具有单向时延的多智能体系统的一致性分析

假设系统拓扑是不变的、有向的强连通图,系统个体之间信息传输具有不同的单向通信时延,研究了移动多智能体动态系统的一致性。应用频率函数方法分析了具有单向时延的多智能体算法的一致性,研究表明当系统只受来自邻居的单向反馈时延信息影响时,系统状态的一致性与单向反馈时延的大小无关。最后应用一个实例验证了结论的有效性。     

含时延的多智能体系统的多静态领导者包容控制

对基于有向固定拓扑的多静态领导者的多智能体系统的包容控制问题进行研究。在系统中智能体之间信息传递存在固定通信时延的情况下,应用拉普拉斯变换技术分别研究一阶和二阶连续时间多智能体系统,通过对系统传递函数的稳定性分析而求取系统状态稳定条件,并应用终值定理,最终得到了保证系统实现包容控制的时延限制条件,最后用仿真验证了该结论的有效性。     

异质多自主体系统的一致性

研究由一阶自主体和二阶自主体构成的异质多自主体系统的一致性问题.考察连接拓扑为固定有向图的异质多自主体系统在无时延静态一致性算法下的收敛问题,利用图论和矩阵分析方法得到了系统渐近收敛一致的充要条件;在假设连接拓扑在有向连通图之间动态切换条件下,分别研究领导-跟随连接拓扑和无领导连接拓扑下异质多自主体系统的静态一致性问题,并采用Lyapunov定理和线性矩阵不等式得到了系统在具有时变输入时延的一致性算法作用下渐近收敛一致的时延依赖条件.最后,仿真结果验证了结论的正确性.     

有单一虚拟领导者的时延编队一致性

引入一种有单一虚拟领导者的存在通信时延的二阶多智能体编队控制模型,分析了时延对编队一致性的影响。通过构造Lyapunov-Krasovskii泛函,综合运用LMI方法,推导证明了有单一虚拟领导者的时延编队系统取得一致的条件。证明过程中引入自由权矩阵的思想,得到了系统取得一致性的时延的上界和相应的自由权矩阵。数值实例和仿真结果表明了方法的有效性。     

单边Lipschitz非线性多智能体系统一致性追踪控制

针对单边Lipschitz非线性多智能体系统,提出了一种分布式一致性控制方法.首先,构建了领导-跟随者动力学结构,用于实现单边Lipschitz多智能体系统的追踪控制.然后,设计了单边Lipschitz非线性多智能体系统的一致性控制协议,可根据智能体之间局部交互信息构建分布式反馈控制,并将系统的一致性追踪问题转化为系统...     

基于状态预测的多智能体动态协作算法

针对复杂动态环境下的多智能体协作问题,提出基于信息处理和状态预测的优化动态协作算法.充分考虑其它智能体对环境的影响,采用重要度函数和信息处理方法,对协作所需信息进行筛选和处理.通过引入状态预测算法,在多智能体动态协作过程中对智能体的行为和系统的状态进行预测,以实现协作结构的在线调整,使得多智能体能在内部以新的控制任务或新的平衡状态为目标,进行联合行动的动态协作.通过在典型的复杂动态MAS研究平台--机器人救援仿真比赛系统中应用,验证了该算法的有效性.     

一类离散时间异构多智能体系统有向图下的一致性分析

研究了离散时间一阶二阶混合的异构多智能体系统有向通信下的一致性问题。首先,对该系统内的个体分别提出了相应的一致性协议。针对该异构系统不满足离散时间系统研究中凸性要求的问题,本文引入了一个非奇异变换,采用非负矩阵理论和一致性理论,分别分析得出了系统在固定和动态拓扑下实现一致性的充分条件。当通信拓扑包含生成树,采样时间和控制参数在一定范围内取值系统将获得一致性,该范围取决于通信拓扑的度矩阵。最后,通过仿真对该结论进行了验证。     

基于多智能体强化学习的多机器人协作策略研究

研究了一种基于智能体动作预测的多智能体强化学习算法. 在多智能体系统中,学习智能体选择动作不可避免地要受到其他智能体执行动作的影响,因此强化学习系统需要考虑多智能体的联合状态和联合动作.基于此,提出使用概率神经网络来预测其他智能体动作的方法,从而构成多智能体联合动作,实现了多智能体强化学习算法. 此外,研究了该方法在足球机器人协作策略学习中的应用,使多机器人系统能够通过与环境的交互学习来掌握行为策略,从而实现多机器人的分工和协作.     

基于K-means聚类的多智能体跟随多领导者算法

为防止多智能体集群跟随多个领导者时编队混乱，提出了3种K-means聚类算法，将集群分成与领导者数量相同的社区，社区内的智能体将跟随同一领导者。所提出的3种算法中，算法1适用于智能体分布空间广的场景，系统达到一致性所需时间最短；算法2则适用于智能体分布稀疏的场景，可有效避免智能体碰撞等危险；算法3则大大降低多智能体集群的控制成本，但将会牺牲系统的收敛速度。相较于传统预先对智能体编号，领导-跟随关系固定的方法，本文提出的分簇方法使系统收敛时间更短，且有效应对中途任务变更的情况，可快速分配给智能体新的合适任务。     

基于保证集的多智能体系统自触发控制

为了解决网络化信息物理系统中分布式控制器的实时执行问题,在智能体状态可达集的基础上,提出了一种基于保证集的新的分布式自触发控制策略。在这一策略下,智能体向彼此发送关于它们自身可达状态的信息,即状态的保证集。这些保证集提供的信息使得每个智能体可以在未来自治地安排需要请求新信息的时刻,也为在较低的执行代价下仍能保证较好的性能水平奠定了基础。理论上证明了,在所提出的分布式策略下的李雅普诺夫函数是单调不增的。一个多智能体系统运动控制问题的仿真结果验证了所提方法正确性。