Promotie: Data-Driven Supervision of Autonomous Systems

Moderne softwaresystemen opereren in steeds dynamischere contexten met constant veranderende doelen. Om de effectiviteit te garanderen, zouden zowel de eisen aan de software als de software zelf in runtime aangepast moeten kunnen worden. Dit proefschrift presenteert een raamwork voor datagestuurde supervisie van operationele softwaresystemen. Het supervisiesysteem past softwaresystemen in runtime aan en daarmee garandeert de realisatie van de systeemdoelen in dynamische contexten.

Wij richten ons op de supervisie van multi-agent systemen (MAS’en). De softwareagenten in multi-agent systemen, zoals zelfrijdende auto's op slimme wegen, zijn doorgaans onbekend voor andere softwareagenten en voor de ontwikkelteams van het MAS. Normen worden vaak ingezet om het gedrag van agenten te observeren en te coördineren zonder hun autonomie te beperken. Wij gebruiken normen om het gewenste gedrag van de softwareagenten te karakteriseren en gebruiken sancties als een mechanisme om softwareagenten te ontmoedigen deze normen te schenden.

Het supervisieraamwerk is gebaseerd op een generieke architectuur voor het aanpassen van het systeem. Het operationele systeem wordt gemonitord en de observatiedata van verschillende actieve contexten worden verzameld. Deze data wordt gebruikt om statistische correlaties tussen het bereiken van de systeemdoelen en de mate waarin aan de eisen wordt voldaan in verschillende actieve contexten te leren. Deze berekeningen maken het mogelijk om de validiteit van de ontwerpaannames te testen en automatisch nieuwe eisen en sancties te genereren wanneer de huidige eisen en sancties niet effectief lijken te zijn.