考虑状态受限和一致性的微电网二次控制

为解决交流微电网下垂控制产生的偏差问题,本文采用二次控制对分布式电源输出电压和频率进行调节.将微电网看成分布式多智能体系统,智能体间通过稀疏网络进行通信,运用多智能体一致性协议,本文提出一种基于障碍Lyapunov函数和自适应模糊系统的二次电压和频率控制器.采用障碍Lyapunov函数设计控制器,不但能保持系统的稳定性,还可使输出的电压和频率限制在预设的范围内.采用自适应模糊系统可对系统中的一些参变量的变化进行估计,提高了控制器的鲁棒性.本文给出了严格的稳定性证明.通过对负载变化,以及拓扑结构改变等的仿真测试,验证了所提方案的有效性.

面向任务的重叠联盟结构生成计算复杂性

传统的重叠联盟形成问题大都聚焦智能体,鲜有从任务视角出发.为此,本文首先构建了一种面向任务的重叠联盟结构生成模型,并分析了其解空间和相关决策问题的计算复杂性.此外,基于流网络分别设计了相应的孤立联盟、重叠联盟、重叠联盟结构成功性判别算法和最优重叠联盟结构生成算法.分析结果表明,判别孤立联盟、重叠联盟、重叠联盟结构的成功性的时间复杂度均与智能体数和任务数呈多项式关系,而搜索最优重叠联盟结构的时间复杂度与智能体数和任务数呈指数关系.最后,通过仿真实验验证了上述结果.

基于动态事件触发的微电网分布式协调控制策略

在孤岛交流微电网电压和频率的协调控制中,存在着依赖周期通信、通信负担大等问题.为此,提出了一种基于动态事件触发的分布式协调控制策略,在微电网中运用多智能体系统理论,将频率和电压作为追踪同步目标.通过评估事件触发条件,从根本上摆脱了分布式电源DGs的连续通信和Zeno行为.并引入与系统偏差和反馈有关的动态变量,合理调整触发阈值和反馈增益.此方案提高了通信效率,降低了控制更新频率,保持了良好的控制性能.并且在Matlab/Simulink环境中验证了所设计控制策略的正确性和有效性.

基于虚拟领导节点改进的孤岛微电网完全分布式二次调频策略

传统分布式二次调频策略在虚拟领导节点频率信息出现故障时会导致微电网系统频率无法恢复,针对该问题提出并设计一种完全分布式二次调频策略。首先分析传统分布式二次调频策略虚拟领导节点故障对二次调频过程产生的影响;然后,结合一致性算法对传统分布式二次调频控制器加以改进,通过将调频补偿量与频率偏差的对消作为“频率引导项”加入各分布式控制器中,使得各分布式发电单元完全对等,以保证虚拟领导节点去除后频率的正常恢复,实现完全分布式控制;最后,通过仿真验证所提方法在保证频率恢复方面的有效性与优越性。

基于分层邻域选择的切换拓扑多智能体系统一致性协议

在切换拓扑的多智能体系统中,针对高低密度信息减弱一致性的问题,提出了一种基于分层邻域选择算法(Layered Neighbor Selection,LNS),该算法对智能体的邻域进行层次划分,从每层中选取具有代表性的邻居智能体进行通信、状态更新和状态演化,然后设计了层次调整策略和层次融合策略来加快收敛速度,最后设计了分层邻域选择一致性协议,且给出了层数对收敛的影响。现有的一致性协议,收敛效果受限于特定密度范围,受不同密度的影响较大,而本文提出的协议能适应不同密度范围,并在系统稳定的条件下提升收敛速度,且通过李雅普诺夫函数法证明了一致性协议的稳定性。最后通过仿真实验,并与几种一致性协议进行比较,验证了所设计的一致性协议能有效加快系统收敛速度。

基于双视角建模的多智能体协作强化学习方法

在多智能体协作领域,强化学习算法通过共享智能体的局部信息来实现智能体间的协作.但共享协作机制极易引发过度协作问题,导致智能体忽视自身局部观测信息,丧失策略多样性,最终陷入低效协作的困境.为了解决该问题,本文提出基于双视角建模的多智能体协作强化学习方法(Bi-View Modeling Collaborative Multi-Agent Reinforcement Learning,简称BVM-CMARL).该方法从局部和全局两个视角对智能体进行建模,分别用于产生多样性的策略和激励协作.在局部视角最大化局部变分与自身轨迹的互信息,激励智能体的策略多样性;同时在全局视角最大化全局变分与其他智能体动作的互信息,提高智能体协作水平.最后将局部变分训练出的局部Q值与全局变分训练出的全局Q值合并,避免低效协作.将BVM-CMARL算法应用于星际争霸多智能体挑战赛(StarCraft Multi-Agent Challenge,SMAC)中的等级觅食(Level-Based Foraging,LBF)和走廊(Hallway)等环境,与QMIX、QPLEX、RODE、EOI和MAVEN等5种目前优秀的强化学习算法相比,BVM-CMARL算法具有更好的稳定性和性能表现,在SMAC上的平均胜率为82.81%,比次优算法RODE高13.42%.通过设计模型变体,在消融实验中证明了双视角建模对BVM-CMARL的必要性.

网络攻击下考虑状态受限的微电网安全运行与控制

攻击、干扰、不确定性通常存在于微电网中危害系统的安全运行.为了解决此问题,设计了一种带攻击补偿的电压控制器,以减小或抵消攻击对系统稳定性的影响.设计攻击观测器对微电网中受到的攻击进行观测;利用多智能体一致性协议,考虑全状态约束问题,采用正切型障碍Lyapunov函数约束所设计的状态量,使系统状态约束在预设范围内,并实现无功功率分配.采用自适应模糊系统对系统中一些参变量的变化进行估计,提高控制器的自适应能力.仿真验证了控制器的有效性.

分布式事件触发下的多智能体系统二分一致性

研究了基于分布式事件触发的多智能体控制系统中的二分一致性问题,设计了一种合作和竞争并存拓扑结构的一致性控制协议,使多智能体系统收敛于二模相同且符号不同的状态.在图论与矩阵论的基础上,将多智能体系统的二分一致性问题转化为闭环误差系统的稳定性问题,通过建立一个合适的Lyapunov函数,验证了闭环误差系统渐进稳定,且针对每个智能体提出了事件触发条件,以减少控制更新频率与通信资源的损耗,同时证明每个智能体相邻触发时间间隔都有严格的正下界,即避免了Zeno现象,最后利用仿真实例验证了所提方法的可行性和有效性.

一种解决带有凸集约束的分布式伪凸优化的连续时间算法

本文提出了一种可以解决带有凸集约束且全局目标函数是非光滑伪凸的分布式优化问题的连续时间算法.本文所提出的分布式优化算法采用罚函数方法建模,通过构造一个合适的惩罚项迫使所有智能体的状态变量进入可行域.通过使用李雅普诺夫(有限时间)稳定性理论等工具,证明了在一定假设下,本文所提出的算法将在有限时间内达成一致状态且进入可行域并永驻其中,并在此之后收敛到原分布式优化问题的最优解集.此外,该算法在运行时各个智能体仅仅需要接收邻居节点的相对状态的符号信息.最后,仿真结果验证了本文所提出的算法的有效性.

大语言模型支持的多智能体:技术路径、教育应用与未来展望

面对复杂多变的教育环境,多智能体系统以其协作、分布式和自适应的优势成为解决教育难题的新途径。本研究分析了多智能体系统的基本原理和演化历程,聚焦其在教育领域的源点,并从领域、结构和场景三个角度,探讨多智能体系统教育应用的形态演化。在技术层面,本研究探讨了生成式人工智能技术如何赋能多智能体系统,构建了基于大模型的智能体“眼—脑—手”三维能力框架,并提出了多智能体系统智能性提升的内外双循环框架。在教育应用方面,本研究阐述了多智能体系统教育应用的多重角色,包括促进知识管理的百科全书型智能体、促进协作交互的智能学伴型智能体、促进学习规划的教学助手型智能体和促进学科教学的专业教师型智能体等,探讨了多智能体系统在教育应用与跨文化体系适应中的潜力。多智能体系统的教育应用也面临诸多挑战,包括如何确保系统稳定性和安全性、如何避免负面影响、如何实现与传统教育方法优势互补等。针对这些挑战,本研究提出融合教学要素、对接数字基座、变革教育范式、加强安全伦理隐私保护等对策,以期重塑多智能体教育生态,引领其稳健前行。本研究可为促进智能化教育技术的发展提供新思路,为推动教育数字化和教育高质量发展贡献新力量。

基于自适应迭代学习的多智能体系统编队控制

针对带未知时变参数的非线性多智能体系统的编队问题,提出一种分布式自适应迭代学习控制策略。首先,通过傅里叶级数对系统的不确定参数进行展开,采用一个收敛级数序列处理傅里叶级数展开产生的截断误差,结合多智能体运行过程中的编队误差推导自适应迭代学习控制律和参数更新律;其次,针对领导者动态对大部分智能体都是未知的情况,设计新的辅助控制来补偿未知动态和避免未知有界干扰;然后,基于李亚普诺夫能量函数证明了在所设计控制律作用下多智能体系统编队误差随着迭代次数的增加在有限时间内趋于0;最后,将该控制策略运用到多无人机编队系统中,并通过搭建半物理实验平台,验证了控制方法的有效性。实验结果表明该控制方法可以确保多智能体快速形成所需编队,并且每个智能体在有限时间内可以精确跟踪期望轨迹。所提方法充分考虑了多智能体系统的参数不确定性以及抗干扰的能力,为实际应用中复杂多智能体系统的精确控制提供了有效的方法。

DoS攻击下抛物型多智能体系统的输出反馈领导-跟随一致性

为了解决抛物型多智能体系统(MASs)在拒绝服务(DoS)攻击下的一致性问题,提出了一种基于输出反馈方法的MASs领导-跟随一致性控制协议来应对恶意攻击者发起的DoS攻击,从而实现智能体在无向通信拓扑图上的领导-跟随一致性。对DoS攻击的频率和持续时间进行了分析,利用Lyapunov稳定性定理推导了抛物型偏微分系统的稳定条件,证明了触发时间间隔不为零,避免了芝诺行为的发生,并通过仿真算例验证了理论结果的有效性。

多智能体系统固定时间一致性的多永磁同步电机转速协同控制

为了提高多电机转速协同控制精度,该文提出一种多智能体系统固定时间一致性的多永磁同步电机转速协同控制新思想。首先,将多永磁同步电机调速系统视为一个多智能体系统,设计了基于无向通信拓扑图的固定时间一致性协议;同时,设计了固定时间滑模观测器估计扰动并在一致性协议中引入前馈补偿,从而得到期望的q轴电流。然后,在矢量控制调速系统的框架下设计了固定时间互补滑模电流控制器,用于跟踪q轴参考电流。利用李雅普诺夫函数分别证明了控制器和观测器可以在与系统初始状态无关的情况下实现固定时间内收敛。最后,在三台永磁同步电机调速系统实验平台上与传统偏差耦合控制算法进行了对比实验验证,证明了所提控制算法的可行性和鲁棒性。

基于Multi-Agent的无人机集群体系自主作战系统设计

针对无人集群自主作战体系设计中的关键问题,提出基于Multi-Agent的无人集群自主作战系统设计方法。建立无人集群各节点的Agent模型及其推演规则;对于仿真系统模块化和通用化的需求,设计系统互操作式接口和无人集群自主作战的交互关系;开展无人集群系统仿真推演验证。仿真结果表明,所提设计方案不仅能够有效开展并完成自主作战网络生成-集群演化-效能评估的全过程动态演示验证,而且能够通过重复随机试验进一步评估无人集群的协同作战效能,最后总结了集群协同作战的策略和经验。

基于分布式滑模控制的微电网二级电压控制策略

微电网是由分布式电源(DG)、负荷、储能和控制装置等构成的可控系统,能够充分高效地利用分布式能源资源。提出了一种基于分布式滑模控制的微电网二级电压滑模控制方法,基于图论和多智能体系统原理设计了分布式滑模控制器,该滑模控制器通过通信网络获取与其相邻分布式电源的电压信息,并利用Pade近似方法对通信网络中所产生的时间延迟进行补偿。在MATLAB/Simulink平台中对该控制方法进行仿真,验证了所提出二级电压控制策略的有效性。

动态事件触发机制下二阶多智能体系统完全分布式控制

本文研究了无向通信拓扑下二阶多智能体系统的一致性问题,分别针对有领导者和无领导者的情形,设计了一类基于辅助动态变量的完全分布式事件触发控制策略,该策略具有参数较少且易调等特点.智能体自身的触发函数满足条件时才向邻居广播自身的状态信息,有效避免了连续通信,减少了系统能量耗散.每个智能体的控制协议和触发函数都只用到自身的状态和邻居触发时刻的状态,不涉及邻居的实时状态信息,也不依赖通信拓扑网络的任何全局信息.利用代数图论以及Lyapunov稳定性理论,证明在所提出的控制策略下,二阶多智能体系统能够实现渐近一致性,且不存在Zeno行为.仿真示例进一步验证了理论结果的有效性.

基于动态事件触发通信协议的多智能体系统自适应可靠控制

针对多智能体系统中邻居节点间通信资源受限的情况,研究基于动态事件触发通信协议的多智能体系统自适应可靠一致性控制问题.首先,设计一种基于自适应参数估计技术的容错控制策略,来应对未知执行器故障.其次,提出一种新型动态事件触发函数,通过增加具有自适应调节能力的动态变量来延长事件触发间隔.在此基础上,证明在智能体之间非连续通信的情况下,所提方法仅依靠智能体与邻居在触发时刻的交互信息就可以确保一致性误差的收敛.此外,从理论上说明智能体间的事件触发通信不存在芝诺现象.最后,针对无人船编队系统开展仿真,结果能够说明所提自适应事件触发可靠控制方法的有效性.

多智能体强化学习算法研究综述

近年来,多智能体强化学习算法技术已广泛应用于人工智能领域。系统性地分析了多智能体强化学习算法,审视了其在多智能体系统中的应用与进展,并深入调研了相关研究成果。介绍了多智能体强化学习的研究背景和发展历程,并总结了已有的相关研究成果;简要回顾了传统强化学习算法在不同任务下的应用情况;重点强调多智能体强化学习算法分类,并根据三种主要的任务类型(路径规划、追逃博弈、任务分配)对其在多智能体系统中的应用、挑战以及解决方案进行了细致的梳理与分析;调研了多智能体领域中现有的算法训练环境,总结了深度学习对多智能体强化学习算法的改进作用,提出该领域所面临的挑战并展望了未来的研究方向。

无人机集群对抗决策算法研究综述

无人机集群博弈对抗已经成为未来战争的发展趋势,无人机对抗决策算法的选择对提升无人机集群作战能力至关重要。本文深入探讨了基于规则的、基于博弈论的和基于神经网络的三大类无人机集群博弈对抗决策算法,并对它们的优势和局限性进行了全面分析与总结。在此基础上,提出将“基于多智能体强化学习的信用分配模型”和“基于角色的多智能体强化学习模型”应用于无人机集群博弈对抗的研究思路。最后,强调了选择适当的决策算法对于提高无人机集群作战效能的重要性,并为未来无人机对抗决策的发展提出了有益的建议,为相关领域的研究和应用提供了深入见解。

输入时滞多智能体系统的输入受限一致性控制

针对具有输入幅值约束的输入时滞机械系统,研究基于有向图拓扑的多智能体系统(multi-agent system,MAS)的一致性控制问题。对于只有部分智能体能够接收到理想信号的情况,提出一种观测器,使每个智能体都能观测到理想信号,并证明观测误差的指数收敛性。在控制器设计中,通过将系统的输入积分反馈到控制器中,消除输入延迟的影响;结合输入积分法和双曲正切函数,在解决输入延迟问题的同时限制控制输入幅值,并利用FMINCON函数优化控制参数。最后,利用李雅普诺夫方法证明控制目标的实现和闭环系统的渐近稳定性。仿真结果表明,所提出的观测器和控制器能够有效实现系统的一致性控制。