不同类别约束多智能体系统分布式优化与控制

发布时间：2023-02-11 10:48

　　随着网络化系统的不断发展和规模的不断增大,集中式控制策略中的全局信息变得越来越难以获取。而多智能体分布式控制策略因为其数据分布性、鲁棒性和可扩展性等性质受到越来越多的关注。而在网络化系统的问题中,人们总是期望以最小的代价完成目标。并且分布式优化算法已经在智能电网、交通运输、云计算、无人机等领域得到了广泛的应用,因此对于分布式优化算法的研究逐渐成为网络化系统中的热点问题。本文研究了在不同外界环境下的多智能体分布式优化算法的设计问题。主要研究内容概括如下:针对通信拓扑变化的情况,提出了马尔可夫切换拓扑条件下的连续和离散系统多智能体分布式优化算法。通过线性变换,将多智能体分布式优化问题转化为系统的稳定性分析问题。构造新的李雅普诺夫函数,利用李雅普诺夫理论分析算法的收敛性,得到渐近收敛和指数收敛的充分条件。进一步将研究结果扩展到部分概率未知的马尔可夫切换拓扑的分布式优化问题。针对一般有向强连通图下的分布式优化问题设计算法。现有的多智能体分布式优化算法大部分是基于无向连通图或者权重平衡图设计的,这样的算法虽然可设计简单,易于分析收敛性。但是现实中不论是无向连通图还是权重平衡图都是比较难以实现的。...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 多智能体系统分布式优化研究背景与意义
    1.2 多智能体分布式优化问题研究现状
    1.3 论文主要研究内容与论文结构设计
    1.4 基本知识
        1.4.1 图论
        1.4.2 凸优化
        1.4.3 马尔可夫过程
    1.5 本章小结
2 马尔可夫切换拓扑条件下的分布式优化
    2.1 连续系统的分布式优化算法
        2.1.1 问题描述
        2.1.2 连续系统算法设计
    2.2 离散系统的分布式优化算法
        2.2.1 问题描述
        2.2.2 离散系统算法设计
    2.3 数值仿真
    2.4 本章小结
3 一般有向强连通图下的多智能体分布式优化
    3.1 连续系统的分布式优化算法
        3.1.1 问题描述
        3.1.2 算法设计
    3.2 基于“零梯度和”的分布式优化算法
        3.2.1 问题描述
        3.2.2 算法设计
    3.3 数值仿真
    3.4 本章小结
4 通讯与饱和受限的分布式优化
    4.1 减少计算量的分布式优化算法
        4.1.1 问题描述
        4.1.2 减少计算量的分布式优化算法
    4.2 带有事件触发的高阶多智能体系统分布式优化算法
        4.2.1 问题描述
        4.2.2 事件触发分布式优化算法设计
    4.3 带有饱和约束的多智能体分布式优化算法
        4.3.1 问题描述
        4.3.2 输入饱和分布式优化算法设计
    4.4 数值仿真
    4.5 本章小结
5 离散多智能体系统平均一致与包含控制
    5.1 问题描述
    5.2 平均一致与包含控制充要条件
    5.3 数值仿真
    5.4 本章小结
结论与展望
参考文献
附录A 符号与缩写
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3740240