le100503+随机多智能体系统的有限时间协调控制+4000+楼下

1、随机系统中多智能体系统有限时间一致性问题【摘要】：近年来，多智能体或多主体系统分布式协调控制问题已持续成为国内外不同学科领域研究者的关注点，这是由于其在社会、工业、建设和国防等领域有着广泛的应用背景，如：无人驾驶飞机编队控制、多智能体群集运动、分布式传感器网络、人造卫星群位姿调整及交通拥塞控制等。在多智能体系统协调控制中，一个重要的问题是多智能体系统的一致性控制。所谓一致性问题，简单的说就是随着时间的变化，多智能体系统中各主体之间通过通信协调使所有智能体的状态最终趋于一致。 【关键词】：多智能体系统 协调控制 一致性目录引言21Agent与MAS的相关概念31Agent的概念32MAS的概念4

2、3MAS的组织结构42多智能体协调控制中的基本问题51一致性(Consensus)控制52会合(Rendezvous)控制53聚结(Flocking)控制54编队(Formation)控制53多智能体系统协调控制模型研究展望61多智能体系统协调控制模型的集成化62多智能体系统协调控制模型的智能化63多智能体系统协调控制模型的实用化64多智能体系统协调控制模型的深入化7引言近年来,随着科学技术的迅速发展及应用的需要,多智能体系统的协调控制成为控制领域的一个研究热点。一致性问题作为多智能体系统协调控制的基础,受到了各个领域的研究学者越来越多的关注。在多智能体系统中,“一致性”是指所有多智能体的状态

3、最终趋于一个相同的值,而“一致性算法”是指各个智能体之间相互作用的规则。分布式多智能体协同控制系统在无人航天器的协同控制、卫星编队控制、移动机器人的分布式优化等领域得到了广泛应用,逐渐成为控制理论、统计物理学、应用数学、计算机科学等领域研究的热点问题.以上许多协同控制任务都可以统一到多智能体系统的一致性(consensus)问题这一理论框架内.所谓一致性,就是设计合适的一致性协议使得所有智能体关于某个感兴趣的量达到相同的值.到目前为止,研究人员通过采用图论、矩阵论、频域分析、李雅普诺夫稳定性等方法对一致性问题进行了研究,获得了许多一阶、二阶以及高阶多智能体系统的一致性标准. 许多现在的一致性分

4、析结果都是基于同构多智能体系统,假设所有的智能体具有相同的模型和行为.这个假设在许多应用中是不符合实际情况,进行更为广泛的工程应用需要研究异构多智能体系统的一致性问题.基于以上考虑,Zhu等采用马尔可夫链方法研究了包含活跃和被动两类个体的异构多智能体系统的一致性问题.Tian和Zhang研究了具有未知时延的异构多智能体的高阶一致性问题,得出了该系统获得高阶一致性的充分必要条件.文献研究了混合阶多智能体系统时延条件下的一致性问题.Yin等研究了分数阶异构多智能体系统的一致性问题,分析了系统获得一致性的充分条件.Zhu等研究了一阶二阶混合异构多智能体系统的有限时间一致性问题,得出了系统获得一致性的

5、充分条件.文献研究了随机通信故障条件下,有领导追随和无领导追随两种情况中异构多智能体系统的一致性问题.Liu和Liu研究了离散时间有界通信时延的异构多智能体一致性问题.Zheng等研究了无向拓扑情况下的一阶二阶混合异构多智能体的一致性问题,采用图论和李雅普诺夫稳定性理论分析了系统获得一致性的条件。1Agent与MAS的相关概念1Agent的概念Agent一词最早可见于Minsky于1986年出版的Social of Mind一书中.国内文献中经常将Agent翻译为:智能体、主体、代理等,但最常见的仍是采用英文“Agent”；因为Agent的概念尚无统一标准,人们对于汉语中哪个词能更好地表达其含

6、义还没有达到共识.介绍两种引用较多的定义形式: ：Maes在文献TANNER H G, JADBABAIE A, PAPPASG J. Stable flocking of mobile Agents, Part II: dynamic topologyC /Proceedings of the IEEE Conference on Decision and Contro.l Mau,i HI, USA, 2003: 2016-2021 中将Agent定义为:试图在复杂的动态环境中实现一组目标的计算机统：Wooldrige和Jennings在文献TANNER H G. Flocking wit

7、h obstacle avoidance in switc-hing networks of interconnected vehiclesC /Proceedingsof the IEEE InternationalConference on Robotics and Auto-mation. New Orleans, USA, 2004: 3006-3011.中,从Agent的特性方面给出其弱定义和强定义Agent接受从环境中感知的输入,并产生输出动作作用于环境,这种交互通常是一个连续不断的过程.Agent不能完全控制它周围的环境,只能通过动作输出影响环境. 图1给出了一个环境中Agent

8、的抽象示意图.从图中可知,Agent接受从环境中感知的输入,并产生输出动作作用于环境,这种交互通常是一个连续不断的过程.Agent不能完全控制它周围的环境,只能通过动作输出影响环境. 2MAS的概念概念：MAS是由多个Agent组成的集合,Agent之间以及Agent与环境之间通过通讯、协商与协作来共同完成单个Agent所不能解决的问题. 优点：更广泛的任务领域、更高的效率、改良的系统性能、错误容忍、鲁棒性、分布式的感知与作用、内在的并行性、对社会和生命科学的观察等显著特性。图2描述了MAS中Agent之间以及Agent与环境之间的关系3MAS的组织结构MAS的组织结构可以是集中式的或分布式的

9、,也可以是这2种形式都存在的混合式组织结构.不同的组织结构行为方式不同,因此性能也会有所不同.一般地,MAS的组织结构主要分为以下3种类型: 1)行政管理组织结构(集中式). 2)完全自治式组织结构(分布式). 3)问题求解组织结构(混合式). 2MAS协同控制研究进展经过20多年的发展,MAS的研究已经在理论和应用方面取得了很大的进展.MAS一个显著特征是:系统中每个Agent的能力有限,而大量这样的个体聚集到一起,通过相互作用会产生有意义的社会活动或完成单个Agent所不能完成的任务.因此,MAS研究领域中一个重要的问题就是设计正确的控制策略,使MAS完成给定任务,即MAS的协同控制问题.

10、近年来,MAS的协同控制已经成为国内外诸多研究人员关注的热点问题,本节先简要介绍研究协同控制问题通常使用的代数图论,然后从MAS群集运动和协同控制一致性问题2个方面,论述近年来国内外在多Agent协同控制方面的研究发展状况.2多智能体协调控制中的基本问题1一致性(Consensus)控制一致性是指多智能体通过信息的共享与交互,实现某种状态的趋同,其控制目标可描述为(1)其中,I为系统中个体的集合,xi为系统中第i个个体的状态.这种状态可以是卫星的姿态、鱼群或鸟群的行动方向、数据融合或者分布式传感器滤波值.一致性问题最早在计算机科学中提出.在该领域奠基性工作中,Tsitsiklis等针对分布式决

11、策问题,研究了异步情形下的优化算法.计算机图形领域,Reynolds按照自然界中鸟群的特点较早地对鸟群、鱼群等系统的群体行为进行了计算机仿真,并提出著名的Boid模型.2会合(Rendezvous)控制概括而言,会合指系统中的所有个体速度逐渐趋于零,且静止于某一位置,其控制目标可描述为limt󰀌xj(t)xi(t)󰀌=0,i,jIlimt󰀌xi(t)󰀌=0,iI(7)由式(7)可以看出,该问题在本质上是一致性问题的一个特例,可简单理解为终态为静止的一致性.会合控制最早由Ando等提出38,后被Lin等推广至同步和异步的“走停”策略

12、39.针对线性系统,在通信拓扑保持连通性的条件下,Cortes等放宽了文献38中通信拓扑连通的条件.通过引入“邻近图(Proximitygraphs)”概念,Cortes等进一步降低了这些算法对于通信拓扑的保守性.3聚结(Flocking)控制聚结问题在自然界中十分常见,如鸟群的迁徙,鱼群的捕食等.早期Reynolds的工作即是针对聚结现象展开的.此后,针对聚结现象理论研究的研究小组包括:Toner等、Shimoyama等和Levine等,但这些研究小组都没有给出聚结行为严格的理论分析.2001年,Leonard等首次将人工势场(Articialpotential,AP)方法引入聚结行为的理论

13、分析中,之后该方法成为研究聚结现象的一种重要数学工具. 4编队(Formation)控制编队控制是多智能体协调控制中的一个研究热点,其本质是一种几何构型严格的聚结控制5,8.目前针对编队控制问题已有许多研究方法,大致可分为三类,即主从式、虚拟结构式和行为式1560自动化学报38卷主从式方法中,多智能体系统中的一个或几个个体充当“主体”,其他个体充当“从体”并通过与其相邻个体的交互达到跟随主体的目的.通常情形下,主体的动力学特性可简化为式(8)中期望的速度c(t).由于每个个体仅需适应其局部环境,这种方法可自然地利用分布式模式实现.然而,这一方法内在的不足表现在其严重依赖主体的状态:一旦主体失效

14、,整个编队也随之失效,且单个个体的稳定性并不意味着编队的稳定性.3多智能体系统协调控制模型研究展望 人们对城市交通问题日益关注,出现了许多新的研究方法和控制策略.随着计算机技术和人工智能在交通系统控制中的深入应用,交通系统协调控制模型将朝着集成化、智能化、实用化和深入化的方向发展. 1多智能体系统协调控制模型的集成化 现有的交通系统协调控制模型一般以管理方法为主,其实质是对一种交通控制或诱导方法的改进,没有真正做到交通系统的协调控制.交通系统是一个复杂的结构体,未来城市交通系统的目标是实现交通系统协调的集成.因此,在交通系统协调控制建模研究中,应将交通控制与诱导置于同等重要位置,充分考虑2者之

15、间的相互影响,应用系统 理论建立统一的优化协调控制模型,实现交通系统协调控制的一体化. 2多智能体系统协调控制模型的智能化 智能体技术是计算机与人工智能领域的新成果,鉴于交通智能体系统的特点,把先进智能体技术与交通建模结合起来,从而达到交通系统模型的智能化,使建立的模型可以更好地适应交通系统的随机性及交通流的波动特征.基于多智能体的交通系统协调控制模型的研究是一个崭新的研究领域,是计算机技术和人工智能在交通领域的新发展.运用多智能体技术解决交通问题是交通系统的内在要求,是智能交通系统研究的重要组成部分,传统的交通系统协调方式已经无法满足现代化城市交通管理与控制的需要,智能化城市交通系统协调控制是城市管理与控制发展的必然趋势目前,相关研究工作还处于萌芽阶段,有待于进一步研究3多智能体系统协调控制模型的实用化 基于多智能体的交通模型还处于理论阶段,其实用性还有待进一步的验证.在今后的建模过程中,应该结合实际工程,使所建立的模型能应用于交通系统的协调控制中.同时,针对智能体的推理性,应加强对具有预测能力