二阶非线性多智能体系统的脉冲一致性

针对非线性多智能体系统在切换拓扑条件下的二阶一致性问题,通过脉冲控制方法,利用图论、矩阵理论和Lyapunov稳定性理论,得出该智能体系统达到二阶一致性的充分条件。数值模拟结果表明,非线性多智能体系统在充分条件下可实现二阶一致性。     

基于多智能体强化学习的社交网络舆情增强一致性方法

针对社交网络舆情动力学的增强一致性问题,提出了一种基于多智能体强化学习的智能感知模型(Consensus Opinion Enhancement with Intelligent Perception, COEIP)。在舆情动力学场景下的马尔科夫决策过程中,首先通过双向循环神经网络设计了智能体的决策模型以解决智能体不定长感知的问题。然后通过差分奖励的思想针对收敛效率、连通度和通信代价三类目标,设计了有效的奖励函数。最后为优化COEIP模型,设计了基于策略梯度的多智能体探索与更新算法,让智能体在彼此交互过程中,通过奖励值自适应学习具备多目标权衡能力的邻域选择策略。大量仿真验证了COEIP在社交网络舆情动力学场景下可以有效调和智能体间的矛盾,降低系统稳定时的簇数,进而增强系统的舆情一致性。本模型为大规模社交网络下提高人群意见的统一性提供了新的解决方案,具有重要的理论指导意义。     

一类离散时间非线性多智能体系统的一致性

研究了离散时间非线性多智能体系统的一致性问题。针对递归非线性模型中的未知参数,利用泰勒展开式推导了投影算法辨识参数。基于把参数估计值作为参数真值的基本设计思想和自适应控制理论中的必然等价原则,利用智能体的邻居历史信息,提出了分布式自适应控制律,使得多智能体系统达到了一致性。最后用仿真验证了理论结果的有效性和可行性。     

通信时延下多智能体系统的安全一致性控制

本文主要探究了离散时间多职能系统在其通信状况之下的时延条件下存在的安全一致性状况与问题,对于一致性控制算法在网络中的应用等相关问题进行了分析,对其能够使得网络中各正常智能体抵御敌对智能体的攻击并实现最终状态一致的相关算法进行探究,进而了解到此种算法在实践中主要就是通过个体的自认状态以及其相邻个体的实际时延相关信息作为其控制输入,在基于此对其相关控制器的参数、拓扑属性以及相关通信时延等进行控制,对其相关条件进行获取,利用实验的方式对其进行了验证分析.     

间歇牵制控制下非线性多智能体系统的滞后一致性

为了使智能体适应相关的间歇信号并降低其控制成本,在间歇牵制控制下,对多智能体系统的滞后一致性问题进行了研究.给出了滞后一致性的定义,然后对于多智能体系统模型,设计了一种合适的间歇牵制控制协议,并运用Lya-punov泛函方法和矩阵不等式理论导出在间歇牵制控制下该系统的滞后一致的充分条件,从而实现了非线性多智能体系统在间...     

基于模型简化法的含有随机时延的 多智能体系统一致性研究

讨论具有随机时延的一阶多智能体系统的一致性问题.首先利用模型简化法,将具有随机时延的多智能体系统简化为一个非时延系统.然后设计一个通信协议,实现简化后的系统的一致性,从而使原系统达到一致性.最后通过一个数值仿真验证了方法的有效性.     

一种基于划分和集成思想的多智能体强化学习

针对Q学习状态空间非常大,导致收敛速度非常慢的问题,利用智能体在不同样本上分类性能不同,提出了基于样本的学习误差对样本空间进行划分,充分发掘了样本和智能体的匹配关系.以带障碍物的格子世界作为仿真环境,表明该算法提高了在线学习性能.     

离散时间多智能体系统的间歇二部一致性

为加强多智能体系统的协同控制,研究了离散时间多智能体系统的间歇二部一致性问题。首先,结合间歇控制,提出了可以实现二部一致性的控制协议,得到了二部一致性达到的条件;然后,利用代数图论、Lyapunov稳定性理论知识,给出了系统的收敛性分析;最后,利用数值仿真实验验证了所设计的间歇控制协议对离散时间多智能体系统稳定有效。     

多智能体系统混合智能学习算法研究

针对Agent个体学习与群体学习各自的不足，探讨了多智能体系统(MAS)中的合作与协商及Agent学习技术，提出了一种新的混合智能学习算法．将个体学习与群体学习有效结合起来，提高了Agent的个体性能及系统整体的智能水平．在足球机器人仿真系统中进行了实验，结果表明了算法的可行性与有效性．     

随机脉冲控制下领导-跟随的多智能体系统一致性研究

针对一类非线性领导-跟随多智能体系统,研究随机脉冲控制下多智能体系统的一致性问题。由于脉冲控制在实际系统中,常常会受到各种随机因素的影响,并导致脉冲控制强度发生改变。因此,本文通过引入随机变量,设计了具有随机脉冲强度的分布式脉冲控制协议。随后,利用随机分析的方法给出了在随机脉冲控制下领导-跟随多智能体系统达成一致的充分条件。最后,作为特例还给出了拒绝服务攻击下领导-跟随多智能体系统的一致性准则。     

基于进化算法的多智能体合作学习

强化学习的收敛速度随状态-动作空间的维数呈指数增长,因此在涉及大的状态空间时,强化学习算法的收敛速度非常慢以至不能满足应用需求。在许多应用环境中,若智能体之间存在合作关系,借助多个智能体进行分布式学习可以部分解决这一问题。利用进化算法,设计了智能体繁殖、消亡等操作,使得子代智能体能够继承父代智能体在状态空间的方向信息,从而更快地找到状态-动作空间的有效更新。仿真实验表明:算法比已有的强化学习方法具有更高的搜索效率和收敛速度。     

基于时滞状态导数反馈的一阶多智能体系统采样控制的一致性

在具有加权项的时滞状态导数反馈协议下,研究了一阶多智能体系统采样控制的一致性问题。针对多智能体系统很难保证信息连续传递的现实情况,应用时滞分解技术将一致性协议进行了分解,给出了基于采样数据的离散时间一致性协议。在离散时间一致性协议下,给出了一阶时滞多智能体系统渐近实现平均一致的充要条件。当一致性协议退化为较为简单的情况时,将系统渐近实现平均一致的充要条件简化为一个不等式组。最后,相关结论的有效性通过数值仿真被验证。     

基于量化脉冲控制策略的领导跟随多智能体系统的固定时间一致性

本文研究了基于量化脉冲控制的非线性领导跟随多智能体系统的一致性问题.基于矩阵理论、李雅普诺夫函数和利普希茨不等式,给出了若干假设和充分条件.通过构造比较系统,利用微分方程理论,给出了固定时间下的一致性准则,且计算了达到一致需要的时间.最后,选择合适的参数,通过数值仿真验证了理论分析的有效性.     

一种基于检测和补偿的多智能体系统弹性平均一致性方法（英文）

一致性是多智能体系统分布式协同控制的基础技术之一,例如智能制造中的多智能体协同控制。本文研究了具有行为不当节点的多智能体系统的弹性平均一致性问题。为保护一致性的收敛值免受不当行为节点的影响,本文通过检测不当行为、减轻相应不利影响并实现弹性平均一致性来解决此问题。本文考虑一般化的不当行为,包括恶意攻击、意外故障和链路故障。基于两跳通信信息,以分布式方式描述行为不当节点的不利影响,并面向确定性系统提出一种基于检测与补偿的一致性算法（D-DCC算法）,且该算法具有衰减容错错误界限。考虑到由于链路随机故障而导致信息集间歇性失效的场景,我们面向随机性系统提出一种基于检测补偿的一致性算法（S-DCC算法）。本文证明了D-DCC和S-DCC算法分别使得节点在统计意义上渐进地实现弹性准确平均一致性和无偏弹性平均一致性。紧接着,本文引入沃瑟斯坦距离来分析S-DCC的准确性。最后,进行大量仿真来验证所提算法的有效性。     

基于牵制控制带有协议失效多智能体的一致性

基于牵制控制研究了线性多智能体系统中协议失效的一致性问题,建立了一种连接失效的网络模型,该模型的驻留时间为常数。基于两种状态的李雅普诺夫方法函数来分析其一致性。依赖于驻留时间,给出了计算复杂度较小的简洁条件。在此基础上,总结了对于存在故障设计的一个牵制一致性控制器的两个充分条件。最后,通过实例验证了该方法的有效性。     

多智能体系统的协调控制研究综述

近年来,多智能体系统的协调控制在多机器人合作控制、交通车辆控制、无人飞机编队和网络的资源分配等领域有着广泛的应用,成为当前控制学科的一个热点问题.首先介绍了多智能体系统的研究背景、智能体的概念和相关的图论知识;然后从多智能体系统协调控制包含的几个问题入手,即群集问题、编队控制问题、一致性问题和网络优化问题等,对其国内外的发展现状进行了总结和分析;最后,给出了多智能体系统有待解决的一些问题,以促进对多智能体系统协调控制理论与应用的进一步研究.     

事件触发机制下多智能体系统的非对称二分一致性

通过对事件触发的多智能体系统非对称二分一致性问题的分析,针对结构平衡的无向符号图构造一类新的拉普拉斯矩阵,提出了一种分布式事件触发控制协议;运用Lyapunov稳定性理论、矩阵理论、图论、Young不等式等方法,得到系统在事件触发控制下的稳定性条件,并实现智能体状态收敛到幅值和符号均不同的非对称二分一致;运用测量误差设计事件触发条件,使智能体满足触发条件时被触发并更新控制器数据;分析计算出任意两次事件触发时刻的间隔为正常数,证明了本设计能够避免Zeno行为的发生;最后通过数值仿真验证了结论的有效性.     

基于混合式多智能体系统的协作多机器人系统研究

针对各种先进制造模式对多机器人系统开放性、灵活性的要求，利用智能体(Agent)的思想，综合了集中规划与分布规划的优点，在局域网环境下，设计了用动态集中规划方法构造的混合式MAS(Multi-Agent System)协作多机器人系统．对机器人Agent的结构及各模块的功能进行了重点介绍．该混合式MAS的特点是：可以方便地动态增加或减少Agents；允许存在异构的机器人；并能够根据各Agent的运行状态和工作能力的变化，对任务进行重新分解和分配．系统实验结果表明，该系统较传统的机器人系统具有良好的开放性、灵活性和鲁棒性。