基于平均一致协议的分布式自适应多智能体聚集控制

分布式聚集控制问题是多智能体协同控制中的一个重要问题。由于智能体的可移动性和感知能力有限,传统的分布式聚集算法难以保证连通性,从而聚集成多个簇群。此外,去中心化的大规模聚集控制给获取全局聚集点带来了巨大的挑战。针对连通性保护问题,基于平均一致协议与约束集,提出了一个带有连通性约束的多智能体聚集协议(Multi-Agent Rendezvous Protocol with Connectivity constraints,MARP-CC)。然后针对聚集点无法预测的问题,提出了位置合成(Location Synthesis Strategy,LSS)和位置重定向(Location Redirection Strategy,LRS)两种控制策略。智能体根据当前连通情况,自适应选择最优的控制策略进行迭代。结合这两种控制策略,提出了带连通性约束的分布式自适应多智能体聚集算法(Distributed Adaptive Multi-Agent Rendezvous algorithm with Connectivity Constraints,DAMAR-CC)。对算法的收敛性和连通性进行了分析,并通过大量的仿真说明了DAMAR-CC可以引导智能体稳定地聚集在初始拓扑的几何中心。

基于影响力网络模型的多智能体一致性协议

如何增强系统一致性是多智能体系统研究中的一个重要问题。传统一致性协议通常未考虑拓扑中的关键节点,并且拓扑权重单一,从而导致系统更容易分裂。基于人际关系网络中的关键人物可以促进不同社区信息交流的思想,提出了一种影响力网络模型(influence network model,INM)。首先,提出了分布式的hub node识别算法(distributed hub node identify algorithm,DHNI),用于区分关键节点和非关键节点,可以应用在分布式多智能体系统中;其次,提出了基于分布式hub node的拓扑权重设计算法(distributed hub node-based topology reweighting algorithm,DHNTR),量化不同节点对其邻居的影响力;最后提出了基于影响力网络的一致性协议。设计了公共Lyapunov函数,分析了系统的全局稳定性,证明了系统具有Lyapunov意义下的稳定性。仿真实验表明该协议可以增强系统一致性。

多智能体系统协调控制一致性问题研究综述

综述了多智能体系统协调控制一致性问题的发展情况,介绍了解决一致性问题的主要原理和适用范围,对一致性协议进行了总结,对一致性问题研究的主要领域进行了深入阐述,对群集、蜂涌、聚集、传感器网络估计等问题进行分析和阐述。最后讨论了以上领域尚未解决的问题和未来的研究方向。

基于MEMS加速度传感器的步数检测算法研究综述

随着智能移动终端、智能穿戴设备以及基于惯性传感器的行人定位导航系统的快速发展,针对这些设备和系统中的计步需求,大量有关基于MEMS加速度传感器的步数检测算法的研究工作已经开展并取得了优秀的成果。针对该领域中现有的技术方法,首先阐述了该领域的发展情况,指出目前该领域的主要研究要点、方法种类以及应用情况;接着,综述了目前该领域的研究现状,从数据预处理方法和步数验证方法这两方面对多种步数检测算法进行了阐述以及优缺点的分析;然后,对该领域的研究要点进行了深入的探讨,分析总结步数检测算法中与研究要点相关的技术方法。最后,讨论并展望了该领域未来的发展方向,以期为后续的研究提供参考。

微型嵌入式系统故障诊断方法综述

随着物联网和大数据的高速发展,微型嵌入式系统已经广泛应用于外卖、共享单车、运输、快递和智能家居等行业之中。现有的故障诊断研究主要集中在传统嵌入式系统上,因此针对微型嵌入式系统故障诊断文献相对较少。针对上述问题和结合该系统的特点(有限计算能力和存储空间),提出了一类适合于微型嵌入式系统故障诊断方法分类方法,将其分为两大类,即本地故障诊断方法和远程故障诊断方法。讲述了微型嵌入式系统故障诊断方法的核心思想,总结出各方法在微型嵌入式系统上运用的优缺点和应该注意的问题,最后讨论了微型嵌入式系统故障诊断亟待解决的问题。

组合控制协议增强多智能体系统一致性

针对离散时间下基于切换拓扑多智能体系统一致性问题,设计出一种基于约束集虚拟邻居选取分布式一致性协议。该协议中,智能体采用通信扇区机制构造出虚拟邻居作为控制协议输入进行状态演化,并设计智能体调整因子的取值方式。在此基础上,智能体通过约束集保持初始通信拓扑的连接边来保证系统的连通性。最后,理论分析与大量仿真实例结合,与经典模型进行比较,验证了新的一致性协议的有效性,表明其可增强系统一致性,减少系统收敛的簇,并提高系统的一致性收敛速度。

一种基于切换拓扑和事件触发机制的一致性协议

研究了一种新的基于切换拓扑的事件触发一致性协议,该协议设计了两个事件触发器,包括智能体状态演化引发的收敛事件触发器和拓扑变化引发的拓扑事件触发器,并给出了与事件触发器有关的公共Lyapunov函数的稳定性分析和理论证明,还设计了一种基于约束集的网络连通算法,用于提高网络的连通性。仿真实验结果表明,新的协议能够使得系统收敛一致,有效降低智能体控制器的更新频率,减少系统能耗,提升网络的连通效果,能为事件触发控制的后续研究提供理论支撑。

基于切换拓扑的多智能体协作控制研究综述

为了推进基于切换拓扑的多智能体协作控制理论研究,在广泛调研现有文献和最新成果的基础上,从一致性问题、分布式优化问题和分布式估计问题三个方面对该领域的发展现状进行了总结;探讨了诸如一致性协议的设计、一致性协议的性能分析方法及其优缺点、分布式优化的实现方式和分布式估计的实际应用。最后指出当前该领域尚未解决的问题和未来的研究方向。

多智能体一致性协议可视化仿真平台的研究

设计实现了一种通用的大规模多智能体一致性协议可视化仿真平台,介绍了平台的体系结构、工作流程、详细设计与实现,最后以舆论传播为例给出了仿真平台的测试与结果分析;提出了进行系统总体性能分析所需的性能指标,给出了具体定义,从而实现了对多智能体系统性能的分析和评价。仿真平台通过设置系统主要参数和加载对应的一致性协议,能快速进行各种一致性模型的仿真验证,再现系统的演化过程,主要的设计方法是先进行系统环境的搭建,包括智能体、网络拓扑、任务目标、一致性协议等基本要素的设计,平台还能将系统演化过程进行图形化显示,并统计整个过程所消耗的资源的信息。

一种新的基于蚁群优化的模糊强化学习算法

模糊Sarsa学习(FSL)是基于Sarsa学习而提出的一种模糊强化学习算法,它是一种通过在线策略来逼近动作值函数的算法,其每条模糊规则中,动作的选择是按照Softmax公式选择下一个动作。对于连续空间的复杂学习任务,FSL不能较好平衡探索和利用之间的关系,为此提出了一种新的基于蚁群优化的模糊强化学习算法(ACO-FSL),主要工作是把蚁群优化思想与传统的模糊强化学习算法结合起来形成一种新的算法。给出了算法的设计原理、方法和具体步骤,小车爬山问题的仿真实验表明,提出的ACO-FSL算法在学习速度和稳定性上优于FSL算法。

一种基于切换拓扑结构的一致性协议及其稳定性

研究了一种新的基于最近邻法则的分布式离散形式的一致性协议,该协议只参考两个邻域成员状态来进行状态演变、系统网络拓扑为无向连接切换拓扑图。针对邻域部分信息选取的策略进行了研究,给出了策略的具体算法,并设计了公共Lyapunov函数,进行了系统的稳定性分析,对影响协议收敛的调整因子进行分析和证明。最后给出了对应的仿真实验,仿真实验以11个移动智能体的汇聚为例,其结果表明,在新的协议下,该多智能体系统的汇聚过程能表现出全局渐近稳定的结果,同时系统演化过程当中所需的存储量、计算量大为减少。

基于多车辆集群的多编队一致性协议

针对车道减少路段下的车辆通行问题,提出了一个基于多车辆集群的多编队横向和纵向一致性协议。该协议既保证集群内领导车、跟随车状态的一致性,又保证集群间领导车状态的一致性,使得集群所有车辆能够通过车道减少路口。利用Routh稳定理论和Lyapunov方法,对控制协议进行一致性和稳定性分析。仿真实验结果验证了所提横向和纵向协议能够使得多车辆集群收敛一致,并且在满足不同车辆换道比例的情况下能够提高道路吞吐量、减少总通行时间。

基于事件触发机制的双编队车辆换道决策模型

针对由联网自动化车辆(connected and automated vehicle,CAV)组成的双编队车辆换道问题进行了研究,提出了一种基于事件触发的分布式换道决策模型。该模型针对双编队系统设计了一种编队内和编队间的一致性控制协议;同时,为了减少CAV车辆控制器的频繁更新,设计了一种基于组合测量方式的事件触发器,并给出Lyapunov函数证明了算法的稳定性且不存在Zeno行为。仿真结果表明,所设计的控制协议能够使双编队系统收敛一致,有效降低CAV控制器的更新频率,减少系统能耗。通过模型对比,在证明所提决策模型有效性的同时,系统能够更快地收敛。

基于多集群系统的车辆协同换道控制

针对智能联网环境下的多车协同换道问题,设计一个基于多集群系统的车辆协同控制框架。给出了虚拟领导者的选取条件,智能联网车辆通过分布式集群划分算法选取邻居车辆、领导者、虚拟领导者作为控制协议的状态演化。在此基础上,提出适用于集群空间分配的间距控制算法和基于领导者跟随者的集群控制协议,使换道车辆扩大前后车辆纵向距离以达到安全换道间距。理论分析采取多微分方程求解的方式,证明所提控制协议能保证集群内的局部一致性和集群间的群一致性。仿真实例表明,所提算法与控制协议实现多集群速度收敛一致,车辆间保持期望安全间距以稀疏队形稳定行驶,多辆车辆安全准确换道到目标车道。

“C语言程序设计”教学中存在的问题与建议

文章指出在C语言教学中普遍存在的一些问题,提出在“C语言程序设计”课程建设中,应以程序设计和a实验为主,更新教学内容,采用新颖的授课方式,培养学生运用C语言解决实际问题的能力和创新能力。

基于SDG的集群打印系统故障智能诊断研究

随着网络购物的发展,订单打印需求增大,集群打印系统能够有效地提高效率。但集群系统需要较高的鲁棒性和可靠性,因此订单监控和处理打印设备故障成为集群打印系统的核心问题。通过将具有实时监控节点数据和揭示故障传播路径特点的符号有向图(Signed Directed Graph,SDG)技术应用到集群打印系统,建立了集群打印系统故障诊断推理规则,并形成“If-Then”形式的诊断规则库。此外,构建了订单全生命追踪模型,结合诊断规则库对故障任务进行识别和管理,实现了集群打印系统的故障任务转移和自恢复。

基于Krause多智能体一致性模型的研究

在Krause多智能体一致性模型中,模型里的智能体只进行局部通讯,系统的网络拓扑结构是动态变化的,每个智能体将与它相邻的智能体的状态总和的平均值作为最新时刻的状态值,模型常用于舆论演化行为的研究。本文研究和分析在初始拓扑连通条件下该模型收敛的特性,对收敛的群集数的上界做研究,证明了系统收敛的群集数量与初始区间值之间的关系,给出了更小的一个上界,即收敛的上界为间隔区间值。仿真试验以300个智能体意见值的系统为例,考虑在不同的区间和初始分布拓扑下进行仿真和验证,主要是在5种不同初始拓扑分布及区间范围内进行意见演化,同时初始时刻系统网络是连通的,采用分布式离散算法,得到的实验结果与结论是相吻合的。

电信网络资源管理系统的设计

电信网络资源管理系统是对电信公司省局、市局及各个子局的网络资源进行管理和地理拓扑显示的系统。该文给出了系统各模块的详细设计方案。

基于公共邻居的MHK一致性协议及其稳定性分析

如何增强多智能体系统一致性收敛是其一致性研究的重要问题。提出了一种新的MHK(multi-agentbased Hegselmann-Krause)一致性协议,该协议将智能体间的公共邻居作为切换网络下多智能体分布式协作的重要调控因素。针对该协议下的多智能体系统设计了能量函数,分析并证明了该系统具有李雅普诺夫意义下的稳定性,将收敛为一个或多个子观点集群。数值仿真采用增量分析方法考察了系统所收敛的观点集群数量与初始拓扑区间长度的关系;实验表明,该协议使多智能体系统收敛为数量更少的观点集群。所提出的基于公共邻居的MHK一致性协议能够有效提高切换网络的连通性,从而增强系统的一致性收敛,并能为观点演化模型的控制与优化提供理论支撑。

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。