composed of systems includes a requirement for a control device to allow a participating system constituting the IT ecosystem to perform a task according to a given situation, and a condition regarding the state and environment of the participating systems. Receiving an input and adapting to the situation; And dynamically modifying the structure of the participating system such that a component or an action corresponding to the input requirement or constraint can be added in order for the control device to adapt to the newly input requirement or constraint.
  • At least one of the participating systems constituting the IT ecosystem for each collaboration group (CollaborationGroup) according to a role assignment policy (CollaborationGroup) to the collaboration group Determine as a team leader (TeamLeader) to perform global adaptation by controlling, and local adaptation to perform a given goal by utilizing the capability (capability) of each under the control of the team leader
  • the combination of the participating systems is determined by selecting a team member to perform.
  • dynamically changing the structure of the participating system may include: a constraint defined in the system relocation policy by referring to a system relocation policy in which the participating system determined as the team leader is preset; Generating a candidate composition combination that adheres to the condition rules; And selecting a candidate composition having the highest score by calculating a collaboration score that is expected when each candidate composition combination is actually performed based on the Cost-Benfit Model. have.
  • the cost-benefit model quantifies the cost / benefit of the combination of participating systems as a collaboration index in consideration of the application domain of the IT ecosystem, but depreciation, resource requirements
  • the cost may be defined based on at least one of cost, operational labor cost, completion of collaboration, accuracy of collaboration, elapsed time, and reliability of a combination.
  • dynamically changing a structure of the participating system includes: generating the candidate combination as a chromosome represented by a bit sequence; Setting a calculation function as a fitness function to calculate a collaboration index according to the cost-gain model; And outputting a chromosome of the highest index surviving as a result of the candidate configuration using a genetic algorithm applying the fitness function to the generated chromosome.
  • dynamically changing the structure of the participating system includes: setting a chromosome of the surviving highest index as a base population; And when a violation of the current configuration occurs, generating a population of the next generation using a mutation or crossover mechanism.
  • the dynamically changing the structure of the participant system may be based on a participant system having the highest availability at the time of selection based on the profile of the participant system constituting the IT ecosystem. And selecting the leader, wherein the team leader receives and stores only the information for calculating the collaborative index of the entire IT ecosystem among the local knowledge determining the adaptive behavior of each participant system and stores it together with the constraints. How to control the ecosystem.
  • the team leader identifies the currently available participants through collaborative actions shared by all participants registered in the IT ecosystem, prepares a plan necessary to achieve a given goal, and together with the prepared plan, the actions listed in the created plan.
  • the combination of the participating systems may be selected by using all available participant sets having an action as a sub element, and an environment map including currently recognized environment objects and environment attributes owned by each object.
  • the IT ecosystem may be represented by a multi-agent organization, which represents the participating system as a multi-agent organization that interacts using its own capabilities.
  • a multi-agent organization which represents the participating system as a multi-agent organization that interacts using its own capabilities.
  • MASE Organization-based Multiagent System Enginerring
  • the following provides a computer-readable recording medium recording a program for executing the above-described methods for controlling the IT ecosystem on a computer.
  • an apparatus for controlling an IT ecosystem composed of a plurality of participating systems in which one participating system operates as an individual actor respectively,
  • a controller performing an action defined by an action class for performing teamwork between the participating systems, wherein the controller can perform a task suitable for a given situation by a participating system constituting the IT ecosystem.
  • At least one of the participating systems that dynamically modify the structure of the participating system so that components or actions can be added, and configures the IT ecosystem for each collaboration group according to a role assignment policy.
  • the controller may be configured to generate a candidate configuration combination in which the participating system determined as the team leader conforms to the constraint rules defined in the system relocation policy by referring to a preset system relocation policy.
  • the participation is generated by selecting the candidate composition with the highest score by generating a collaboration score that is expected when each candidate composition combination is actually performed based on a Cost-Benfit Model.
  • the structure of the system can be changed dynamically.
  • the team leader periodically calculates a collaboration index for the current setting and changes the available resources when the calculated collaboration index is less than or equal to a preset threshold. It is possible to create an alternative candidate configuration that replaces the candidate configuration that is violating, and send a command instructing the participating system to perform an operation to the dynamically updated participating system by selecting the setting with the highest collaboration index.
  • the cost-benefit model quantifies the cost / benefit of the combination between participating systems in consideration of the application domain of the IT ecosystem as a collaboration index, but depreciation, resource requirements.
  • the cost may be defined based on at least one of cost, operational labor cost, completion of collaboration, accuracy of collaboration, elapsed time, and reliability of a combination.
  • the controller is configured to generate the candidate combination as a chromosome represented by a bit sequence and to calculate a collaboration index according to the cost-gain model. Setting the function as a fitness function, and outputting the chromosome of the highest exponent surviving as a result of the candidate configuration by using a genetic algorithm applying the fitness function to the generated chromosome, resulting in the participation
  • the structure of the system can be changed dynamically.
  • the controller sets the chromosome of the surviving highest index as a base population and, if a violation of the current setting occurs, uses a mutation or crossover mechanism to You can create a population of households.
  • the controller selects a participant system having the highest availability at the time of selection as a team leader based on a profile of a participant system constituting the IT ecosystem, and the team leader Of the local knowledge that determines the adaptive behavior of each participant system, only the information for calculating the collaboration index of the entire IT ecosystem can be received and stored with the constraints.
  • the team leader identifies the currently available participants through collaborative actions shared by all participants registered in the IT ecosystem, prepares a plan necessary to achieve a given goal, and together with the prepared plan, the actions listed in the created plan.
  • the combination of the participating systems may be selected by using all available participant sets having an action as a sub element, and an environment map including currently recognized environment objects and environment attributes owned by each object.
  • the IT ecosystem may be represented by a multi-agent organization, which represents the participating system as a multi-agent organization that interacts with each other. Can be defined using the Organization-based Multiagent System Enginerring (MASE) metamodel.
  • MASE Organization-based Multiagent System Enginerring
  • the storage unit when the participating system is a team leader, the storage unit further includes global IT ecosystem knowledge for operating the entire IT ecosystem, but the global IT ecosystem knowledge is An environment model comprising attributes for a given environment and environment information collected for the attributes; A participant profile including functions and roles that the participant system may have, items of cost and benefits for performing, and a degree of availability of the participant system; Constraints and rules, including a set of constraints and dynamic reconfiguration rules when deploying participating systems in a given environment; And global settings that are represented by a set of current environments and currently assigned participating systems.
  • the global IT ecosystem knowledge is An environment model comprising attributes for a given environment and environment information collected for the attributes; A participant profile including functions and roles that the participant system may have, items of cost and benefits for performing, and a degree of availability of the participant system; Constraints and rules, including a set of constraints and dynamic reconfiguration rules when deploying participating systems in a given environment; And global settings that are represented by a set of current environments and currently assigned participating systems.
  • the participating system constituting the IT ecosystem includes a sensor for sensing and recording data according to a given role, and an actuator for performing an action according to a defined functional purpose. At least one of the actuator may be further included.
  • Embodiments of the present invention continue by presenting a method for determining an optimal set of available systems that can meet local constraints and meet global changes in response to environmental changes through a framework that supports global adaptation of the IT ecosystem. It is possible to provide possible services, and to present a new cost-benefit model to measure synergy through the collaboration of each of the available candidate sets of the system, and to implement the processing through genetic algorithms. Minimization of the head is possible.
  • FIG. 1 is a flowchart illustrating a control method of an IT ecosystem supporting global adaptation according to an embodiment of the present invention.
  • FIGS. 2 and 3 are diagrams illustrating a target model and a role model for an unmanned forest management IT ecosystem presented as an example of a control method of the IT ecosystem, respectively.
  • FIG. 4 is a flowchart illustrating a process of dynamically changing a structure of a participant system in a control method of the IT ecosystem of FIG. 1 according to an embodiment of the present invention.
  • FIG. 5 is a diagram illustrating the structure of an adaptation framework for the IT ecosystem.
  • 6 to 9 are diagrams illustrating an environment mode and a participant profile for an unmanned forest management IT ecosystem.
  • FIG. 12 is a diagram illustrating a global adaptation mechanism of the IT ecosystem mediator.
  • FIG. 13 and 14 are diagrams for explaining the application process of the genetic algorithm for the next set propagation (propagation) of the IT ecosystem.
  • FIG. 15 is a diagram illustrating an application prototype implementing a form showing selected optimal settings.
  • 16 is a block diagram illustrating a control device of an IT ecosystem supporting global adaptation according to another embodiment of the present invention.
  • the participant system selected as the team leader with the controller authority of global adaptation performs the dynamic reconstruction of the IT ecosystem for a given situation.
  • a cost-benefit model is presented as a model for decision making.
  • the cost-benefit model is also provided by the framework, and the organization of items that define cost and benefit depends on the domain of the IT ecosystem. Choosing the most appropriate settings in response to changing circumstances can be an overhead as the scale of the IT ecosystem grows. Accordingly, embodiments of the present invention apply a genetic algorithm to minimize the overhead due to the adaptive framework.
  • the participants of the IT ecosystem may be targeted to personal computers, but it is desirable to be set as an embedded system having autonomy and optionally mobility. Therefore, the proposed framework can also be mounted and run on the Android platform rather than the Windows platform.
  • embodiments of the present invention propose an adaptation framework designed in consideration of both a local adaptation mechanism and a global adaptation mechanism.
  • FIG. 1 illustrates a method of controlling an IT ecosystem comprising a plurality of participating systems in which one participating system, combined with hardware having at least one processor and software controlling the same, acts as an individual actor. As a flowchart, the following steps are included.
  • the control device receives the requirements, conditions of the participating systems and the constraints on the environment so that the participating systems constituting the IT ecosystem can perform a task according to a given situation (adaptation) )do.
  • the IT ecosystem may be implemented using a metamodel that represents the participating system as a multi-agent organization that interacts with each other using its own capability.
  • this metamodel could be an Organization-based Multiagent System Enginerring (O-MaSE) metamodel, which is a repository of metamodels and methods for designers to design agent-based development processes.
  • O-MaSE Organization-based Multiagent System Enginerring
  • step S120 the control device dynamically adjusts the structure of the participating system so that a component or an action corresponding to the requirement or constraint input through the step S110 may be added to adapt to a newly input requirement or constraint. Change to.
  • this process may be performed by at least one of the participating systems constituting the IT ecosystem for each collaboration group according to a role assignment policy.
  • a team that determines as a team leader (TeamLeader) that performs global adaptation and performs local adaptation that performs a given goal by utilizing its own capacities under the control of the team leader.
  • TeamMember By selecting a TeamMember, a combination of the participating systems is determined.
  • global adaptation refers to a mechanism that dynamically changes the configuration of a plurality of autonomous systems constituting one IT ecosystem in response to environmental changes. If local adaptation dynamically changes internal component configuration, ie configuration, in response to a change in the environment or given context of a single system, a global adaptation mechanism Comprehensive analysis of the data collected by the sensors in the participating systems, and if it is determined that the current device configuration is not appropriate, replace the individual system currently providing services with other participating systems or additionally participate By enabling a viable system to participate in the IT ecosystem, it plays a role in achieving the goals that the entire IT ecosystem aims to achieve.
  • step S130 the control device controls the participating system to perform the given goal according to the combination of the participating system dynamically changed through step S120.
  • Unmanned Forest Management The IT ecosystem is an unmanned system in which 12 drones, helicopters, and ground vehicles manage nine forest areas of 100 km 2 each. Unmanned vehicles assigned to each forest area use their own sensors and actuators to achieve their goals.
  • Unmanned forest management IT ecosystems achieve their goals by gardening forests, rescue patients found in the monitoring of forests, or by extinguishing forest fires.
  • This simulation example emphasized the dynamic reconstruction process of the unmanned forest management IT ecosystem in order to achieve the Drought Monitor target, one of the sub-targets for achieving the Forestening Target.
  • FIG. 3 which illustrates a role for an unmanned forest management IT ecosystem
  • the collaboration group for achieving forest care goals is Gardeners.
  • the group's roles are Chief Gardener, Gardener and Surveillant.
  • the chief gardener is an illustrated role in the ⁇ TeamLeader> role.
  • the gardener and watcher are the illustrated roles of TeamMember.
  • Unmanned vehicles, acting as top gardeners drive the global adaptation cycle of the unmanned forest management IT ecosystem to maintain the sustainability of the entire unmanned forest management IT ecosystem.
  • the unmanned vehicles deployed in nine forest areas assigned to the watcher role adjust their driving paths according to the location of the feature detected in the area, and perform the drought monitoring target.
  • Embodiments of the present invention have added global self-adaptive capability to the proposed framework, which utilizes a simulated unmanned forest management IT ecosystem and serves to adapt the entire IT ecosystem to fulfill its own objectives.
  • FIG. 4 is a flowchart illustrating in more detail a process (S120) of dynamically changing the structure of a participation system in the control method of the IT ecosystem of FIG. 1 according to an embodiment of the present invention.
  • step S121 the control device generates a candidate configuration combination in which the participating system determined as the team leader conforms to the constraint rules defined in the system relocation policy by referring to a preset system relocation policy. That is, this process corresponds to a process of generating a large number of candidate groups of resource allocation (meaning task allocation considering the function / capacity of the participating system) meeting a given environment and physical constraints.
  • step S122 the control device calculates a collaboration score that is expected when each candidate composition combination is actually performed based on a cost-benefit model to obtain the candidate configuration that has obtained the highest score.
  • the cost-benefit model quantifies the cost / benefit of the combination between participating systems in consideration of the application domain of the IT ecosystem as a collaboration index, and serves as a basis for selecting an optimal combination among candidate combinations.
  • the proposed framework architecture is as shown in FIG.
  • FIG. 5 is a diagram illustrating the structure of an adaptation framework for the IT ecosystem, and includes five layers, a Felix layer, a MAPE core bundle layer, a local adaptation layer, an IT ecosystem global adaptation layer, and an IT ecosystem virtualization layer. have. Although the term 'layer' is used, strictly speaking, not all layers are stacked hierarchically, and not all five layers interact to drive all mechanisms. can do.
  • the framework monitors the state of applications running on the Android platform.
  • the context monitor of the MAPE core bundle layer begins to monitor the application's state continuously.
  • All components belonging to the top layer, including the MAPE Core Bundle layer, are implemented in the form of bundles that are subject to OSGi's dynamic lifecycle management services.
  • the role of the MAPE core bundle layers is to maintain the flow of the typical MAPE-K cycle, which is executed in the following order: monitor ⁇ analysis ⁇ plan ⁇ execute.
  • the main feature of the proposed framework is the separation of the flow of the MAPE-K cycle from the actual MAPE action.
  • Components are selectively driven by the type of role the participant system plays. For example, if you look inside the system of the gardener group of the unmanned forest management IT ecosystem, assigned the role of top gardener, the team leader, the MAPE core bundle contains components of the IT ecosystem global adaptation layer (collaboration monitor, collaboration analyzer). , Collaboration planners are plug-and-play. On the other hand, in the participant system given the watcher role, which is a type of team member that only needs to perform local adaptation, the components defined in the local adaptation layer are plug-and-play. Information about the association between MAPE flows and actual MAPE actions is maintained in a bundle registry located in the Felix layer. As each participating system starts up, an adaptive bundle activator looks up information in the bundle registry to read information about what executable bundles will actually be combined with the MAPE core bundle, and then the corresponding bundle. Will activate them.
  • the shaded Android platform, Felix layer, and MAPE core bundle layer in FIG. 5 are common layers that are always loaded and run regardless of the role of the system participating in the IT ecosystem.
  • Probe is to fetch the state of the application running on the Android platform.
  • the value of the predefined meric is periodically obtained from the application, and stored in the local environment repository disposed in each participating system.
  • probes measure fuel gauges, GPS coordinates, and more, which are detected by sensors in the application to measure the availability of devices deployed in each forest area.
  • an effector is a component that performs an operation for actual change when an internal system of an IT ecosystem needs to change an internal component in response to a detected environment change. The effector makes component changes by asking the configuration manager, located in the Felix layer, of the settings that need to be changed compared to the existing settings.
  • the concept of probes and effects can be derived from what the Rainbow architecture suggests.
  • Felix layer It serves as an interface between the Android platform and the OSGi based MAPE core bundle layer using APIs provided by Apache felix. All components, including the MAPE core bundle layer, located in more layers are implemented as bundle services using the lifecycle management services provided by OSGi.
  • the Felix service client runs the adaptive bundle activator via the Felix service. The adaptive bundle activator searches for and initiates components defined for each participant role in the bundle registry, and then combines them with each component in the MAPE core bundle layer.
  • MAPE Core Bundle Layer The four bundles located in this layer are a sort of stubs that define only the flow leading to the MAPE-K cycle monitor-analysis-plan-execution. What aspects of the actual system will be monitored, how to analyze the situation from the resulting data, how to plan according to the resulting diagnosis, and how to execute it are not implemented in the four bundles in this layer.
  • Real adaptation is a bundle of local adaptation layers or IT ecosystem global adaptation layers that are combined with components of the MAPE core bundle layer at the time the application is run.
  • the manifestation of adaptive behavior in the MAPE-K loop is eventually dependent on shared “knowledge”.
  • Local knowledge that determines the adaptive behavior of each participating system is embedded in each device.
  • knowledge related to the operation of the entire IT ecosystem is stored in a centralized repository and accessible through the IT ecosystem configuration manager.
  • the participatory system given the ⁇ role >> team leader of the IT ecosystem, uses data from the global IT ecosystem knowledge area to control global adaptation mechanisms.
  • Embodiments of the present invention adopted the O-MaSE (Organization-based Multiagent System Enginerring) metamodel as a model representing the entire IT ecosystem, and added several attributes.
  • O-MaSE Organization-based Multiagent System Enginerring
  • 6 to 9 illustrate environment modes and participant profiles for unmanned forest management IT ecosystem, depicting a cross section of global IT ecosystem knowledge designed for unmanned forest management IT ecosystem operation.
  • FIG. 6 shows an example of a meta-model expressing the attributes of each region that constitutes a forest over a wide area in which the unmanned forest management IT ecosystem described above is operated. Information on weather conditions or features selected as environmental attributes of each region is a constraint that must be considered when making a decision to deploy an unmanned vehicle for a “drought monitor” target in a particular region.
  • FIG. 7 is an example showing the state of the entire forest sensed at any one time using the properties of the metamodel shown in FIG. 6. Looking at the situation in the forest zone 'zone [0] [0]', it is a flat field, clouded, and a distance of 10km and a wind of 5m / sec. Forest density in the area is low.
  • Figure 8 shows the characteristics of the helicopter, one of the types of participants in the unmanned forest management IT ecosystem, its possible role, and the expected cost and benefit factors for deploying the helicopter in the forest area. This is an example of a metamodel of a defined participant. Instance data of the participation system of the unmanned forest management IT ecosystem described according to the metamodel definition of FIG. 8 is shown in the table of FIG. 9. Expected cost items (A-E) and benefit items (H-N), periodically monitored residual fuel levels (O), and the availability of each participant, as each participant participates as a member of the unmanned forest management IT ecosystem. (P) and the like are included in the profile.
  • A-E Expected cost items
  • H-N benefit items
  • O periodically monitored residual fuel levels
  • P the availability of each participant, as each participant participates as a member of the unmanned forest management IT ecosystem.
  • Constraints and Rules In addition to the environmental model and participant profile, the constraints to be considered when deploying participating systems in each local area and the set of dynamic reconfiguration rules are data managed by global IT ecosystem knowledge. In the unmanned forest management IT ecosystem illustrated in the embodiment of the present invention, (zone [] [], participant) pairs that violate the following constraints are excluded from the configuration. Even if the initial deployment does not violate the following constraints, new participants will be needed in the area if climate change makes it difficult for the currently deployed participants to achieve their goals. In such cases, global adaptation mechanisms may be applied due to the inability of participatory systems in certain regions.
  • jeep vehicles must be driven by human drivers
  • Global configuration It can be displayed as a set of mapping pairs between the current environment of each local area and the currently assigned participants. When the information depicted in FIG. 7 is added to only the participant instance disposed in each forest area, it is the current setting of the unmanned forest management IT ecosystem. The current global configuration is always monitored by the participant system in the role of team leader.
  • IT ecosystem moderators are equipped with mechanisms for global adaptation that can adjust the settings of the IT ecosystem, as well as local adaptations that allow individual participants to change their internal components in response to external environmental changes.
  • 10 and 11 are diagrams illustrating a local adaptation mechanism of an IT ecosystem arbiter, and the participant system detects that the mapping between the region and the participants is invalid due to weather changes occurring in a specific forest region in the unmanned forest management IT ecosystem. It describes how the local adaptation mechanisms supported by the IT ecosystem mediator work internally until they are withdrawn from the region.
  • the forest zone zone [0] [2] is clear weather, there is a lake zone in the region, and the forest density is high.
  • the unmanned helicopter HE2 has been assigned a participant who will act as a watcher for this environment and is performing the “drought monitor” goal.
  • the control method of the IT ecosystem according to an embodiment of the present invention employs a genetic algorithm to minimize the overhead according to the dynamic adaptation framework, and for this purpose, each participant and the participant is currently arranged and working environment area Paired (HE2, Forest [0] [2]) can be defined as one gene chromosome. This definition is useful for applying genetic algorithms to subsequent global adaptation mechanisms to select the best settings for a given environment.
  • the local adaptation layer may be equipped with various component sets according to the purpose of adaptation. For example, it may be necessary to adjust the path of an unmanned vehicle or to detect a fire while monitoring a participant in the role of ⁇ monitor> and switch to the role of ⁇ fireman >>. Components for achieving adaptation can be mounted on the local adaptation layer and connected to the MAPE core adaptation layer.
  • Weather Monitor Reads measurement data from the local environment repository periodically, calculates gauge values that reflect the current state of the environment (Forest [0] [2]) and passes them to the weather change analyzer.
  • -Weather change analyzer Diagnose the current environment of forest [0] [2] and the placement of HE2 by virtue of the passed gauge analysis, which violates constraint 2, and pass the diagnosis results as parameters to the pullout planner for replanning. request.
  • the HE2 prepares and resets the internal components necessary to land in the safe area of foreat [0] [2] and forwards them to the adaptation practitioner.
  • Adaptation Executioner If the component specified in the reset plan does not exist in the system, locate the remotely located component and request the IT Ecosystem Bridge (ITEBridge) service with parameters of the service it needs.
  • IOBridge IT Ecosystem Bridge
  • the IT ecosystem bridge service bundles OSGi on the IT ecosystem mediator architecture (see Fig. 5) to easily utilize resources of various devices or devices installed with a framework through a common interface or to utilize specific external resources. to be. It provides REST-style services, enabling IT ecosystem mediators to share components, services, and other resources among all participants.
  • Configuration Manager Once all the components necessary for the landing of HE2 are secured, the result of component reset is passed to the Configuration Manager mounted on HE2 and updated in the local configuration repository. The effector implemented in the controller of HE2 reads these updated new settings and performs a substantial component reset. The reason the adaptive executor does not call the new settings directly with the effector as a parameter is because of the problem of function call directionality between the Android platform and the OSGi bundle.
  • the local adaptation mechanism described above operates on the IT ecosystem moderators mounted on all participants who play the role of the team member type, while the global adaptation described here is only applied to the IT ecosystem moderators mounted on the participants assigned the role of team leader type. Is performed. In the selection of the role of the team leader type, various strategies can be applied, but embodiments of the present invention were used as the availability criteria at the time of selection. That is, select the highest participant as the role of team leader type. In the example of an unmanned forest management IT ecosystem, AP2 has the highest level of availability specified in the rightmost column (O) of the candidate participants listed in FIG. Have been assigned.
  • the process of dynamically changing the structure of the participation system is based on the profile of the participation system constituting the IT ecosystem.
  • the team leader receives only the information for calculating the collaborative index of the entire IT ecosystem among the local knowledge that determines the adaptive behavior of each participating system and stores it with the constraint. From this, team leaders identify current participants through collaborative actions shared by all participants in the IT ecosystem, create a plan for achieving a given goal, and take actions listed in the plan together with the plan.
  • the combination of participating systems is selected using the set of all available participants as sub-elements, the environment map containing the currently identified environment objects, and the environment attributes owned by each object.
  • the Collaboration Monitor Reads global settings periodically and calculates a global collaboration index for the current configuration.
  • the global collaborative index is the sum of the collaborative indices for each of the genetic chromosomes (participants, assigned environmental regions) that make up the setup, and is used as a measure of how effective the current participant allocation is in a given environment.
  • the calculated global collaboration index is then passed to the collaboration analyzer as a gauge value.
  • the Collaboration Monitor If the Global Collaboration Index from the Collaboration Monitor falls below a predetermined threshold, the Collaboration Monitor identifies invalid Gene Chromosomes that are violating constraints among the Gene Chromosomes that make up the Settings and provides Diagnostic Collaboration with a Diagnostic Value. To pass. Taking the situation depicted in FIG. 11 as an example, the gene chromosome (HE2, Forest [0] [2]) is delivered to the collaborative planner.
  • HE2, Forest [0] [2] is delivered to the collaborative planner.
  • Collaboration Planner Generates a second-generation population for mutations that involve other unmanned vehicle instances that can be assigned to the environment for invalid gene chromosomes passed to the diagnosis. For each newly generated gene chromosome, the collaborative index is calculated, and the gene chromosome having the largest index is selected and included in the following setting. Referring to FIG. 12, which illustrates the global adaptation mechanism of the IT ecosystem mediator, with a second generation population created to replace invalid gene chromosomes (HE2, Forest [0] [2]) (UAV1, Forest [0]). [2]) and (JE4, Forest [0] [2]) are created.
  • the index of (UAV1, Forest [0] [2]) has a higher value, so the following setup replaces the chromosomes (HE2, Forest [0] [2]). Chromosomes (UAV1, Forest [0] [2]). If multiple invalid gene chromosomes are detected instead of one, the above procedure is applied to each invalid gene chromosome and the setting with the highest global collaboration index is selected as the optimal setting.
  • Adaptive practitioner A plan for relocating or moving the device is required to activate this optimal setting.
  • the change in setting from chromosome (HE2, Forest [0] [2]) to chromosome (UAV1, Forest [0] [2]) withdraws HE2 placed in Forest [0] [2], This means that UAV1 should be moved to the area.
  • AP2 which acts as a team leader, orders other participants through the IT ecosystem bridge service sequentially according to the adaptation plan.
  • the IT ecosystem bridge service drives external participant services to perform the actions indicated by the adaptation practitioner.
  • IT Ecosystem Configuration Manager updates the global knowledge of the IT ecosystem with new settings changed as a result of dynamic reconfiguration.
  • the IT ecosystem arbiter is applying genetic algorithms to the dynamic reconfiguration problem for global adaptation.
  • Genetic algorithm is an adaptive search algorithm, there is an advantage that can be solved more adaptively to the equipment allocation problem caused by environmental changes.
  • the global mechanism of the IT ecosystem arbiter maintains the second and third chromosomes and uses them as mate chromosome targets, in addition to the optimal chromosome selected as a result of resetting to be more flexible in definite situations. Designed to adapt quickly to change.
  • the IT ecosystem mediator has introduced a genetic algorithm for the dynamic reconfiguration of the entire IT ecosystem.
  • Embodiments of the present invention build a framework to support a series of cycles to respond to changing environments over time, and models for selecting the optimal device combination (calculate cost-benefit item-based collaboration indices).
  • the genetic algorithm is applied to solve the problem of the scalability problem which greatly increases the number of participating devices. Because genetic algorithms are adaptive retrieval algorithms, they have advantages in adaptability to environmental changes when participant reallocation problems arise.
  • the genetic algorithm is a well-known global optimal solution algorithm.
  • the problem to be optimized must be expressed as a genetic form. This can be accomplished by defining a setting factor as a sign representation that is essentially a bit array. In genetic algorithms, such bit arrays are called chromosomes.
  • One of the other things is the fitness function.
  • the goodness-of-fit function is a utility function that evaluates the solution domain. Once these are determined, others are somewhat formalized, such as applying mutation, crossover and selection mechanisms.
  • Genetic expression of the problem domain is achieved by factorizing set groups. The selection of each setting group produces a bit sequence (chromosome). And, an arithmetic function for obtaining the collaborative index which is the result of the cost and benefit analysis is applied as the fitness function. A chromosome with a more suitable setting will get a higher score by the fitness function, and the chromosome with a higher index than the preset threshold may survive.
  • this chromosome group is used as the base population for the next violation situation. If a violation occurs in the current configuration, the genetic algorithm uses mutation and crossover mechanisms to create more populations. Since the next created population is created from the reference population, the size of the next generation can be controlled. In the next generation, the score of the goodness-of-fit function for each of the chromosomes is calculated and the chromosome of the highest index is selected. The surviving chromosomes are then chosen as the next reference population.
  • FIG. 13 and 14 are diagrams for explaining the application process of the genetic algorithm for the next set propagation (propagation) of the IT ecosystem.
  • a chromosome in which a series of setting groups form a bit sequence for each forest zone Zone [n] [n] (n is an integer of 0 or more) was generated.
  • Each bit sequence contains environmental information about the forest area and information about the resources of the participating systems assigned to that area.
  • FIG. 14 in the case of violating constraints and rules in the current setting (which may be the first generation, for example), crossover or mutation to that chromosome is performed to result in the next generation (eg, the first generation). Chromosomes are generated). This generation of birds may be repeated to produce an index of the goodness-of-fit function for each of the chromosomes that survived (ie, indicating no violation) to output the chromosomes of the highest index as a result.
  • the process of dynamically changing the structure of the participating system generates a combination of candidate components as a chromosome represented by a bit sequence, and costs
  • a calculation function for calculating the cooperative index according to the gain model is set as a fitness function, and the chromosome of the highest surviving index is recalled using a genetic algorithm applying the fitness function to the generated chromosome.
  • Output as a result of the candidate configuration.
  • the genetic algorithm sets the chromosome of the surviving exponent as the base population to generate more populations, and mutations or crossovers when a violation of the current settings occurs. The mechanism will be used to create the next generation of population.
  • the search space can be limited to finding the best / best solution because cost-benefit analysis is performed on the generated generation with scale control. As a result, the overhead required to find the best setting for a given environmental change can be significantly reduced.
  • the embodiments of the present invention use a collaborative index value calculated based on the expected cost and the expected gain value when assigning a specific participant to the environmental region to the degree of adaptation of the gene chromosome.
  • a large collaboration index on chromosomes means that the mapping between participants and environments paired to chromosomes is highly effective.
  • Embodiments of the present invention designed a generic cost-benefit model for the IT ecosystem with a set of metrics used for collaborative index calculation.
  • the cost-per-unit cost of running the participant system was identified as depreciation cost ($ / hr), resource cost ($ / hr), and required operating cost ($ / hr).
  • the cost factor was evaluated separately for each participating system, and if necessary the cost-benefit model was based on at least one of depreciation, resource requirements, operational labor costs, collaboration completeness, collaboration accuracy, elapsed time, and reliability of the combination. Can be defined based on.
  • Gain factors were extracted from the relationships mapped between specific participants and environmental regions. Thus, even for the same participant, the metric value may vary depending on environmental characteristics.
  • the general gain factors chosen are collaboration completeness (0-1), collaboration accuracy (0-1), and elapsed time to achieve the goal. As elapsed time is specific to the maturity of the collaboration, at most one of the two metrics can be applied as a gain metric.
  • cost (p i , e j ) can be calculated using Ncf k ( ⁇ k : weighted factor for each cost factor).
  • benefit (p i , e j ) can be calculated using a normalized multiple gain factor.
  • the score of Conf r is the result of the evaluation function and is defined as
  • the collaboration indexes of candidate populations are calculated for each chromosome constituting the unmanned forest management IT ecosystem, and the chromosome having the largest value is selected. Then, the sum of the collaboration indices for each optimal chromosome can be the optimal global collaboration for the entire IT ecosystem.
  • the collaborative index for the candidate chromosome (UAV1, region [0] [1]) depicted in FIG. 12 can be calculated.
  • fuel cost there are three cost factors: fuel cost, depreciation cost and depreciation cost of the sensor. Assume that each factor is equally weighted (in this case, 1/3).
  • gain factors sensitivity gain and range gain
  • range factor weighting factor is 0.7 because the range gain is relatively little more important than the sensitivity gain.
  • partial costs and gains are respectively calculated as follows.
  • N (x) is the normalization function for each argument.
  • collaboration index is calculated as follows from the cost and benefit.
  • the global collaboration index was 4.48 calculated by adding up the sum of the collaboration index values for the nine chromosomes of the unmanned forest management IT ecosystem. This value was selected as the next setting with an index of 4.48 at the largest value among the exponents of the candidate setting.
  • FIG. 15 is a diagram illustrating an application prototype that implements a form showing a selected optimal setting.
  • the figure shows an output of the selected configuration on the screen of an Android mobile phone.
  • the candidate settings are listed together at the bottom of the screen.
  • FIG. 16 is a block diagram illustrating a control device 100 of an IT ecosystem for supporting global adaptation according to another embodiment of the present invention, in which one of the participating systems described above operates as a separate actor and participates in a plurality of. As it corresponds to each process included in the methods of controlling the IT ecosystem composed of systems, the function will be outlined here based on the device configuration.
  • the detector 10 senses data according to a given role, transmits or records the data to the controller 20, and may be selectively provided according to the role of the participating system.
  • the storage unit 30 is configured to store a metamodel representing a participating system as a multi-agent organization that interacts with each other by using its own capability.
  • each of the participating systems may be defined using an Organization-based Multiagent System Enginerring (O-MaSE) metamodel that expresses each of the participating systems as a multi-agent organization interacting with each other. have.
  • O-MaSE Organization-based Multiagent System Enginerring
  • the controller 20 is configured to perform an action defined by an action class for performing teamwork between participating systems, and in particular, the controller 20 may perform a task suitable to a given situation by a participating system constituting the IT ecosystem. Receive a constraint regarding a requirement, a state and an environment of the participating systems, and adapt to the situation and respond to the entered requirement or constraint to adapt to a newly entered requirement or constraint. Dynamically modify the structure of the participating system so that components or actions can be added.
  • the controller 20 may be configured such that at least one participating system of the IT ecosystem for each collaboration group controls the collaboration group according to a role assignment policy to control the global adaptation.
  • the controller 20 generates a combination of candidate configurations in which the participating system determined as the team leader conforms to the constraint rules defined in the system relocation policy with reference to a preset system relocation policy, and the cost-benefit model Dynamically change the structure of the participant system by selecting the candidate composition with the highest score by calculating the expected collaboration index based on the Cost-Benfit Model. Can be.
  • the team leader periodically calculates a collaboration index for the current setting, and if the calculated collaboration index is less than or equal to a preset threshold, replaces the candidate configuration that violates the candidate configuration that violates the constraint by changing available resources. It is desirable to send a command to instruct the performing system to perform the action by generating a, and selecting the setting with the highest collaboration index.
  • the cost-benefit model quantifies the cost / benefit of the combination between participating systems in consideration of the application domain of the IT ecosystem as a collaboration index, but depreciation, resource requirements, operational labor costs, collaboration completion, collaboration It may be defined based on at least one of accuracy, elapsed time and reliability of the combination.
  • Embodiments of the present invention employ a genetic algorithm as an implementation means for dynamically changing the structure of the participant system.
  • the controller 20 expresses the candidate configuration combination in a bit sequence.
  • a genetic function is generated as a chromosome, an arithmetic function for calculating a cooperative index according to the cost-gain model, is set as a fitness function, and a genetic algorithm is applied to the generated chromosome.
  • the highest surviving chromosome is output as a result of the candidate constitution.
  • the controller 20 sets the chromosome of the surviving highest index as a base population and, in the event of a violation of the current setting, provides for a mutation or crossover mechanism. Can be used to create a population of the next generation to deal with a violation of the current configuration.
  • the controller 20 selects a participant system having the highest availability at the time of selection as a team leader based on a profile of a participant system constituting the IT ecosystem, and the team leader determines the adaptive behavior of each participant system.
  • the team leader identifies the currently available participants through collaborative actions shared by all participants registered in the IT ecosystem, creates a plan for achieving a given goal, and together with the prepared plan, the actions listed in the created plan.
  • the combination of the participating systems may be selected by using all available participant sets having an action as a sub element, and an environment map including currently recognized environment objects and environment attributes owned by each object.
  • the storage unit further stores global IT ecosystem knowledge for the operation of the entire IT ecosystem, wherein the global IT ecosystem knowledge is collected for the attribute and the attribute for a given environment.
  • An environmental model containing the relevant environmental information, the functions and roles that the participating system may have, the cost and benefits of performing, the participant profile including the degree of availability of the participating system, and the deployment of the participating system in a given environment. It can be implemented including constraints and rules including a set of constraints and dynamic reconfiguration rules of and a global setting represented by the current environment and a set of currently assigned participating systems.
  • the participant system 100 constituting the IT ecosystem may optionally have an actuator (40) for performing an action if necessary according to a defined functional purpose.
  • the above-described embodiments of the present invention provide a method of determining an optimal set of available systems that can meet global constraints and achieve global goals in response to environmental changes through a framework supporting global adaptation of the IT ecosystem.
  • a new cost-benefit model to measure synergy through the collaboration of each of the available candidate sets of the system, and implement the processing through genetic algorithms to accompany the operation of the adaptive framework. It is possible to minimize the overhead.
  • inventions of the present invention can be implemented by computer readable codes on a computer readable recording medium.
  • the computer-readable recording medium includes all kinds of recording devices in which data that can be read by a computer system is stored.
  • Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, and the like.
  • the computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.
  • functional programs, codes and code segments for implementing the present invention can be easily inferred by programmers in the art to which the present invention belongs.
  • Embodiments of the present invention have proposed an adaptation framework that supports local adaptation to individual engagement systems as well as global adaptation to the entire IT ecosystem. While the existing frameworks that support the adaptation cycle of a single system are mainly based on the Windows platform, the proposed framework can be implemented based on the Android platform considering that most of the participating systems in the IT ecosystem are embedded systems. have. In addition, if the existing framework architecture has been presented and discussed at the conceptual level, the framework architecture proposed in the embodiments of the present invention describes the components at a more specific level.
  • the IT ecosystem is a system of systems in which individual systems autonomously carry out their tasks to achieve a common goal without human intervention by forming an ecosystem. Therefore, support for dynamic reconfiguration is one of the key factors in maintaining an overall balance to provide sustainable services in the areas covered by the IT ecosystem.
  • the embodiments of the present invention apply a model considering cost and benefit to a problem of selecting an optimal setting in response to a given situation change, and use a genetic algorithm to reduce the time required for selecting an optimal setting. Even if the scale increases, the physical system has the advantage of reducing the overhead to an acceptable level.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Biophysics (AREA)
  • Animal Husbandry (AREA)
  • Biomedical Technology (AREA)
  • Educational Administration (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Agronomy & Crop Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Stored Programmes (AREA)

Abstract

본 발명은 글로벌 적응을 지원하는 IT 생태계의 동적 제어 장치 및 방법에 관한 것으로, IT 생태계의 제어 방법은, IT 생태계를 구성하는 참여 시스템으로 하여금 주어진 상황에 맞는 태스크를 수행할 수 있도록 요구 사항, 상기 참여 시스템들의 상태 및 환경에 관한 제약 조건을 입력받아 상황에 적응(adaptation)하고, 새롭게 입력된 요구 사항 또는 제약 조건에 적응하기 위해 요구 사항 또는 제약 조건에 대응하는 컴포넌트 또는 행위가 추가될 수 있도록 참여 시스템의 구조를 동적으로 변경(modification)하되, IT 생태계를 구성하는 참여 시스템 중 적어도 하나의 참여 시스템이 협업 그룹을 제어하여 글로벌 적응(global adaptation)을 수행하는 팀 리더(TeamLeader)로서 결정되고, 팀 리더의 제어에 따라 각각 자신이 갖는 능력(capability)을 활용하여 주어진 목표를 수행하는 로컬 적응(local adaptation)을 수행하는 팀 멤버(TeamMember)를 선택함으로써 참여 시스템의 조합을 결정한다.

Description

글로벌 적응을 지원하는 IT 생태계의 동적 제어 장치 및 방법
본 발명은 IT 생태계 구현 기술에 관한 것으로, 특히 IT 생태계 상의 동적 변경을 지원하는 프레임워크에 기반을 두고 IT 생태계의 참여 시스템의 최적 조합을 도출하기 위한 동적 제어 장치, 방법 및 그 방법을 기록한 기록매체에 관한 것이다.
일상 생활에서, 우리는 소프트웨어가 탑재된 기기들과 다양한 상호작용을 하고 있다. 최근, 클라우드 컴퓨팅과 사물 인터넷(Internet of Things, IoT)을 포함한 새로운 기술들의 등장과 더줄어, 소프트웨어 시스템 운영의 패러다임이 단일 시스템 운영에서 시스템의 시스템(system of system, SoS)으로 이동하고 있다. 이러한 SoS 의 목적은 하나의 SoS에 속하는 개별 시스템들이 각자 보유한 능력이나 자원들을 서로 공유함으로써, SoS에 참여하기 이전에는 제공할 수 없었던 새로운 기능성이나 성능을 제공하는 데 있다.
근래 들어, 이와 같은 SoS의 개념과 맥락을 같이하고 있는 연구로, 다양한 연구들이 IT 생태계와 같은 새로운 개념을 소개하고 있다. IT 생태계는 로컬 적응성에 기반하여 전체로서 적응적이고 상호작용하는 자율적인 개별 시스템들로 구성된 복잡한 시스템 복합체이다. 이러한 IT 생태계는 생태계에 참여하는 개별 액터(actor)가 소프트웨어 서비스나 어플리케이션에 국한된 것이 아니라, 하드웨어를 포함하는 시스템이고, 시스템의 규모가 아니라 시스템간의 상호작용 복잡도와 그에 따르는 적응성(adaptivity) 정도에 따라 각 시스템의 자율성이 결정되며, 사람과 기계의 상호작용을 포함할 수 있다는 특징을 갖는다. 이를 위해 IT 생태계를 구성하는 개별 시스템들은 각자의 작업 영역 내에서, 환경적인 맥락(context)을 지속적으로 모니터링한다. 만약 스스로의 설정을 변경시켜야 할 만한 변경이 감지될 경우, 미리 정의된 전략 혹은 이전의 학습을 통해 축적된 지식에 따라 자신의 설정을 동적으로 변경한다. 이와 같은 로컬 적응 루프(loop)는 이하에서 소개되는 선행기술문헌을 통해 제시되는 MAPE-K 루프로 정의될 수 있으며, Rainbow, MUSIC, DiVA와 같은 다양한 적응 프레임워크의 적용을 통해 구현 가능하다.
개별 참여 시스템들의 자율성 및 전체 IT 생태계의 제어 가능성을 보호하기 위하여, 해결해야만 하는 다양한 문제들이 존재하는데, 자기-적응(self-adaptation)은 이러한 종류의 어려운 문제들을 해결하기 위한 핵심적인 접근법으로서 널리 인식되고 있다. 그러나, 현재까지, 자기-적응에 기반을 둔 대부분의 연구들은 여전히 단일 적응 시스템 또는 로컬 적응성 이슈에만 집중해왔다는 약점을 가진다.
(선행기술문헌 1) IBM Autonomic Computing Architecture Team, “An Architectural Blueprint for Autonomic Computing, Tech.Rep,” IBM Hawthorne, NY, USA, June 2006.
(선행기술문헌 2) D. Garlan, S. Cheng, A. Huang, B. Schmerl, and P. Steenkiste. “Rainbow: architecture-based self-adaptation with reusable infrastructure,” Computer, vol. 37(10), pp. 46-54, 2004.
(선행기술문헌 3) S. Hallsteinsen, K. Geihs, N. Paspallis, F. Eliassen, G. Horn, J. Lorenzo, A. Mamelli, and G. A. Papadopoulos. “A development framework and methodology for self-adapting applications in ubiquitous computing environments,” J. Syst. Softw, vol. 85(12), pp. 2840-2859, 2012.
(선행기술문헌 4) A.Z, M. Araujo, F. Kuiper, D. Valente, J. Wenkstern, R.Z. “DIVAs 4.0: A Multi-Agent Based Simulation Framework,” Distributed Simulation and Real Time Applications (DS-RT), 2013 IEEE/ACM 17th International Symposium on, 2013, pp.105-114.
본 발명의 실시예들이 해결하고자 하는 기술적 과제는, 종래의 적응 프레임워크들의 적용 영역이 단일 시스템에 국한되는 문제점을 해결하고, 그로 인해 주어진 환경 변화에 대응하는 전체 IT 생태계에 대한 글로벌 적응 메커니즘이 존재하지 않았기 때문에 IT 생태계의 지속 가능성을 보장하기 어려운 한계를 극복하고자 한다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 적어도 하나의 처리기(processor)를 갖는 하드웨어와 이를 제어하는 소프트웨어가 결합된 하나의 참여 시스템이 개별 액터(actor)로서 동작하며 복수의 참여 시스템들로 구성되는 IT 생태계를 제어하는 방법은, 제어 디바이스가 상기 IT 생태계를 구성하는 참여 시스템으로 하여금 주어진 상황에 맞는 태스크를 수행할 수 있도록 요구 사항, 상기 참여 시스템들의 상태 및 환경에 관한 제약 조건을 입력받아 상기 상황에 적응(adaptation)하는 단계; 및 상기 제어 디바이스가 새롭게 입력된 요구 사항 또는 제약 조건에 적응하기 위해 상기 입력된 요구 사항 또는 제약 조건에 대응하는 컴포넌트 또는 행위가 추가될 수 있도록 상기 참여 시스템의 구조를 동적으로 변경(modification)하는 단계를 포함하되, 상기 참여 시스템의 구조를 동적으로 변경하는 단계는, 역할부여 정책(Policy)에 따라 협업 그룹(CollaborationGroup) 별로 상기 IT 생태계를 구성하는 참여 시스템 중 적어도 하나의 참여 시스템이 상기 협업 그룹을 제어하여 글로벌 적응(global adaptation)을 수행하는 팀 리더(TeamLeader)로서 결정하고, 상기 팀 리더의 제어에 따라 각각 자신이 갖는 능력(capability)을 활용하여 주어진 목표를 수행하는 로컬 적응(local adaptation)을 수행하는 팀 멤버(TeamMember)를 선택함으로써 상기 참여 시스템의 조합을 결정한다.
일 실시예에 따른 IT 생태계를 제어하는 방법에서, 상기 참여 시스템의 구조를 동적으로 변경하는 단계는, 상기 팀 리더로서 결정된 참여 시스템이 미리 설정된 시스템 재배치 정책을 참고하여 상기 시스템 재배치 정책에서 정의된 제약 조건 규칙을 준수하는 후보 구성 조합을 생성하는 단계; 및 비용-이득 모델(Cost-Benfit Model)에 기초하여 각 후보 구성 조합이 실제 수행될 경우 예상되는 협업 지수(collaboration score)를 산출함으로써 가장 높은 점수를 획득한 후보 구성을 선택하는 단계를 포함할 수 있다.
일 실시예에 따른 IT 생태계를 제어하는 방법에서, 상기 비용-이득 모델은, 상기 IT 생태계의 적용 도메인을 고려하여 참여 시스템 간의 조합에 따른 비용 대비 이득을 협업 지수로서 계량화하되, 감가상각, 자원 소요 비용, 운영 인건비, 협업의 완성도, 협업의 정확도, 경과시간 및 조합의 신뢰성 중 적어도 하나에 기초하여 정의될 수 있다.
일 실시예에 따른 IT 생태계를 제어하는 방법에서, 상기 참여 시스템의 구조를 동적으로 변경하는 단계는, 상기 후보 구성 조합을 비트 시퀀스(bit sequence)로 표현된 염색체로서 생성하는 단계; 상기 비용-이득 모델에 따른 협업 지수를 산출하기 위한 연산 함수를 적합도 함수(fitness function)로서 설정하는 단계; 및 생성된 상기 염색체에 대해 상기 적합도 함수를 적용한 유전 알고리즘(genetic algorithm)을 이용하여 생존한 최고 지수의 염색체를 상기 후보 구성의 결과로서 출력하는 단계를 포함할 수 있다. 또한, 상기 참여 시스템의 구조를 동적으로 변경하는 단계는, 상기 생존한 최고 지수의 염색체를 기준 개체군(base population)으로서 설정하는 단계; 및 현재 설정에 대한 위반(violation)이 발생한 경우, 변이(mutation) 또는 교차(crossover) 메커니즘을 사용하여 다음 세대의 개체군을 생성하는 단계를 더 포함할 수 있다.
일 실시예에 따른 IT 생태계를 제어하는 방법에서, 상기 참여 시스템의 구조를 동적으로 변경하는 단계는, 상기 IT 생태계를 구성하는 참여 시스템의 프로파일에 기반하여 선정 시점의 가용성이 가장 높은 참여 시스템을 팀 리더로 선정하는 단계를 포함하며, 상기 팀 리더는 참여 시스템 각각의 적응 행동을 결정하는 로컬 지식 중 전체 IT 생태계의 협업 지수를 산출하기 위한 정보만을 수신받아 제약 조건과 함께 저장하는 것을 특징으로 하는 IT 생태계의 제어 방법. 또한, 상기 팀 리더는, 상기 IT 생태계에 등록되어 있는 모든 참여자가 공유하는 협업 행위를 통해 현재 가용 참여자들을 파악하여 주어진 목표 달성에 필요한 계획을 작성하고, 상기 작성된 계획과 함께 상기 작성된 계획에 나열된 액션(action)을 하위 요소로 갖는 모든 가용 참여자 집합과 현재 파악된 환경 객체와 각 객체가 소유한 환경 속성를 포함하는 환경 지도를 이용하여 상기 참여 시스템의 조합을 선정할 수 있다.
일 실시예에 따른 IT 생태계를 제어하는 방법에서, 상기 IT 생태계는, 상기 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 O-MaSE(Organization-based Multiagent System Enginerring) 메타모델을 이용하여 정의될 수 있다.
한편, 이하에서는 상기 기재된 IT 생태계를 제어하는 방법들을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 다른 실시예에 따른 하나의 참여 시스템이 개별 액터(actor)로서 동작하며 복수의 참여 시스템들로 구성되는 IT 생태계를 제어하는 장치는, 상기 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 메타모델(metamodel)을 저장하는 저장부; 및 상기 참여 시스템 간의 팀워크 수행을 위한 액션 클래스가 정의하는 행위를 수행하는 제어기(controller);를 포함하되, 상기 제어기는, 상기 IT 생태계를 구성하는 참여 시스템으로 하여금 주어진 상황에 맞는 태스크를 수행할 수 있도록 요구 사항, 상기 참여 시스템들의 상태 및 환경에 관한 제약 조건을 입력받아 상기 상황에 적응(adaptation)하고, 새롭게 입력된 요구 사항 또는 제약 조건에 적응하기 위해 상기 입력된 요구 사항 또는 제약 조건에 대응하는 컴포넌트 또는 행위가 추가될 수 있도록 상기 참여 시스템의 구조를 동적으로 변경(modification)하되, 역할부여 정책(Policy)에 따라 협업 그룹(CollaborationGroup) 별로 상기 IT 생태계를 구성하는 참여 시스템 중 적어도 하나의 참여 시스템이 상기 협업 그룹을 제어하여 글로벌 적응(global adaptation)을 수행하는 팀 리더(TeamLeader)로서 결정하고, 상기 팀 리더의 제어에 따라 각각 자신이 갖는 능력(capability)을 활용하여 주어진 목표를 수행하는 로컬 적응(local adaptation)을 수행하는 팀 멤버(TeamMember)를 선택함으로써 상기 참여 시스템의 조합을 결정한다.
다른 실시예에 따른 IT 생태계를 제어하는 장치에서, 상기 제어기는, 상기 팀 리더로서 결정된 참여 시스템이 미리 설정된 시스템 재배치 정책을 참고하여 상기 시스템 재배치 정책에서 정의된 제약 조건 규칙을 준수하는 후보 구성 조합을 생성하고, 비용-이득 모델(Cost-Benfit Model)에 기초하여 각 후보 구성 조합이 실제 수행될 경우 예상되는 협업 지수(collaboration score)를 산출함으로써 가장 높은 점수를 획득한 후보 구성을 선택함으로써, 상기 참여 시스템의 구조를 동적으로 변경할 수 있다.
다른 실시예에 따른 IT 생태계를 제어하는 장치에서, 상기 팀 리더는, 주기적으로 현재 설정에 대한 협업 지수를 산출하고, 산출된 상기 협업 지수가 미리 설정된 임계값 이하인 경우 가용 자원을 변화시킴으로써 제약 조건을 위배하고 있는 후보 구성을 대체하는 대체 후보 구성을 생성하며, 가장 높은 협업 지수를 갖는 설정을 선택함으로써 동적으로 갱신된 참여 시스템에게 동작 수행을 지시하는 명령을 전송할 수 있다.
다른 실시예에 따른 IT 생태계를 제어하는 장치에서, 상기 비용-이득 모델은, 상기 IT 생태계의 적용 도메인을 고려하여 참여 시스템 간의 조합에 따른 비용 대비 이득을 협업 지수로서 계량화하되, 감가상각, 자원 소요 비용, 운영 인건비, 협업의 완성도, 협업의 정확도, 경과시간 및 조합의 신뢰성 중 적어도 하나에 기초하여 정의될 수 있다.
다른 실시예에 따른 IT 생태계를 제어하는 장치에서, 상기 제어기는, 상기 후보 구성 조합을 비트 시퀀스(bit sequence)로 표현된 염색체로서 생성하고, 상기 비용-이득 모델에 따른 협업 지수를 산출하기 위한 연산 함수를 적합도 함수(fitness function)로서 설정하며, 생성된 상기 염색체에 대해 상기 적합도 함수를 적용한 유전 알고리즘(genetic algorithm)을 이용하여 생존한 최고 지수의 염색체를 상기 후보 구성의 결과로서 출력함으로써, 상기 참여 시스템의 구조를 동적으로 변경할 수 있다. 또한, 상기 제어기는, 상기 생존한 최고 지수의 염색체를 기준 개체군(base population)으로서 설정하고, 현재 설정에 대한 위반(violation)이 발생한 경우, 변이(mutation) 또는 교차(crossover) 메커니즘을 사용하여 다음 세대의 개체군을 생성할 수 있다.
다른 실시예에 따른 IT 생태계를 제어하는 장치에서, 상기 제어기는, 상기 IT 생태계를 구성하는 참여 시스템의 프로파일에 기반하여 선정 시점의 가용성이 가장 높은 참여 시스템을 팀 리더로 선정하며, 상기 팀 리더는 참여 시스템 각각의 적응 행동을 결정하는 로컬 지식 중 전체 IT 생태계의 협업 지수를 산출하기 위한 정보만을 수신받아 제약 조건과 함께 저장할 수 있다. 또한, 상기 팀 리더는, 상기 IT 생태계에 등록되어 있는 모든 참여자가 공유하는 협업 행위를 통해 현재 가용 참여자들을 파악하여 주어진 목표 달성에 필요한 계획을 작성하고, 상기 작성된 계획과 함께 상기 작성된 계획에 나열된 액션(action)을 하위 요소로 갖는 모든 가용 참여자 집합과 현재 파악된 환경 객체와 각 객체가 소유한 환경 속성를 포함하는 환경 지도를 이용하여 상기 참여 시스템의 조합을 선정할 수 있다.
다른 실시예에 따른 IT 생태계를 제어하는 장치에서, 상기 IT 생태계는, 상기 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 O-MaSE(Organization-based Multiagent System Enginerring) 메타모델을 이용하여 정의될 수 있다.
다른 실시예에 따른 IT 생태계를 제어하는 장치에서, 상기 참여 시스템이 팀 리더인 경우, 상기 저장부는 전체 IT 생태계의 운영을 위한 글로벌 IT 생태계 지식을 더 포함하여 저장하되, 상기 글로벌 IT 생태계 지식은, 주어진 환경에 대한 속성 및 상기 속성에 대해 수집된 환경 정보를 포함하는 환경 모델; 참여 시스템이 가질 수 있는 기능 및 역할, 수행에 따른 비용 및 이득 항목, 참여 시스템의 가용성 정도를 포함하는 참여자 프로파일(profile); 주어진 환경에 참여 시스템을 배치할 경우의 제약 조건 및 동적 재구성 규칙 집합을 포함하는 제약 조건 및 규칙; 및 현재 환경과 현재 할당된 참여 시스템의 집합으로 표시되는 글로벌 설정을 포함할 수 있다.
다른 실시예에 따른 IT 생태계를 제어하는 장치에서, 상기 IT 생태계를 구성하는 참여 시스템은, 주어진 역할에 따라 데이터를 감지하여 기록하는 감지기(sensor) 및 정의된 기능적 목적에 따라 액션을 수행하는 액추에이터(actuator) 중 적어도 하나를 더 포함할 수 있다.
본 발명의 실시예들은, IT 생태계의 글로벌 적응을 지원하는 프레임워크를 통해 로컬 제약 조건을 만족하고 환경 변화에 대응하여 글로벌 목표를 달성할 수 있는 가용 시스템의 최적 집합을 결정하는 방법을 제시함으로써 지속 가능한 서비스를 제공할 수 있으며, 시스템의 가용 후보 집합 각각의 협업을 통해 시너지를 측정하기 위해 비용-이득 모델을 새롭게 제시하되 그 처리 과정을 유전 알고리즘을 통해 구현함으로써 적응 프레임워크의 연산에 수반되는 오버헤드의 최소화가 가능하다.
도 1은 본 발명의 일 실시예에 따른 글로벌 적응을 지원하는 IT 생태계의 제어 방법을 도시한 흐름도이다.
도 2 및 도 3은 각각 IT 생태계의 제어 방법의 일례로서 제시되는 무인 산림 관리 IT 생태계에 관한 목표 모델과 역할 모델을 예시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도 1의 IT 생태계의 제어 방법에서 참여 시스템의 구조를 동적으로 변경하는 과정을 보다 구체적으로 도시한 흐름도이다.
도 5는 IT 생태계를 위한 적응 프레임워크의 구조를 도시한 도면이다.
도 6 내지 도 9는 무인 산림 관리 IT 생태계를 위한 환경 모드 및 참여자 프로파일을 예시한 도면이다.
도 10 및 도 11은 IT 생태계 중재자의 로컬 적응 메커니즘을 예시한 도면이다.
도 12는 IT 생태계 중재자의 글로벌 적응 메커니즘을 예시한 도면이다.
도 13 및 도 14는 IT 생태계의 다음 설정 증식(propagation)을 위한 유전 알고리즘의 적용 과정을 설명하기 위한 도면이다.
도 15는 선택된 최적의 설정을 보여주는 폼(form)을 구현한 애플리케이션 프로토타입(prototype)을 예시한 도면이다.
도 16은 본 발명의 다른 실시예에 따른 글로벌 적응을 지원하는 IT 생태계의 제어 장치를 도시한 블록도이다.
본 발명의 실시예들이 제안하는 프레임워크의 핵심 특징들은 다음과 같이 세 가지로 요약할 수 있다.
첫째, IT 생태계에 참여하는 모든 개별 시스템에는 제안된 적응 프레임워크의 로컬 적응과 글로벌 적응을 위해 필요한 모든 구성 요소들이 탑재된다. 그러나, 글로벌 적응 관련 구성 요소들은 목표 수행시 팀 리더(team leader) 역할을 할당받은 참여 시스템에서만 구동된다. 팀 리더 역할의 할당 역시 참여 시스템들의 상황에 따라 동적으로 부여된다.
둘째, 글로벌 적응의 제어기 권한을 가지는 팀 리더로 선정된 참여 시스템은 주어진 상황에 알맞은 IT 생태계의 동적 재구성을 수행한다. 매 상황에 가장 적합한 참여 시스템 집합(set)을 적절한 작업 환경에 배치할 때, 의사 결정의 기준이 되는 모델로서 비용-이득(cost-benefit) 모델을 제시한다. 비용-이득 모델 역시 프레임워크가 제공하는데, 비용과 이득을 규정짓는 항목의 구성은 IT 생태계의 도메인(domain)에 따라 다르다. 매 상황 변화에 대응하여 가장 적절한 설정을 선택하는 작업은 IT 생태계의 규모(scale)가 증가함에 따라 오버헤드로 작용할 수 있다. 따라서, 본 발명의 실시예들은 적응 프레임워크로 인한 오버헤드를 최소화하기 위해 유전 알고리즘(genetic algorithm)을 적용하고 있다.
셋째, IT 생태계의 참여자는 개인용 컴퓨터을 대상으로 할 수도 있으나, 자율성을 갖고 경우에 따라 이동성을 갖는 임베디드(embedded) 시스템으로 설정되는 것이 바람직하다. 따라서, 제안된 프레임워크 역시 윈도우즈(Windows) 플랫폼이 아닌 안드로이드 플랫폼 상에 탑재되어 구동될 수 있다.
지속 가능한 IT 생태계를 생성하기 위하여, 로컬 적응 메커니즘뿐만 아니라, 주어진 환경 변화에 대처하여 전체 IT 생태계의 설정을 동적으로 변경해 나가는 글로벌 적응 메커니즘이 지원되어야 한다. 안타깝게도, 현재까지 소개된 종래의 적응 프레임워크들은 로컬 적응과 관련된 문제에 있어서는 이득을 주고 있으나, 그 적용 영역이 단일 시스템에 국한됨에 따라 IT 생태계의 지속 가능성을 보장하는 데 있어서는 한계가 있었다. 따라서, 본 발명의 실시예들은 로컬 적응 메커니즘과 글로벌 적응 메커니즘 모두를 고려하여 설계된 적응 프레임워크를 제안하고자 한다.
본 발명의 구체적인 구현예들과 알고리즘을 설명하기에 앞서, 본 발명의 일 실시예에 따른 글로벌 적응을 지원하는 IT 생태계의 제어 방법을 도 1을 통해 개괄적으로 소개한 후, 개별적인 기술적 수단을 순차적으로 제시하도록 한다.
도 1은 적어도 하나의 처리기(processor)를 갖는 하드웨어와 이를 제어하는 소프트웨어가 결합된 하나의 참여 시스템이 개별 액터(actor)로서 동작하며 복수의 참여 시스템들로 구성되는 IT 생태계를 제어하는 방법을 도시한 흐름도로서, 다음과 같은 단계를 포함한다.
S110 단계에서, 제어 디바이스는 상기 IT 생태계를 구성하는 참여 시스템으로 하여금 주어진 상황에 맞는 태스크를 수행할 수 있도록 요구 사항, 상기 참여 시스템들의 상태 및 환경에 관한 제약 조건을 입력받아 상기 상황에 적응(adaptation)한다. 여기서, 상기 IT 생태계는, 상기 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 메타모델(metamodel)을 이용하여 구현될 수 있다. 예를 들어, 이러한 메타모델은, O-MaSE(Organization-based Multiagent System Enginerring) 메타모델이 될 수 있는데, O-MaSE 메타모델은 설계자들이 에이전트 기반의 개발 프로세스를 설계할 때 필요한 메타모델과 메소드 저장소, 그리고 가이드라인 등을 정의한 하나의 프로세스 프레임워크이다(J. C. Garcia-Ojeda, S. A. DeLoach, “The O-MaSE Process: a Standard View,” In Proceedings of the Workshop FIPA Design Process Documentation and Fragmentation Working Group, pp. 55-66, Lyon, France, 2010).
S120 단계에서, 상기 제어 디바이스는 새롭게 입력된 요구 사항 또는 제약 조건에 적응하기 위해 상기 S110 단계를 통해 입력된 요구 사항 또는 제약 조건에 대응하는 컴포넌트 또는 행위가 추가될 수 있도록 상기 참여 시스템의 구조를 동적으로 변경(modification)한다. 앞서 제시한 본 발명의 안출 동기에 따라 이 과정은, 역할부여 정책(Policy)에 따라 협업 그룹(CollaborationGroup) 별로 상기 IT 생태계를 구성하는 참여 시스템 중 적어도 하나의 참여 시스템이 상기 협업 그룹을 제어하여 글로벌 적응(global adaptation)을 수행하는 팀 리더(TeamLeader)로서 결정하고, 상기 팀 리더의 제어에 따라 각각 자신이 갖는 능력(capability)을 활용하여 주어진 목표를 수행하는 로컬 적응(local adaptation)을 수행하는 팀 멤버(TeamMember)를 선택함으로써 상기 참여 시스템의 조합을 결정하게 된다.
여기서, 글로벌 적응(global adaptation)이란, 하나의 IT 생태계를 구성하는 복수 개의 자율 시스템들의 형상(Configuration)을 환경 변화에 대응하여 동적으로 변화시켜 나가는 메커니즘을 의미한다. 로컬 적응(local adaptation)이 단일 시스템이 자신이 속한 환경이나 주어진 맥락(context)의 변화에 대응하여, 내부 컴포넌트 구성, 즉 형상(configuration)을 동적으로 변화시켜 나간다면, 글로벌 적응 메커니즘은 IT 생태계에 참여하는 시스템이 탑재하고 있는 센서를 통해 수집된 데이터를 종합적으로 분석하고, 현재의 기기 구성이 적절하지 않다고 판단될 경우, 현재 서비스를 제공중인 개별 시스템을 다른 참여 가능 시스템으로 교체하거나 혹은 추가적으로 다른 참여 가능 시스템을 IT 생태계에 참여하도록 함으로써 전체 IT 생태계가 달성하고자 하는 목표를 달성하게 하는 역할을 한다.
이제, S130 단계에서, 상기 제어 디바이스는 S120 단계를 통해 동적으로 변경된 참여 시스템의 조합에 따라 해당 참여 시스템이 주어진 목표를 수행하도록 제어한다.
이하에서는 도 1의 IT 생태계의 제어 방법의 각 요소를 첨부된 도면을 참조하여 보다 구체적으로 설명하도록 한다. 도 1에서 제시된 IT 생태계를 위한 적응 프레임워크에 대한 이해를 돕기 위해, 도메인 애플리케이션의 일례로서 무인 산림 관리 IT 생태계에 대한 실시예를 구현하였다.
1. 무인 산림 관리 IT 생태계 실시예
제안된 프레임워크를 기술하기 위하여, 무인 산림 관리를 위한 IT 생태계 시뮬레이션을 고려하자. 무인 산림 관리 IT 생태계는 각각 100km2 크기의 산림 지역 9개를 12대의 무인 항공기, 헬리콥터, 및 지상용 차량이 관리하는 무인 시스템이다. 각각의 산림 지역에 할당되는 무인 차량들은 각자에게 장착된 센서와 액추에이터를 활용하여 주어진 목표를 성취해 나간다.
도 2는 무인 산림 관리 IT 생태계의 목표를 도시하였다. 무인 산림 관리 IT 생태계는 삼림을 손질(gardening)하고, 삼림을 모니터링하는 과정에서 발견된 환자(sufferer)를 구출하거나, 또는 산불을 진화함으로써 목표를 달성한다. 이러한 시뮬레이션 실시예에서는 삼림 손질(Gardening) 목표를 달성하기 위한 부(sub)목표 중 하나인 가뭄 모니터(Monitor Drought) 목표를 달성하기 위하여 무인 산림 관리 IT 생태계의 동적 재구성 과정을 강조하였다.
12대의 무인 차량들은 주어진 상황에 따라 알맞은 역할을 수행하며 목표를 성취한다. 무인 산림 관리 IT 생태계에 관한 역할(role)을 예시한 도 3을 참조하면, 삼림 손질 목표를 달성하기 위한 협업 그룹은 정원사(Gardeners)이다. 이 그룹의 역할은 최고 정원사(Chief Gardener), 정원사(Gardener) 및 감시자(Surveillant)이다. 최고 정원사는 <<팀 리더(TeamLeader)>> 역할의 예시된 역할이다. 정원사 및 감시자는 <<팀 멤버(TeamMember)>>의 예시된 역할이다. 최고 정원사 역할을 맡은 무인 차량은 무인 산림 관리 IT 생태계의 글로벌 적응 사이클을 구동시켜, 전체 무인 산림 관리 IT 생태계의 지속 가능성을 유지해 나간다. 반면, 감시자 역할을 할당받아 특정 산림 지역 9대의 배치되는 무인 차량들은 해당 지역에서 감지되는 지형 지물의 위치에 따라 자신의 운전 경로를 조정해 나가며, 가뭄 모니터 목표를 수행한다. 본 발명의 실시예들은 제안된 프레임워크에 글로벌 자기-적응 능력을 추가하였는데, 이는 시뮬레이션된 무인 산림 관리 IT 생태계를 이용하고, 전체 IT 생태계로 하여금 그들 고유의 목적을 수행하도록 적응시키는 역할을 한다.
이상과 같은 참여 시스템의 역할을 전제로, 도 4를 참조하여 참여 시스템의 동적 변경을 살펴보면 다음과 같다. 도 4는 본 발명의 일 실시예에 따른 도 1의 IT 생태계의 제어 방법에서 참여 시스템의 구조를 동적으로 변경하는 과정(S120)을 보다 구체적으로 도시한 흐름도이다.
S121 단계에서, 제어 디바이스는 팀 리더로서 결정된 참여 시스템이 미리 설정된 시스템 재배치 정책을 참고하여 시스템 재배치 정책에서 정의된 제약 조건 규칙을 준수하는 후보 구성 조합을 생성한다. 즉 이 과정은 주어진 환경과 물리적인 제약에 부합하는 자원 할당(참여 시스템의 기능/능력을 고려한 작업 할당을 의미한다)의 후보군을 다수 생성하는 과정에 해당한다.
S122 단계에서, 상기 제어 디바이스는 비용-이득 모델(Cost-Benfit Model)에 기초하여 각 후보 구성 조합이 실제 수행될 경우 예상되는 협업 지수(collaboration score)를 산출함으로써 가장 높은 점수를 획득한 후보 구성을 선택한다. 여기서, 비용-이득 모델은 상기 IT 생태계의 적용 도메인을 고려하여 참여 시스템 간의 조합에 따른 비용 대비 이득을 협업 지수로서 계량화한 것으로서, 후보 구성 조합 중 최적의 구성 조합을 선정하는 근거가 된다.
2. IT 생태계의 지속 가능성을 위한 적응적인 미들웨어 프레임워크
이하에서는 IT 생태계를 위해 제안된 적응적인 미들웨어 프레임워크를 개괄적으로 제시하도록 한다. 제안된 프레임워크 아키텍처는 도 5에서 보이는 바와 같다.
도 5는 IT 생태계를 위한 적응 프레임워크의 구조를 도시한 도면으로서, Felix 레이어, MAPE 코어 번들 레이어, 로컬 적응 레이어, IT 생태계 글로벌 적응 레이어, 그리고 IT 생태계 가상화 레이어, 이렇게 총 5개의 레이어로 구성되어 있다. 레이어(layer)라는 표현을 쓰고 있으나, 엄밀하게는 모든 레이어가 계층적으로 적층되어 있는 것은 아니고, 모든 메커니즘 구동에 5개의 레이어가 모두 상호작용하는 것도 아닌 만큼, 정확히 설명하자면 5개의 패키지로 구성되었다고 할 수 있다.
먼저, 프레임워크는 안드로이드 플랫폼 상에서 동작하는 애플리케이션들의 상태를 모니터링한다. 애플리케이션이 구동되면, MAPE 코어 번들 레이어의 컨텍스트 모니터가 애플리케이션의 상태를 지속적으로 모니터하기 시작한다. MAPE 코어 번들 레이어를 포함하여 그보다 상단에 위치한 레이어에 속하는 구성 요소들은 모두 OSGi의 동적 라이프 사이클 관리 서비스의 대상인 번들의 형태로 구현된다. MAPE 코어 번들 레이어들의 역할은 모니터(monitor)→분석(analysis)→계획(plan)→실행(execute) 순으로 실행되는 전형적인 MAPE-K 사이클의 흐름을 유지하는 데 있다. 제안된 프레임워크의 가장 큰 특징은 MAPE-K 사이클의 흐름과 실제 MAPE의 액션을 분리한 데 있다. IT 생태계의 모든 참여 시스템에 도 5에 도시된 모든 구성 요소들이 탑재되기는 하지만, 모든 구성 요소들이 구동되는 것은 아니다. 참여 시스템이 맡은 역할의 유형에 따라 구성 요소들은 선별적으로 구동된다. 예를 들어, 무인 산림 관리 IT 생태계의 정원사(Gardeners) 그룹 중에서 팀 리더 역할자인 최고 정원사 역할을 할당 받은 시스템의 내부를 살펴보면, MAPE 코어 번들에 IT 생태계 글로벌 적응 레이어의 구성 요소(협업 모니터, 협업 애널라이저, 협업 플래너)들이 플러그-앤-플레이(plug-and-play)된다. 반면, 로컬 적응만을 수행하면 되는 팀 멤버 유형의 역할인 감시자 역할을 부여 받은 참여 시스템은 로컬 적응 레이어에 정의된 구성 요소들이 플러그-앤-플레이된다. MAPE 흐름(flow)과 실제 MAPE 액션간의 결합에 관한 정보는 Felix 레이어에 위치한 번들 레지스트리(Registry)에서 관리된다. 각 참여 시스템이 구동됨과 동시에 적용되는 적응 번들 액티베이터(Activator)가 번들 레지스트리의 정보를 탐색(look up)하여 MAPE 코어 번들에 실제 어떤 실행 가능한 번들이 결합될 지에 대한 정보를 읽어온 후, 해당되는 번들들을 실행(activate)시키게 된다.
이제, 무인 산림 관리 IT 생태계의 애플리케이션 실시예와 더불어 프레임워크를 구성하는 각각의 레이어들을 구체적으로 설명하도록 한다.
(A) 공통(common) 레이어
도 5에서 음영으로 표시된 안드로이드 플랫폼, Felix 레이어, MAPE 코어 번들 레이어는 IT 생태계에 참여하는 시스템이 맡은 역할과 무관하게 항상 탑재되어 구동되는 공통 레이어들이다.
1) 안드로이드 플랫폼 레이어: 프로브(Probe)는 안드로이드 플랫폼상에 동작하는 애플리케이션의 상태를 페치(fetch)해 오는 역할을 수행한다. 즉, 시스템의 상태를 파악하기 위해 적응의 목적에 따라, 미리 정의된 메릭(meric)의 값을 애플리케이션으로부터 주기적으로 파악하여, 참여 시스템 각각에 배치된 지역 환경 저장소에 저장한다. 무인 산림 관리 IT 생태계의 경우, 프로브는 각 산림 지역에 배치된 기기의 가용성을 측정하기 위해 애플리케이션의 센서를 통해 감지되는 연료 게이지, GPS 좌표값 등을 측정한다. 반면, 이펙터(Effector)는 IT 생태계의 참여 시스템이 감지된 환경 변화에 대응하여 스스로 내부 구성 요소를 변경하여야 할 경우, 실제적인 변경을 위한 동작을 수행하는 컴포넌트이다. 이펙터는 기존의 설정과 비교하여 새롭게 변경되어야 하는 설정을 Felix 레이어에 위치한 설정 관리자에게 요청하여 구성 요소 변경 작업을 수행한다. 프로브와 이펙터의 개념은 Rainbow 아키텍처에서 제안하는 바로부터 도출 가능하다.
2) Felix 레이어: Apache felix가 제공하는 API들을 이용하여 안드로이드 플랫폼과 OSGi 기반의 MAPE 코어 번들 레이어 간의 인터페이스(interface) 역할을 담당한다. MAPE 코어 번들 레이어를 포함하여 그 이상의 레이어에 위치하는 모든 구성 요소들은 OSGi 가 제공하는 라이프 사이클 관리 서비스를 사용하는 번들 서비스 형태로 구현되었다. 참여 시스템에 탑재된 애플리케이션이 구동되면, Felix 서비스 클라이언트가 Felix 서비스를 통해 적응 번들 액티베이터(Activator)를 구동시킨다. 적응 번들 액티베이터는 번들 레지스트리에서 각 참여자 역할별로 정의된 구성 요소를 탐색하여 시작(initiation)시킨 후, MAPE 코어 번들 레이어의 각 구성 요소들과 결합한다.
3) MAPE 코어 번들 레이어: 본 레이어에 위치한 4개의 번들들은 MAPE-K 사이클 모니터-분석-계획-실행으로 이어지는 흐름만을 정의하고 있는 일종의 잔여분(stub)이다. 실제 시스템의 어떤 측면을 모니터할 것이며, 모니터 결과 얻어진 데이터로부터 상황을 어떻게 분석하고, 그 결과 얻어진 진단에 따라 어떤 계획을 수립하고, 그것을 어떻게 실행할 것인지는 본 레이어에 있는 4개의 번들에는 구현되어 있지 않다. 실제 적응을 실현하는 것은 애플리케이션이 구동되는 시점에 MAPE 코어 번들 레이어의 구성 요소들과 결합 되는 로컬 적응 레이어 또는 IT 생태계 글로벌 적응 레이어의 번들들이다.
(B) 글로벌 IT 생태계 지식
MAPE-K 루프에서 적응 행동의 발현 양상은 결국 공유하고 있는 “지식”에 의존하다. 각 참여 시스템의 적응 행동을 결정하는 로컬 지식들은 각 기기에 탑재되어 있다. 로컬 지식 중 전체 IT 생태계의 운영에 관련된 지식들은 중앙화된 저장소에 저장되며, IT 생태계 설정 관리자를 통해 접근 가능하다. IT 생태계의 <<역할>> 팀 리더를 부여 받는 참여 시스템은 글로벌 IT 생태계 지식 영역의 데이터를 활용하여 글로벌 적응 메커니즘을 제어한다. 본 발명의 실시예들은 전체 IT 생태계를 나타내는 모델로 O-MaSE(Organization-based Multiagent System Enginerring) 메타 모델을 채택하였으며, 몇 가지 속성들을 추가하여 사용하였다.
도 6 내지 도 9는 무인 산림 관리 IT 생태계를 위한 환경 모드 및 참여자 프로파일을 예시한 도면으로서, 무인 산림 관리 IT 생태계 운영을 위해 설계된 글로벌 IT 생태계 지식의 한 단면을 묘사하고 있다.
1) 환경 모델: 도 6은 앞서 소개한 무인 산림 관리 IT 생태계가 운영되는 넓은 지역에 걸친 삼림을 구성하는 각각의 지역의 속성을 표현한 메타-모델을 예로 보여준다. 각 지역이 가지는 환경 속성으로 선택된 날씨 조건이나 지형지물에 대한 정보는 특정 지역에 “가뭄 모니터” 목표를 수행할 무인 차량을 배치하는 결정을 내릴 때, 고려해야 할 제약 조건으로 작용한다. 도 7는 어느 한 순간에 감지된 전체 삼림의 상태(instance of forest)를 도 6에 제시된 메타 모델의 속성을 사용하여 나타낸 예이다. 산림 지역 ‘zone[0][0]’의 상황을 살펴보면, 평탄한 들판이고, 구름이 낀 상태며, 가시거리는 10km, 5m/sec의 바람이 불고 있는 상태이다. 그리고 해당 지역의 산림 밀도는 낮은 편이다. 이러한 환경 데이터들은 삼림에 산재된 각종 센서들을 통해 수집되며, 도 5의 오른쪽 하단에 있는 IT 생태계 프로브를 통해 글로벌 IT 생태계 지식에 축적된다.
2) 참여자 프로파일: 도 8은 무인 산림 관리 IT 생태계의 참여자 유형 중 하나인 헬리콥터가 가질 수 있는 기능과 수행 가능한 역할, 그리고 헬리콥터를 산림 지역에 배치할 경우 예상되는 비용 인자와 이득 인자 등을 속성으로 정의한 참여자의 메타 모델 예이다. 도 8의 메타 모델 정의에 따라 기술된 무인 산림 관리 IT 생태계의 참여 시스템의 인스턴스 데이터들은 도 9의 표와 같다. 각각의 참여자가 무인 산림 관리 IT 생태계의 멤버로 참여할 경우 예상되는 비용 항목들(A~E)과 이득 항목들(H~N), 주기적으로 모니터링된 잔여 연료량(O), 그리고 각 참여자들의 가용성 정도(P) 등이 프로파일에 포함되어 있다.
3) 제약 조건들과 규칙들: 환경 모델과 참여자 프로파일 외에, 각각의 로컬 지역에 참여 시스템들을 배치할 때, 고려되어야 할 제약 조건들과 동적 재구성 규칙 집합 등도 글로벌 IT 생태계 지식으로 관리되는 데이터들이다. 본 발명의 실시예에서 예시된 무인 산림 관리 IT 생태계의 경우, 다음과 같은 제약 조건들을 위배하는 (zone[ ][ ], 참여자) 쌍은 설정 구성시 제외된다. 최초 배치시에는 아래의 제약 조건들을 위배하지 않은 경우라 하더라도, 기후 변화에 따라 현재 배치된 참여자가 목표 달성이 힘들어질 경우 해당 지역에 새로운 참여자가 필요하다. 이런 경우 특정 지역에서의 참여 시스템의 불능 상황으로 인해 글로벌 적응 메커니즘이 적용될 수 있다.
① IF (zone [ ][ ].가시거리< 5 (km)) THEN 헬리콥터는 zone [ ][ ]에서 감시자 역할을 수행하지 못함
② IF (zone [ ][ ].풍속 > 20 (m/s)) THEN (무인 항공기 & 헬리콥터 & 비행기)는 zone [ ][ ]에서 감시자 역할을 수행하지 못함
③ IF (zone [ ][ ].날씨 조건 = 눈) THEN 지프(Jeep) 차량은 zone [ ][ ]에서 감시자 역할을 수행하지 못함
④ IF (zone [ ][ ].유형 = 호수 또는 강) THEN 지프 차량은 zone [ ][ ]에서 감시자 역할을 수행하지 못함
⑤ IF (zone [ ][ ].삼림 밀도 = 높음) & ( 지역[ ][ ]. 참여자)= 지프 차량) THEN 지프 차량은 인간 운전자에 의해 운행되어야만 함
⑥ IF (참여자.잔여 연료량 < 한 구간 운행을 위해 필요한 양) THEN 참여자는 어떠한 지역에서 아무런 역할을 수행하지 못함
4) 글로벌 설정: 각 로컬 지역의 현재 환경과 현재 할당된 참여자간의 매핑 쌍의 집합으로 표시 가능하다. 도 7이 묘사하는 정보에 각각의 산림 지역에 배치된 참여자 인스턴스에 대한 정보만 더하면, 바로 무인 산림 관리 IT 생태계의 현재 설정이 된다. 현재 글로벌 설정은 팀 리더 역할을 맡은 참여 시스템이 항상 모니터링 한다.
(C) 각각의 IT 생태계 참여자의 동적 재구성을 위한 로컬 적응 레이어
IT 생태계 중재자는 외부 환경 변화에 대응하여 개별 참여자의 내부 구성 요소를 스스로 변화시킬 수 있도록 하는 로컬 적응뿐만 아니라, IT 생태계의 설정을 조정할 수 있는 글로벌 적응을 위한 메커니즘이 탑재되어 있다.
두 가지의 메커니즘 중에서 우선 로컬 적응을 먼저 살펴보자. 도 10 및 도 11은 IT 생태계 중재자의 로컬 적응 메커니즘을 예시한 도면으로서, 무인 산림 관리 IT 생태계에서 특정 산림 지역에 발생한 날씨 변화로 인해 현재 해당 지역과 참여자 간의 매핑이 유효하지 않음을 탐지하여 참여 시스템을 해당 지역에서 철수하기까지 IT 생태계 중재자가 지원하는 로컬 적응 메커니즘이 내부적으로 어떻게 동작하는 지를 묘사하고 있다.
도 10에 예시된 현재 설정에 의하면, 산림 지역 zone[0][2]는 맑은 날씨이며, 지역 내에 호수 지역이 있으며, 산림 밀도는 높은 편이다. 이러한 환경에 적합한 감시자 역할을 수행할 참여자로 무인 헬리콥터 HE2가 할당되어 “가뭄 모니터” 목표를 수행 중이다. 이때, 본 발명의 일 실시예에 따른 IT 생태계의 제어 방법에서는 동적 적응 프레임워크에 따른 오버헤드를 최소화하기 위해 유전 알고리즘을 채택하고 있으며, 이를 위해 각 참여자와 참여자가 현재 배치되어 작업 중인 환경 지역을 쌍으로 나타낸 (HE2, Forest[0][2])을 하나의 유전자 염색체로 정의할 수 있다. 이러한 정의는 뒤따라 발생하는 글로벌 적응 메커니즘에 유전 알고리즘을 적용하여 주어진 환경에 가장 알맞은 최적의 설정을 선택하는데 유용하기 때문이다.
도 11을 참조하면, HE2가 서비스를 수행하던 도중, 어느 순간, 산림 지역 zone[0][2]에 25 m/sec의 강풍이 불기 시작한다. 이러한 변화는 forest[0][2]에 설치된 센서와 HE2에 탑재된 센서들에 의해 감지되어, 로컬 환경 저장소에 갱신된다. HE2는 팀 리더가 아닌 팀 멤버 유형에 해당된 감시자 역할을 수행하고 있기 때문에, IT 생태계 중재자상의 MAPE 코어 번들 레이어의 구성 요소들은 로컬 적응 레이어 구성 요소와 결합되어 있는 상태이다. 로컬 적응 레이어에는 적응 목적에 따라, 다양한 구성 요소 집합(set)이 탑재될 수 있다. 예를 들면, 무인 차량의 경로 조정을 위한 적응이나, <<감시자>> 역할을 수행하던 참여자가 모니터링 도중 불이 난 것을 감지하고, <<소방관>> 역할로 전환하는 등, 다양한 목적에 따라 자기-적응을 실현하기 위한 구성 요소가 로컬 적응 레이어에 탑재되어 MAPE 코어 적응 레이어에 연결될 수 있다.
도 10 및 도 11에서 묘사하고 있는 날씨 변화에 따른 자기-적응을 위한 날씨 모니터(WeatherMonitor), 날씨 변화 애널라이저(WeatherChangeAnalyzer), 풀아웃 플래너(PullOutPlanner) 구성 요소들에 의한 로컬 적응은 다음과 같은 순서로 수행된다.
- 날씨 모니터: 주기적으로 로컬 환경 저장소의 측정 데이터 들을 읽어와서, 현재의 환경(Forest[0][2])의 상태를 반영하는 게이지(gauge)값들을 산정하여, 날씨 변화 애널라이저에게 넘겨준다.
- 날씨 변화 애널라이저: 전달된 게이지 분석을 통해 forest[0][2]의 현재 환경과 HE2의 배치가 제약 조건 ②를 위배하게 됨을 진단하여, 진단 결과를 풀아웃 플래너에게 파라미터로 전달하면서 재계획을 요청한다.
- 풀아웃 플래너: HE2가 foreat[0][2]의 안전한 지역에 착륙하기 위해 필요한 내부 구성 요소의 재설정 계획을 작성하여 적응 실행자에게 전달한다.
- 적응 실행자: 재설정 계획에 명시된 구성 요소가 해당 시스템 내에 존재하지 않을 경우, 원격으로 위치한 구성 요소 위치를 파악하여 IT 생태계 브릿지(ITEBridge) 서비스에게 필요로 사는 서비스의 특징을 파라미터로 넘겨주며 요청한다.
- IT 생태계 브릿지 서비스: IT 생태계 브릿지 서비스는 다양한 기기 또는 프레임워크가 설치된 장치의 리소스를 공통의 인터페이스를 통해 손쉽게 활용하거나 외부의 특정 자원을 활용하도록 IT 생태계 중재자 아키텍처(도 5 참조)상에 OSGi 번들이다. REST 스타일의 서비스를 제공하여, IT 생태계 중재자가 탑재된 모든 참여자들 간의 구성 요소나 서비스, 그 외 자원들을 공유할 수 있도록 지원한다.
- 설정 관리자: HE2의 착륙을 위해 필요한 구성 요소들이 모두 확보되면, 구성 요소 재설정의 결과가 HE2에 탑재된 설정 관리자에게 전달되어 로컬 설정 저장소에 갱신된다. HE2의 제어기 내에 구현된 이펙터(Effector)는 이렇게 갱신된 새로운 설정을 읽어와서 실질적인 구성 요소 재설정을 수행한다. 적응 실행자가 직접적으로 이펙터에게 새로운 설정을 파라미터로 넘겨주며 호출하지 않는 이유는, 안드로이드 플랫폼과 OSGi 번들간의 함수 호출 방향성 문제 때문이다.
- IT 생태계 설정 관리자: 마지막으로, 산림 지역[0][2]의 변화된 환경과 이에 따른 HE2의 서비스 불능 상태는 IT 생태계 설정 관리자를 통해 IT 생태계 글로벌 지식에 갱신된다.
(D) IT 생태계의 동적 재설정을 위한 글로벌 적응 메커니즘
앞서 기술된 로컬 적응 메커니즘은 팀 멤버 유형의 역할을 수행하는 모든 참여자에 탑재된 IT 생태계 중재자에서 가동되는 반면, 여기서 기술할 글로벌 적응은 팀 리더 유형의 역할을 배정받은 참여자에 탑재된 IT 생태계 중재자에서만 수행된다. 팀 리더 유형의 역할자 선정은 여러 가지 전략이 적용될 수 있으나, 본 발명의 실시예들은 선정 시점에서의 가용성 기준으로 사용하였다. 즉, 가장 높은 참여자를 팀 리더 유형의 역할자로 선정한다. 무인 산림 관리 IT 생태계의 예에서는 도 9에 나열된 후보 참여자들의 프로파일 중에서 가장 우측의 컬럼(O)에 명세된 가용성 수치가 83%로 가장 높은 AP2가 팀 리더 유형의 역할인 << 최고 정원사 >> 역할을 배정받았다.
즉, 본 발명의 실시예들에 따른 IT 생태계의 제어 방법에서, 참여 시스템의 구조를 동적으로 변경하는 과정은, IT 생태계를 구성하는 참여 시스템의 프로파일에 기반하여 선정 시점의 가용성이 가장 높은 참여 시스템을 팀 리더로 선정하게 되며, 이때 팀 리더는 참여 시스템 각각의 적응 행동을 결정하는 로컬 지식 중 전체 IT 생태계의 협업 지수를 산출하기 위한 정보만을 수신받아 제약 조건과 함께 저장하게 된다. 이로부터 팀 리더는, IT 생태계에 등록되어 있는 모든 참여자가 공유하는 협업 행위를 통해 현재 가용 참여자들을 파악하여 주어진 목표 달성에 필요한 계획을 작성하고, 작성된 계획과 함께 작성된 계획에 나열된 액션(action)을 하위 요소로 갖는 모든 가용 참여자 집합과 현재 파악된 환경 객체와 각 객체가 소유한 환경 속성를 포함하는 환경 지도를 이용하여 참여 시스템의 조합을 선정하게 된다.
도 5에서 HE2가 강풍으로 인해 착륙을 위한 로컬 적응을 수행하면서, 이러한 상황을 IT 생태계 글로벌 지식에 갱신 한 이후에 << 최고 정원사 >> 역할을 맡은 AP2가 새로운 설정을 지시하기까지 IT 생태계 중재자가 지원하는 글로벌 적응 메커니즘은 다음과 같이 수행된다.
- 협업 모니터: 주기적으로 글로벌 설정을 읽어와서 현재 설정에 대한 글로벌 협업 지수를 산정한다. 글로벌 협업 지수란 설정을 구성하는 모든 유전자 염색체 (참여자, 할당된 환경 지역) 각각에 대한 협업 지수의 합을 말하며, 현재 참여자 할당이 주어진 환경에 얼마나 효과적인지를 나타내는 척도로 사용된다. 이렇게 산출된 글로벌 협업 지수는 게이지 값으로 협업 애널라이저에게 전달된다.
- 협업 애널라이저: 협업 모니터로부터 넘겨 받은 글로벌 협업 지수가 미리 정해진 임계값 이하일 경우, 협업 모니터는 설정을 구성하는 유전자 염색체 중에서 제약 조건을 위배하고 있는 유효하지 않은 유전자 염색체를 식별하여 진단 값으로 협업 플래너에게 전달한다. 도 11에 묘사된 상황을 예로 든다면, 유전자 염색체 (HE2, Forest[0][2])가 협업 플래너에게 전달된다.
- 협업 플래너: 진단으로 넘겨받은 유효하지 않은 유전자 염색체에 대해, 해당 환경 지역에 대체 배정될 수 있는 다른 무인 차량 인스턴스들을 대입해 나가는 변이를 통해 제 2 세대 개체군을 생성한다. 새롭게 생성된 유전자 염색체 각각에 대해 협업 지수를 산정하여 가장 큰 값의 지수를 가지는 유전자 염색체를 선택하여 다음의 설정에 포함시킨다. IT 생태계 중재자의 글로벌 적응 메커니즘을 예시한 도 12를 참조하면, 유효하지 않은 유전자 염색체 (HE2, Forest[0][2])을 대체하기 위해 생성된 제 2 세대 개체군으로 (UAV1, Forest[0][2])와 (JE4, Forest[0][2])가 생성된 경우를 보여주고 있다. 두 유전자 염색체에 대한 협업 지수를 비교하여 (UAV1, Forest[0][2])의 지수가 더 큰 값을 가지므로, 다음의 설정에는 염색체(HE2, Forest[0][2])을 대신하여 염색체(UAV1, Forest[0][2])이 포함된다. 만약 유효하지 않은 유전자 염색체가 하나가 아니라 여러 개 탐지되었다면, 위의 과정을 각각의 유효하지 않은 유전자 염색체에 적용하여 가장 높은 글로벌 협업 지수를 가지는 설정이 최적의 설정으로 선택된다.
- 적응 실행자: 이렇게 선택된 최적의 설정을 가동시키기 위해서는 기기를 재배치하거나 이동시키기 위한 계획이 필요하다. 현재의 예에서는, 염색체(HE2, Forest[0][2]) → 염색체(UAV1, Forest[0][2])으로의 설정 변화는 Forest[0][2]에 배치된 HE2를 철수시키고, UAV1을 해당 구역으로 이동시켜야 함을 의미한다. 팀 리더역할을 수행하는 AP2는 적응 계획에 따라 순차적으로 IT 생태계 브릿지 서비스를 통해 다른 참여자들에게 이동 명령을 내린다.
- IT 생태계 브릿지 서비스: IT 생태계 브릿지 서비스는 외부 참여자 서비스들을 구동하여, 적응 실행자가 지시한 동작이 수행되도록 한다.
- IT 생태계 설정 관리자: 마지막으로, 동적 재구성의 결과 변경된 새로운 설정을 IT 생태계 글로벌 지식에 갱신한다.
위에서 살펴본 바와 같이, IT 생태계 중재자는 글로벌 적응을 위한 동적 재구성 문제에 유전 알고리즘을 적용하고 있다. 유전 알고리즘은 적응적 탐색 알고리즘이기 때문에, 환경변화에 따른 장비 배정 문제를 보다 적응적으로 풀어 나갈 수 있는 장점이 있다. 뿐만 아니라, IT 생태계 중재자의 글로벌 메커니즘은 확정적인 상황에서도 좀 더 유연하게 대처할 수 있도록 재설정 결과 선택되는 최적의 염색체 이외에도 두 번째, 세 번째 염색체를 유지하여 메이트(mate) 염색체 대상으로 사용함으로써 좀 더 상황 변화에 빨리 적응할 수 있도록 설계되었다.
한편, 이하에서는 IT 생태계에서 참여 시스템들의 재할당을 위한 유전 알고리즘의 구현에 관하여 보다 구체적으로 설명한다.
앞서 기술한 바와 같이, 본 발명의 실시예들에 따른 IT 생태계 중재자는 전체 IT 생태계의 동적 재설정을 위해 유전 알고리즘을 도입하였다. 본 발명의 실시예들은 시간에 따라 변화되는 환경에 대응하도록 하는 일련의 사이클을 지원하기 위한 프레임워크를 구축하고, 최적의 기기 조합을 선정하기 위한 모델(비용-이득 항목 기반의 협업 지수를 산정)을 제안하였으며, 최적의 기기 조합 선정을 위한 연산에 따른 오버헤드가 참여 기기 수의 증가에 매우 크게 증가하는 문제(scalability problem)를 해결하기 위해 유전자 알고리즘을 적용하였다. 유전 알고리즘은 적응적인 검색 알고리즘이기 때문에, 참여자 재할당 문제가 제기되는 경우 환경 변화에 대한 적응성에 있어서 장점을 가진다.
적응적 시스템의 글로벌 최적해를 찾는 것은 도전적인 문제들 중 하나이다. 적응적 시스템의 설정이 복잡하고, 때로는 비결정적(un-deterministic)이기 때문에 “글로벌 최적해”를 정의하는 것은 불명확하다. 최적해를 찾는 성공적인 알고리즘 중에서, 유전 알고리즘은 잘 알려진 글로벌 최적해 알고리즘이다. 유전 알고리즘을 적용하기 위해, 몇 가지 결정되어야 하는 사항들이 존재한다. 우선, 최적화되어야 하는 문제는 유전자 형태로서 표현되어야만 한다. 이것은 기본적으로 비트(bit) 어레이(array)인 부호 표현으로서 설정 인자를 정의함으로써 달성될 수 있다. 유전 알고리즘에서, 이러한 비트 어레이는 염색체(chromosome)라고 불린다. 그 외 다른 사항 중 하나는 적합도 함수(fitness function)이다. 적합도 함수는 해(solution) 도메인을 평가하는 유틸리티 함수의 일종이다. 일단 이러한 사항들이 결정되면, 다른 사항들은 변이(mutation), 교차(crossover) 및 선택(selection) 메커니즘을 적용하는 것과 같은 다소 정형화된 것들이다.
문제(problem) 도메인의 유전 표현은 설정 그룹을 요소화함으로써 달성된다. 설정 그룹 각각의 선택은 비트 시퀀스(염색체)를 생성한다. 그리고, 비용 및 이득 분석의 결과인 협업 지수를 얻기 위한 연산 함수가 적합도 함수로서 적용된다. 보다 적합한 설정의 염색체는 적합도 함수에 의해 더 높은 지수(score)를 얻게 되며, 미리 설정된 임계값보다 더 높은 지수를 갖는 염색체가 살아남을 수 있다.
일단 생존한 염색체 그룹이 선택되면, 이러한 염색체 그룹은 다음 위반 상황을 위한 기준 개체군(base population)으로서 사용된다. 만약 현재 설정에서 위반(violation)이 발생하면, 유전 알고리즘은 더 많은 개체군을 생성하기 위하여 변이 및 교차 메커니즘을 사용한다. 이렇게 다음 생성된 개체군이 기준 개체군으로부터 생성되기 때문에 다음 세대의 규모가 제어될 수 있다. 다음 세대에서 염색체 각각에 대한 적합도 함수의 지수(score)가 산출되고, 최고 지수의 염색체가 선택된다. 그리고 생존한 염색체는 다음 기준 개체군으로 선택된다.
도 13 및 도 14는 IT 생태계의 다음 설정 증식(propagation)을 위한 유전 알고리즘의 적용 과정을 설명하기 위한 도면이다. 우선 도 13에서 산림 지역 Zone[n][n] (n은 0 이상의 정수)별로 일련의 설정 그룹이 비트 시퀀스를 이루는 염색체가 생성되었다. 각 비트 시퀀스는 산림 지역에 관한 환경 정보와 해당 지역에 할당된 참여 시스템의 자원에 대한 정보를 포함한다. 그런 다음, 도 14를 참조하면, 현재 설정(예를 들어 제 1 세대가 될 수 있다)에서 제약 조건 및 규칙을 위배하는 경우, 해당 염색체에 대한 교차 내지 변이가 수행되어 다음 세대(예를 들어 제 2 세대가 될 수 있다)의 염색체가 생성된다. 이러한 새대 생성을 반복하여 생존한(즉 위반이 없음을 나타낸다) 염색체 각각에 대한 적합도 함수의 지수가 산출되어 최고 지수의 염색체를 결과로서 출력할 수 있다.
요약하건대, 본 발명의 실시예들이 채택하고 있는 IT 생태계의 제어 방법에서, 참여 시스템의 구조를 동적으로 변경하는 과정은, 후보 구성 조합을 비트 시퀀스(bit sequence)로 표현된 염색체로서 생성하고, 비용-이득 모델에 따른 협업 지수를 산출하기 위한 연산 함수를 적합도 함수(fitness function)로서 설정하며, 생성된 염색체에 대해 적합도 함수를 적용한 유전 알고리즘(genetic algorithm)을 이용하여 생존한 최고 지수의 염색체를 상기 후보 구성의 결과로서 출력한다. 또한, 유전 알고리즘은 더 많은 개체군을 생성하기 위하여 생존한 최고 지수의 염색체를 기준 개체군(base population)으로서 설정하고, 현재 설정에 대한 위반(violation)이 발생한 경우, 변이(mutation) 또는 교차(crossover) 메커니즘을 사용하여 다음 세대의 개체군을 생성하게 된다.
이와 같이 규모 제어가 가능한 생성된 세대에 대해 비용-이득 분석이 수행되기 때문에 탐색 공간은 최고해/최적해를 찾는 것으로 제한될 수 있다. 그 결과, 주어진 환경 변화에 대한 최고의 설정을 찾는데 소요되는 오버헤드는 현저하게 감소될 수 있다.
(E) 협업 지수
앞서 설명했듯이, 본 발명의 실시예들은 유전자 염색체의 적응 정도로 특정 참여자를 환경 지역에 할당할 경우 예상되는 비용과 기대되는 이득 값을 토대로 산정한 협업 지수 값을 사용하고 있다. 염색체의 협업 지수가 크다는 것은 염색체에 쌍을 이루고 있는 참여자와 환경 간의 매핑의 유효성이 높다는 것을 의미한다.
본 발명의 실시예들은 협업 지수 산정을 위해 사용되는 메트릭 집합으로 IT 생태계를 위한 일반 비용-이득 모델을 설계하였다. 참여 시스템을 구동시키는데 소요되는 단위 시간당 비용 요소로는 감가상각 비용($/hr), 자원 비용($/hr), 요구 동작 비용($/hr) 등을 식별하였다. 비용 인자는 참여 시스템들마다 개별적으로 평가되었으며, 필요에 따라 상기 비용-이득 모델은, 감가상각, 자원 소요 비용, 운영 인건비, 협업의 완성도, 협업의 정확도, 경과시간 및 조합의 신뢰성 중 적어도 하나에 기초하여 정의될 수 있다. 반면, 이득 인자는 특정 참여자 및 환경 지역 간에 매핑된 관계로부터 추출되었다. 따라서, 심지어 동일한 참여자에 대해서, 메트릭 값은 환경적인 특징에 따라 달라질 수 있다. 선택된 일반 이득 인자들은 협업의 완성도 (0~1), 협업의 정확도 (0~1) 및 목표를 달성하기 위한 경과 시간이다. 경과 시간이 협업의 완성도에 특유한 것과 같이, 두 개의 메트릭 중 최대 하나는 이득 메트릭으로서 적용될 수 있다.
위와 같은 일반 비용-이득 메트릭을 기반으로 IT 생태계의 도메인 특징에 따라 다양한 인자들이 실제 예시된 메트릭으로 정의 가능하다. 이상에서 예시된 실시예인 무인 산림 관리 IT 생태계의 경우, 앞서 도 9의 참여자 프로파일에는 알파벳으로 대신 표시되어 있지만, 각 비용-이득 인자들에 따라 참여자들이 명세되어 있다. 표 1 은 알파벳으로 표기되었던 무인 산림 관리 IT 생태계의 참여자에 대한 비용-이득 인자 집합을 보여준다.
표 1
Figure PCTKR2016001392-appb-T000001
이하에서는, 비용-이득 인자를 이용하여 각각의 염색체에 대한 협업 지수를 산출하는 방법을 기술하도록 한다. cost(pi, ej)는 다중 비용 인자 Cfk,k = 1,2,...,n를 갖는다. 각각의 비용 인자가 서로 다른 범위를 갖기 때문에, 다중 비용 인자는 다음과 같이 정규화되어야만 한다.
수학식 1
Figure PCTKR2016001392-appb-M000001
이제, cost(pi, ej)는 Ncfk를 이용하여 산출될 수 있다(ηk: 각각의 비용 인자에 대한 가중치가 부여된 인자).
수학식 2
Figure PCTKR2016001392-appb-M000002
이와 유사하게, benefit(pi, ej)는 정규화된 다중 이득 인자를 이용하여 산출될 수 있다. 여기서, Bfk,k = 1,2,...,m는 다중 이득 인자이다.
수학식 3
Figure PCTKR2016001392-appb-M000003
Confr의 점수는 평가 함수의 결과이며 다음과 같이 정의된다.
수학식 4
Figure PCTKR2016001392-appb-M000004
위와 같은 방식으로, 무인 산림 관리 IT 생태계의 설정을 구성하는 염색체 각각에 대해 후보 개체군(population)들의 협업 지수를 산정하여, 가장 큰 값을 가지는 염색체를 선택해 나간다. 그런 다음, 각각의 최적의 염색체에 대한 협업 지수의 합이 전체 IT 생태계를 위한 최적의 글로벌 협업이 될 수 있다.
수학식 5
Figure PCTKR2016001392-appb-M000005
상기된 수학식들에 따라, 도 12에 묘사된 후보 염색체 (UAV1, 지역[0][1])에 대한 협업 지수를 산출할 수 있다. 도 9에 도시된 바와 같이, 세 가지 비용 인자(연료 비용, 감가상각 비용 및 센서의 감가상각 비용)가 존재한다. 각각의 인자는 균등하게 가중치가 분배(이 경우, 1/3씩)되었다고 가정하자. 이와 유사하게, 두 가지 이득 인자(감도 이득 및 범위 이득)가 존재하며, 범위 이득이 감도 이득에 비해 상대적으로 조금 더 중요하기 때문에, 범위 이득의 가중치 인자는 0.7이다. 이 경우, 부분 비용 및 이득은 각각 다음과 같이 산출된다.
수학식 6
Figure PCTKR2016001392-appb-M000006
수학식 7
Figure PCTKR2016001392-appb-M000007
여기서 N(x)는 각각의 인자에 대한 정규화 함수이다.
이제, 협업 지수는 비용 및 이득으로부터 다음과 같이 산출된다.
수학식 8
Figure PCTKR2016001392-appb-M000008
위와 같이 무인 산림 관리 IT 생태계를 구성하고 있는 9개의 염색체에 대한 협업 지수 값의 합을 계산하여 구한 글로벌 협업 지수는 4.48이었다. 이 값은 후보 설정 의 지수 중 가장 큰 값에 4.48의 지수를 갖는 설정이 다음 설정으로 선택되었다.
도 15는 선택된 최적의 설정을 보여주는 폼(form)을 구현한 애플리케이션 프로토타입(prototype)을 예시한 도면으로서, 선택된 설정의 모습을 안드로이드 모바일 폰의 화면에 출력한 모습을 도시하였다. 선택된 최적의 설정 외에도 후보 설정을 화면 하단에 함께 나열하고 있다.
도 16은 본 발명의 다른 실시예에 따른 글로벌 적응을 지원하는 IT 생태계의 제어 장치(100)를 도시한 블록도로서, 앞서 소개한 하나의 참여 시스템이 개별 액터(actor)로서 동작하며 복수의 참여 시스템들로 구성되는 IT 생태계를 제어하는 방법들에 포함되는 각 과정에 대응하므로, 여기서는 장치 구성을 중심으로 그 기능을 약술하도록 한다.
감지기(10)는 주어진 역할에 따라 데이터를 감지하여 제어기(20)에 전달하거나 기록하는 역할을 수행하며, 참여 시스템의 역할에 따라 선택적으로 구비될 수 있다.
저장부(30)는 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 메타모델(metamodel)을 저장하는 구성으로서, 이때 IT 생태계는, 상기 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 O-MaSE(Organization-based Multiagent System Enginerring) 메타모델을 이용하여 정의될 수 있다.
제어기(20)는 참여 시스템 간의 팀워크 수행을 위한 액션 클래스가 정의하는 행위를 수행하는 구성으로서, 특히 제어기(20)는, 상기 IT 생태계를 구성하는 참여 시스템으로 하여금 주어진 상황에 맞는 태스크를 수행할 수 있도록 요구 사항, 상기 참여 시스템들의 상태 및 환경에 관한 제약 조건을 입력받아 상기 상황에 적응(adaptation)하고, 새롭게 입력된 요구 사항 또는 제약 조건에 적응하기 위해 상기 입력된 요구 사항 또는 제약 조건에 대응하는 컴포넌트 또는 행위가 추가될 수 있도록 상기 참여 시스템의 구조를 동적으로 변경(modification)한다. 또한, 상기 제어기(20)는, 역할부여 정책(Policy)에 따라 협업 그룹(CollaborationGroup) 별로 상기 IT 생태계를 구성하는 참여 시스템 중 적어도 하나의 참여 시스템이 상기 협업 그룹을 제어하여 글로벌 적응(global adaptation)을 수행하는 팀 리더(TeamLeader)로서 결정하고, 상기 팀 리더의 제어에 따라 각각 자신이 갖는 능력(capability)을 활용하여 주어진 목표를 수행하는 로컬 적응(local adaptation)을 수행하는 팀 멤버(TeamMember)를 선택함으로써 상기 참여 시스템의 조합을 결정한다.
보다 구체적으로, 제어기(20)는, 상기 팀 리더로서 결정된 참여 시스템이 미리 설정된 시스템 재배치 정책을 참고하여 상기 시스템 재배치 정책에서 정의된 제약 조건 규칙을 준수하는 후보 구성 조합을 생성하고, 비용-이득 모델(Cost-Benfit Model)에 기초하여 각 후보 구성 조합이 실제 수행될 경우 예상되는 협업 지수(collaboration score)를 산출함으로써 가장 높은 점수를 획득한 후보 구성을 선택함으로써, 상기 참여 시스템의 구조를 동적으로 변경할 수 있다.
이를 위해 상기 팀 리더는, 주기적으로 현재 설정에 대한 협업 지수를 산출하고, 산출된 상기 협업 지수가 미리 설정된 임계값 이하인 경우 가용 자원을 변화시킴으로써 제약 조건을 위배하고 있는 후보 구성을 대체하는 대체 후보 구성을 생성하며, 가장 높은 협업 지수를 갖는 설정을 선택함으로써 동적으로 갱신된 참여 시스템에게 동작 수행을 지시하는 명령을 전송하는 것이 바람직하다.
또한, 상기 비용-이득 모델은, 상기 IT 생태계의 적용 도메인을 고려하여 참여 시스템 간의 조합에 따른 비용 대비 이득을 협업 지수로서 계량화하되, 감가상각, 자원 소요 비용, 운영 인건비, 협업의 완성도, 협업의 정확도, 경과시간 및 조합의 신뢰성 중 적어도 하나에 기초하여 정의될 수 있다.
본 발명의 실시예들은 상기 참여 시스템의 구조를 동적으로 변경하기 위한 구현 수단으로서 유전 알고리즘을 채택하고 있는데, 이를 위해 상기 제어기(20)는, 상기 후보 구성 조합을 비트 시퀀스(bit sequence)로 표현된 염색체로서 생성하고, 상기 비용-이득 모델에 따른 협업 지수를 산출하기 위한 연산 함수를 적합도 함수(fitness function)로서 설정하며, 생성된 상기 염색체에 대해 상기 적합도 함수를 적용한 유전 알고리즘(genetic algorithm)을 이용하여 생존한 최고 지수의 염색체를 상기 후보 구성의 결과로서 출력한다. 나아가, 상기 제어기(20)는, 상기 생존한 최고 지수의 염색체를 기준 개체군(base population)으로서 설정하고, 현재 설정에 대한 위반(violation)이 발생한 경우, 변이(mutation) 또는 교차(crossover) 메커니즘을 사용하여 다음 세대의 개체군을 생성함으로써 현재 설정에 위반이 발생한 경우에 대처할 수 있다.
또한, 상기 제어기(20)는, 상기 IT 생태계를 구성하는 참여 시스템의 프로파일에 기반하여 선정 시점의 가용성이 가장 높은 참여 시스템을 팀 리더로 선정하며, 상기 팀 리더는 참여 시스템 각각의 적응 행동을 결정하는 로컬 지식 중 전체 IT 생태계의 협업 지수를 산출하기 위한 정보만을 수신받아 제약 조건과 함께 저장한다. 이를 위해 상기 팀 리더는, 상기 IT 생태계에 등록되어 있는 모든 참여자가 공유하는 협업 행위를 통해 현재 가용 참여자들을 파악하여 주어진 목표 달성에 필요한 계획을 작성하고, 상기 작성된 계획과 함께 상기 작성된 계획에 나열된 액션(action)을 하위 요소로 갖는 모든 가용 참여자 집합과 현재 파악된 환경 객체와 각 객체가 소유한 환경 속성를 포함하는 환경 지도를 이용하여 상기 참여 시스템의 조합을 선정할 수 있다.
만약, 상기 참여 시스템이 팀 리더인 경우, 상기 저장부는 전체 IT 생태계의 운영을 위한 글로벌 IT 생태계 지식을 더 포함하여 저장하되, 상기 글로벌 IT 생태계 지식은, 주어진 환경에 대한 속성 및 상기 속성에 대해 수집된 환경 정보를 포함하는 환경 모델, 참여 시스템이 가질 수 있는 기능 및 역할, 수행에 따른 비용 및 이득 항목, 참여 시스템의 가용성 정도를 포함하는 참여자 프로파일(profile), 주어진 환경에 참여 시스템을 배치할 경우의 제약 조건 및 동적 재구성 규칙 집합을 포함하는 제약 조건 및 규칙 및 현재 환경과 현재 할당된 참여 시스템의 집합으로 표시되는 글로벌 설정을 포함하여 구현될 수 있다.
한편, 상기 IT 생태계를 구성하는 참여 시스템(100)은, 정의된 기능적 목적에 따라 필요한 경우 액션을 수행하는 액추에이터(actuator)(40)를 선택적으로 구비할 수 있다.
상기된 본 발명의 실시예들은, IT 생태계의 글로벌 적응을 지원하는 프레임워크를 통해 로컬 제약 조건을 만족하고 환경 변화에 대응하여 글로벌 목표를 달성할 수 있는 가용 시스템의 최적 집합을 결정하는 방법을 제시함으로써 지속 가능한 서비스를 제공할 수 있으며, 시스템의 가용 후보 집합 각각의 협업을 통해 시너지를 측정하기 위해 비용-이득 모델을 새롭게 제시하되 그 처리 과정을 유전 알고리즘을 통해 구현함으로써 적응 프레임워크의 연산에 수반되는 오버헤드의 최소화가 가능하다.
한편, 본 발명의 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
이상에서 본 발명에 대하여 그 다양한 실시예들을 중심으로 살펴보았다. 본 발명에 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
본 발명의 실시예들은 전체 IT 생태계에 대해 글로벌 적응뿐만 아니라 개별 참여 시스템에 대한 로컬 적응을 지원하는 적응 프레임워크을 제안하였다. 단일 시스템의 적응 사이클을 지원하는 종래의 프레임워크들이 주로 윈도우즈 플랫폼을 기반으로 하고 있는 반면, 제안된 프레임워크는 IT 생태계의 참여 시스템들이 대부분 임베디드 시스템이라는 점을 고려하여 안드로이드 플랫폼을 기반으로 구현될 수 있다. 또한, 기존 프레임워크 아키텍처가 개념적인 수준에서 제시되고 논의되어 왔다면, 본 발명의 실시예들에서 제시하고 있는 프레임워크 아키텍처는 보다 구체적인 수준의 구성 요소들을 기술하고 있다. IT 생태계는 개별 시스템들이 하나의 생태계를 이루어 사람의 개입 없이도 공통 목표를 달성하기 위해 각자의 임무를 자율적으로 수행해 나가는 시스템의 시스템이다. 따라서, IT 생태계가 포섭하는 영역에 지속 가능한 서비스가 제공되도록 전체적인 균형을 유지하는 데 핵심적인 요소 중 하나가 동적 재구성의 지원이다. 본 발명의 실시예들은 주어진 상황 변화에 대처하여 최적의 설정을 선택하는 문제에 비용과 이득을 고려한 모델을 적용하였으며, 최적의 설정 선정에 소요되는 시간의 감소를 위해 유전 알고리즘을 사용하여 IT 생태계의 규모가 증가하는 경우에도 물리적인 시스템이 수용 가능한 수준으로 오버헤드를 억제할 수 있다는 장점을 갖는다.

Claims (20)

  1. 적어도 하나의 처리기(processor)를 갖는 하드웨어와 이를 제어하는 소프트웨어가 결합된 하나의 참여 시스템이 개별 액터(actor)로서 동작하며 복수의 참여 시스템들로 구성되는 IT 생태계를 제어하는 방법에 있어서,
    제어 디바이스가 상기 IT 생태계를 구성하는 참여 시스템으로 하여금 주어진 상황에 맞는 태스크를 수행할 수 있도록 요구 사항, 상기 참여 시스템들의 상태 및 환경에 관한 제약 조건을 입력받아 상기 상황에 적응(adaptation)하는 단계; 및
    상기 제어 디바이스가 새롭게 입력된 요구 사항 또는 제약 조건에 적응하기 위해 상기 입력된 요구 사항 또는 제약 조건에 대응하는 컴포넌트 또는 행위가 추가될 수 있도록 상기 참여 시스템의 구조를 동적으로 변경(modification)하는 단계를 포함하되,
    상기 참여 시스템의 구조를 동적으로 변경하는 단계는,
    역할부여 정책(Policy)에 따라 협업 그룹(CollaborationGroup) 별로 상기 IT 생태계를 구성하는 참여 시스템 중 적어도 하나의 참여 시스템이 상기 협업 그룹을 제어하여 글로벌 적응(global adaptation)을 수행하는 팀 리더(TeamLeader)로서 결정하고, 상기 팀 리더의 제어에 따라 각각 자신이 갖는 능력(capability)을 활용하여 주어진 목표를 수행하는 로컬 적응(local adaptation)을 수행하는 팀 멤버(TeamMember)를 선택함으로써 상기 참여 시스템의 조합을 결정하는 것을 특징으로 하는 IT 생태계의 제어 방법.
  2. 제 1 항에 있어서,
    상기 참여 시스템의 구조를 동적으로 변경하는 단계는,
    상기 팀 리더로서 결정된 참여 시스템이 미리 설정된 시스템 재배치 정책을 참고하여 상기 시스템 재배치 정책에서 정의된 제약 조건 규칙을 준수하는 후보 구성 조합을 생성하는 단계; 및
    비용-이득 모델(Cost-Benfit Model)에 기초하여 각 후보 구성 조합이 실제 수행될 경우 예상되는 협업 지수(collaboration score)를 산출함으로써 가장 높은 점수를 획득한 후보 구성을 선택하는 단계를 포함하는 IT 생태계의 제어 방법.
  3. 제 2 항에 있어서,
    상기 비용-이득 모델은,
    상기 IT 생태계의 적용 도메인을 고려하여 참여 시스템 간의 조합에 따른 비용 대비 이득을 협업 지수로서 계량화하되,
    감가상각, 자원 소요 비용, 운영 인건비, 협업의 완성도, 협업의 정확도, 경과시간 및 조합의 신뢰성 중 적어도 하나에 기초하여 정의되는 것을 특징으로 하는 IT 생태계의 제어 방법.
  4. 제 2 항에 있어서,
    상기 참여 시스템의 구조를 동적으로 변경하는 단계는,
    상기 후보 구성 조합을 비트 시퀀스(bit sequence)로 표현된 염색체로서 생성하는 단계;
    상기 비용-이득 모델에 따른 협업 지수를 산출하기 위한 연산 함수를 적합도 함수(fitness function)로서 설정하는 단계; 및
    생성된 상기 염색체에 대해 상기 적합도 함수를 적용한 유전 알고리즘(genetic algorithm)을 이용하여 생존한 최고 지수의 염색체를 상기 후보 구성의 결과로서 출력하는 단계를 포함하는 IT 생태계의 제어 방법.
  5. 제 4 항에 있어서,
    상기 참여 시스템의 구조를 동적으로 변경하는 단계는,
    상기 생존한 최고 지수의 염색체를 기준 개체군(base population)으로서 설정하는 단계; 및
    현재 설정에 대한 위반(violation)이 발생한 경우, 변이(mutation) 또는 교차(crossover) 메커니즘을 사용하여 다음 세대의 개체군을 생성하는 단계를 더 포함하는 IT 생태계의 제어 방법.
  6. 제 1 항에 있어서,
    상기 참여 시스템의 구조를 동적으로 변경하는 단계는,
    상기 IT 생태계를 구성하는 참여 시스템의 프로파일에 기반하여 선정 시점의 가용성이 가장 높은 참여 시스템을 팀 리더로 선정하는 단계를 포함하며,
    상기 팀 리더는 참여 시스템 각각의 적응 행동을 결정하는 로컬 지식 중 전체 IT 생태계의 협업 지수를 산출하기 위한 정보만을 수신받아 제약 조건과 함께 저장하는 것을 특징으로 하는 IT 생태계의 제어 방법.
  7. 제 6 항에 있어서,
    상기 팀 리더는,
    상기 IT 생태계에 등록되어 있는 모든 참여자가 공유하는 협업 행위를 통해 현재 가용 참여자들을 파악하여 주어진 목표 달성에 필요한 계획을 작성하고,
    상기 작성된 계획과 함께 상기 작성된 계획에 나열된 액션(action)을 하위 요소로 갖는 모든 가용 참여자 집합과 현재 파악된 환경 객체와 각 객체가 소유한 환경 속성를 포함하는 환경 지도를 이용하여 상기 참여 시스템의 조합을 선정하는 것을 특징으로 하는 IT 생태계의 제어 방법.
  8. 제 1 항에 있어서,
    상기 IT 생태계는,
    상기 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 O-MaSE(Organization-based Multiagent System Enginerring) 메타모델을 이용하여 정의되는 것을 특징으로 하는 IT 생태계의 제어 방법.
  9. 제 1 항 내지 제 8 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  10. 하나의 참여 시스템이 개별 액터(actor)로서 동작하며 복수의 참여 시스템들로 구성되는 IT 생태계를 제어하는 장치에 있어서,
    상기 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 메타모델(metamodel)을 저장하는 저장부; 및
    상기 참여 시스템 간의 팀워크 수행을 위한 액션 클래스가 정의하는 행위를 수행하는 제어기(controller);를 포함하되,
    상기 제어기는,
    상기 IT 생태계를 구성하는 참여 시스템으로 하여금 주어진 상황에 맞는 태스크를 수행할 수 있도록 요구 사항, 상기 참여 시스템들의 상태 및 환경에 관한 제약 조건을 입력받아 상기 상황에 적응(adaptation)하고, 새롭게 입력된 요구 사항 또는 제약 조건에 적응하기 위해 상기 입력된 요구 사항 또는 제약 조건에 대응하는 컴포넌트 또는 행위가 추가될 수 있도록 상기 참여 시스템의 구조를 동적으로 변경(modification)하되,
    역할부여 정책(Policy)에 따라 협업 그룹(CollaborationGroup) 별로 상기 IT 생태계를 구성하는 참여 시스템 중 적어도 하나의 참여 시스템이 상기 협업 그룹을 제어하여 글로벌 적응(global adaptation)을 수행하는 팀 리더(TeamLeader)로서 결정하고, 상기 팀 리더의 제어에 따라 각각 자신이 갖는 능력(capability)을 활용하여 주어진 목표를 수행하는 로컬 적응(local adaptation)을 수행하는 팀 멤버(TeamMember)를 선택함으로써 상기 참여 시스템의 조합을 결정하는 것을 특징으로 하는 IT 생태계의 제어 장치.
  11. 제 10 항에 있어서,
    상기 제어기는,
    상기 팀 리더로서 결정된 참여 시스템이 미리 설정된 시스템 재배치 정책을 참고하여 상기 시스템 재배치 정책에서 정의된 제약 조건 규칙을 준수하는 후보 구성 조합을 생성하고,
    비용-이득 모델(Cost-Benfit Model)에 기초하여 각 후보 구성 조합이 실제 수행될 경우 예상되는 협업 지수(collaboration score)를 산출함으로써 가장 높은 점수를 획득한 후보 구성을 선택함으로써,
    상기 참여 시스템의 구조를 동적으로 변경하는 것을 특징으로 하는 IT 생태계의 제어 장치.
  12. 제 11 항에 있어서,
    상기 팀 리더는,
    주기적으로 현재 설정에 대한 협업 지수를 산출하고,
    산출된 상기 협업 지수가 미리 설정된 임계값 이하인 경우 가용 자원을 변화시킴으로써 제약 조건을 위배하고 있는 후보 구성을 대체하는 대체 후보 구성을 생성하며,
    가장 높은 협업 지수를 갖는 설정을 선택함으로써 동적으로 갱신된 참여 시스템에게 동작 수행을 지시하는 명령을 전송하는 것을 특징으로 하는 IT 생태계의 제어 장치.
  13. 제 11 항에 있어서,
    상기 비용-이득 모델은,
    상기 IT 생태계의 적용 도메인을 고려하여 참여 시스템 간의 조합에 따른 비용 대비 이득을 협업 지수로서 계량화하되,
    감가상각, 자원 소요 비용, 운영 인건비, 협업의 완성도, 협업의 정확도, 경과시간 및 조합의 신뢰성 중 적어도 하나에 기초하여 정의되는 것을 특징으로 하는 IT 생태계의 제어 장치.
  14. 제 11 항에 있어서,
    상기 제어기는,
    상기 후보 구성 조합을 비트 시퀀스(bit sequence)로 표현된 염색체로서 생성하고,
    상기 비용-이득 모델에 따른 협업 지수를 산출하기 위한 연산 함수를 적합도 함수(fitness function)로서 설정하며,
    생성된 상기 염색체에 대해 상기 적합도 함수를 적용한 유전 알고리즘(genetic algorithm)을 이용하여 생존한 최고 지수의 염색체를 상기 후보 구성의 결과로서 출력함으로써,
    상기 참여 시스템의 구조를 동적으로 변경하는 것을 특징으로 하는 IT 생태계의 제어 장치.
  15. 제 14 항에 있어서,
    상기 제어기는,
    상기 생존한 최고 지수의 염색체를 기준 개체군(base population)으로서 설정하고,
    현재 설정에 대한 위반(violation)이 발생한 경우, 변이(mutation) 또는 교차(crossover) 메커니즘을 사용하여 다음 세대의 개체군을 생성하는 것을 특징으로 하는 IT 생태계의 제어 장치.
  16. 제 10 항에 있어서,
    상기 제어기는,
    상기 IT 생태계를 구성하는 참여 시스템의 프로파일에 기반하여 선정 시점의 가용성이 가장 높은 참여 시스템을 팀 리더로 선정하며,
    상기 팀 리더는 참여 시스템 각각의 적응 행동을 결정하는 로컬 지식 중 전체 IT 생태계의 협업 지수를 산출하기 위한 정보만을 수신받아 제약 조건과 함께 저장하는 것을 특징으로 하는 IT 생태계의 제어 장치.
  17. 제 16 항에 있어서,
    상기 팀 리더는,
    상기 IT 생태계에 등록되어 있는 모든 참여자가 공유하는 협업 행위를 통해 현재 가용 참여자들을 파악하여 주어진 목표 달성에 필요한 계획을 작성하고,
    상기 작성된 계획과 함께 상기 작성된 계획에 나열된 액션(action)을 하위 요소로 갖는 모든 가용 참여자 집합과 현재 파악된 환경 객체와 각 객체가 소유한 환경 속성를 포함하는 환경 지도를 이용하여 상기 참여 시스템의 조합을 선정하는 것을 특징으로 하는 IT 생태계의 제어 장치.
  18. 제 10 항에 있어서,
    상기 IT 생태계는,
    상기 참여 시스템을 각각 자신이 갖는 능력(capability)을 활용하여 상호작용하는 멀티 에이전트 조직(multi-agent organization)으로서 표현하는 O-MaSE(Organization-based Multiagent System Enginerring) 메타모델을 이용하여 정의되는 것을 특징으로 하는 IT 생태계의 제어 장치.
  19. 제 10 항에 있어서,
    상기 참여 시스템이 팀 리더인 경우, 상기 저장부는 전체 IT 생태계의 운영을 위한 글로벌 IT 생태계 지식을 더 포함하여 저장하되,
    상기 글로벌 IT 생태계 지식은,
    주어진 환경에 대한 속성 및 상기 속성에 대해 수집된 환경 정보를 포함하는 환경 모델;
    참여 시스템이 가질 수 있는 기능 및 역할, 수행에 따른 비용 및 이득 항목, 참여 시스템의 가용성 정도를 포함하는 참여자 프로파일(profile);
    주어진 환경에 참여 시스템을 배치할 경우의 제약 조건 및 동적 재구성 규칙 집합을 포함하는 제약 조건 및 규칙; 및
    현재 환경과 현재 할당된 참여 시스템의 집합으로 표시되는 글로벌 설정을 포함하는 것을 특징으로 하는 IT 생태계의 제어 장치.
  20. 제 10 항에 있어서,
    상기 IT 생태계를 구성하는 참여 시스템은,
    주어진 역할에 따라 데이터를 감지하여 기록하는 감지기(sensor) 및 정의된 기능적 목적에 따라 액션을 수행하는 액추에이터(actuator) 중 적어도 하나를 더 포함하는 것을 특징으로 하는 IT 생태계의 제어 장치.
PCT/KR2016/001392 2015-02-24 2016-02-11 글로벌 적응을 지원하는 it 생태계의 동적 제어 장치 및 방법 WO2016137143A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20150025545 2015-02-24
KR10-2015-0025545 2015-02-24

Publications (1)

Publication Number Publication Date
WO2016137143A1 true WO2016137143A1 (ko) 2016-09-01

Family

ID=56789686

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2016/001392 WO2016137143A1 (ko) 2015-02-24 2016-02-11 글로벌 적응을 지원하는 it 생태계의 동적 제어 장치 및 방법

Country Status (1)

Country Link
WO (1) WO2016137143A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130086121A (ko) * 2010-05-11 2013-07-31 엘지전자 주식회사 상호공존 방식에서 대표 기기 선출 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130086121A (ko) * 2010-05-11 2013-07-31 엘지전자 주식회사 상호공존 방식에서 대표 기기 선출 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DELOACH, SCOTT A.: "Engineering Organization-Based Multiagent Systems''.", LECTURE NOTES IN COMPUTER SCIENCE, 2006, Berlin Heidelberg, pages 109 - 125, XP019030465 *
GOLTZ, URSULA ET AL.: "Behavioral Modeling of IT Ecosystems''.", NTH SCHOOL FOR IT ECOSYSTEMS., September 2010 (2010-09-01), pages 1 - 32, Retrieved from the Internet <URL:hdp://www.ips.tu·braunschweig.de/docs/researcht/techreps/Modeling-IT-Eco-2010.pdf> *
KIM, YEONG HAN ET AL.: "IT Machine Convergence Technology", THE JOURNAL OF KOREAN INSTITUTE OF COMMUNICATIONS AND INFORMATION SCIENCES (INFORMATION & COMMUNICATIONS, vol. 28, no. 5, April 2011 (2011-04-01), pages 28 - 36 *
KO, DEOK YUN ET AL.: "Dynamic Change Framework of IT Ecosystem''.", THE 16TH KOREA CONFERENCE ON SOFTWARE ENGINEERING., vol. 16, no. 1, 2014, pages 150 - 153 *

Similar Documents

Publication Publication Date Title
US11120299B2 (en) Installation and operation of different processes of an AI engine adapted to different configurations of hardware located on-premises and in hybrid environments
Branke et al. Automated design of production scheduling heuristics: A review
WO2020256418A2 (ko) 디지털 트윈을 이용하여 가상센서를 구현하는 컴퓨팅 시스템 및 이를 이용한 실시간 데이터 수집 방법
Amorim et al. Assessing a swarm-GAP based solution for the task allocation problem in dynamic scenarios
WO2011004977A2 (ko) 사이버위협을 예측하기 위한 사이버위협 예측 엔진 시스템 및 상기 시스템을 이용한 사이버위협 예측 방법
CN109155743A (zh) 使用机器学习算法来满足sla要求的系统和方法
WO2019132299A1 (ko) 클라우드 시스템에서의 우선 순위 기반 자원 스케일링 시스템, 장치 및 방법
US20240082720A1 (en) Systems and methods for machine learning-based emergency egress and advisement
WO2022231392A1 (ko) 자동 기계학습을 통한 자동 진화형 플랫폼 구현 방법 및 장치
WO2018110314A1 (ja) 情報処理装置及び情報処理方法
WO2021075927A1 (ko) 대상 시스템을 기술하는 모델을 구현하고 동작시키는 컴퓨팅 시스템 및 이를 이용한 대상 시스템의 동작 예측 방법
WO2015099264A1 (ko) 생물학적 네트워크 분석 장치 및 방법
JP2845618B2 (ja) エキスパートシステム
WO2016137143A1 (ko) 글로벌 적응을 지원하는 it 생태계의 동적 제어 장치 및 방법
WO2020240981A1 (ja) 人工知能装置及びプログラム製造方法
WO2023027283A1 (ko) 클라우드 로봇 제어 개발을 위한 시뮬레이션 시스템 및 그 방법
Abuseta et al. Towards a framework for testing and simulating self adaptive systems
Andrzejak et al. On adaptability in grid systems
Nguyen et al. Minimap: an interactive dynamic decision making game for search and rescue missions
US20120078808A1 (en) Prescriptive wellbeing utilizing an enterprise grid
WO2020096135A1 (ko) 업종별 창업 업무 프로세스의 최적화를 위한 방법 및 시스템
WO2023214795A1 (ko) 상용망 기지국 데이터 기반 디지털 트윈 구축 전자 장치 및 방법
WO2021080151A1 (ko) 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템
WO2022139469A1 (ko) 강화 학습 기반 인테리어 서비스의 사물 배치 모델 제공 장치 및 방법
CN117631667B (zh) 一种应用于多层建筑人员的动态引导避障疏散方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16755793

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16755793

Country of ref document: EP

Kind code of ref document: A1