通信受限下的分布式一致及优化问题研究

发布时间：2024-02-14 19:46

　　受自然界一些奇妙现象的启发(比如:鸟类可以保持特定的队形飞行;鱼群可以按照一致的速度巡游),多智能体网络在近些年以来受到了广泛的关注。多智能体网络通常包括多个具有感知、计算、通信能力的智能体。其中每个智能体通过与它的邻居进行通信从而与其他智能体协作地实现全局目标,而不是简单地各自承担不同的任务。由于其具备的便捷性、高效性、鲁棒性,多智能体网络在处理大型的复杂系统的问题时有着显著的优势。目前多智能体网络已经在多个领域被广泛的应用,例如无人机的编队控制、多区域互联电力系统等。为了应对多智能体网络中普遍存在的通信资源限制,在本文中,我们将考虑在通信能源和通信带宽受限情况下的分布式一致及优化问题。为了尽可能地减少通信能源的浪费以及避免通信网络的拥堵,我们将事件触发控制和量化控制引入了分布式一致及优化算法的设计中。本文的主要内容可以概括为以下两点。1.首先,我们提出了一种基于事件触发和量化通信的分布式一致算法设计框架。在这个框架中,我们明确给出了事件触发机制和量化机制的设计方法。而且,为了消除外加干扰所带来的影响,我们提出了一种新型的多重离散滑模面,并综合考虑滑模面,事件触发和量化机制给出了对应...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 多智能体网络
    1.2 分布式一致
    1.3 分布式优化
    1.4 研究背景
        1.4.1 量化控制策略
        1.4.2 事件触发控制策略
    1.5 研究现状
        1.5.1 通信约束下的分布式一致问题
        1.5.2 通信约束下的分布式优化问题
    1.6 本文贡献
    1.7 本文结构
第2章 事件触发和量化控制下的分布式一致算法设计
    2.1 引言
    2.2 基础知识
        2.2.1 图论
        2.2.2 凸集和凸函数
        2.2.3 非光滑函数
        2.2.4 量化器
        2.2.5 事件触发函数
        2.2.6 滑模控制策略
        2.2.7 本文标记
    2.3 问题描述
    2.4 连续型事件触发情形下的分布式一致算法设计
        2.4.1 算法设计
        2.4.2 收敛性分析
        2.4.3 Zeno现象分析
        2.4.4 数值仿真
    2.5 自触发和周期型事件触发情形下的分布式一致算法设计
        2.5.1 自触发情形
        2.5.2 周期型事件触发情形
        2.5.3 数值仿真
    2.6 本章小结
第3章 事件触发和量化控制下的分布式优化算法设计
    3.1 引言
    3.2 问题描述
    3.3 连续型事件触发情形下的分布式优化算法设计
        3.3.1 算法设计
        3.3.2 收敛性分析
        3.3.3 Zeno现象分析
        3.3.4 数值仿真
    3.4 自触发和周期型事件触发情形下的分布式优化算法设计
        3.4.1 自触发情形
        3.4.2 周期型事件触发情形
        3.4.3 数值仿真
    3.5 本章小结
结论
参考文献
附录A 收敛性证明
    A.1 约束集收敛性分析
    A.2 一致性分析
    A.3 最优点收敛性分析
攻读硕士学位期间发表的论文及其他成果
致谢



本文编号：3898511