周期事件触发的多智能体分布式凸优化

基于周期事件触发机制,研究了具有时变时滞的多智能体系统在强连通有向拓扑下的分布式凸优化问题,提出了一种分布式事件触发零梯度和算法。与时间触发的分布式优化算法相比,该算法可以降低网络系统中的通信负载,具有能耗低和通信成本低的优点。此外,还证明了智能体的状态渐近收敛到全局最优点。由于事件仅在周期时刻进行检验,那么相邻事件触发时刻的时间间隔的下界是采样周期h,可以直接排除Zeno行为。最后通过数值模拟说明了理论结果的有效性。

非平衡有向网络的完全分布式凸优化

分布式凸优化问题的目的是如何以分布式方法最小化局部智能体成本函数和,而现有分布式算法的控制步长选取依赖于系统智能体个数、伴随矩阵等全局性信息,有悖于分布式算法的初衷.针对此问题,提出一种基于非平衡有向网络的完全分布式凸优化算法(FDCOA).基于多智能体一致性理论和梯度跟踪技术,设计了一种非负余量迭代策略,使得FDCOA的控制步长收敛范围仅与智能体局部信息相关,进而实现控制步长的分布式设置.进一步分析了FDCOA在固定强连通和时变强连通网络情形下的收敛性.仿真结果表明本文构建的分布式控制步长选取方法对FDCOA在有向非平衡下的分布式凸优化问题是有效的.

基于动态事件触发策略和异步周期检测的分布式凸优化

本文研究了多智能体系统的优化问题,在局部成本函数可微并且强凸的条件下,提出了分布式凸优化算法,使得智能体的状态渐近收敛到全局最优点。为了节省系统的通信成本及降低系统的能量消耗,本文引入了积分型动态事件触发机制。不同于传统的周期检测,本文研究的事件检测具有异步性,即每个智能体基于自己的时钟周期地检查事件触发条件。当满足事件触发条件时,相应智能体及其邻居更新它们的控制输入。此外,由于事件触发时刻的最小时间间隔是检测周期h,Zeno行为可以很自然地被排除。最后,数值仿真验证了算法的有效性。

带集合约束的异构线性多智能体系统的分布式优化

研究了集合约束下异构线性多智能体系统的分布式优化问题。分布式优化的目标是最小化局部目标函数之和组成的全局目标函数,其中,每个智能体只知道其自身的目标函数。首先,针对多智能体系统的线性和异构性,通过智能体的自身状态和其邻居输出信息的反馈组合提出了一种全分布式优化算法,在集合约束下解决分布式凸优化问题。其次,局部目标函数的梯度除满足Lipschitz条件外,没有其他特殊限制,并且放宽了对矩阵秩的要求。该算法根据凸优化理论和李雅普诺夫函数法证明了智能体的状态可以渐近收敛到全局最优点。最后,通过数值仿真验证了理论结果的可行性和有效性。

具有通信时延的多个体分布式次梯度优化算法

文章研究了存在通信时延情况下的多个体分布式次梯度优化算法。通过系统扩维,将存在通信时延情形的优化问题转化为无时延情形的优化问题,同时所得通信网络对应的邻接矩阵是一个所有主对角元素不必全为正数的随机矩阵,从而弱化了已有文献关于邻接矩阵的若干假定;进而利用不可逆Markov链的相关结论,证明了只要通信时延有上界,则优化算法最终仍然收敛,并发现通信时延会造成较大的迭代误差;最后通过仿真算例验证了文中算法的有效性。

时滞多智能体网络中的Push-Sum分布式对偶平均算法研究

利用Push-Sum通信协议,结合分布式对偶平均方法,讨论了一类时滞多智能体网络中的分布式凸优化问题。提出了时滞的Push-Sum分布式对偶平均算法,并分析了算法的收敛性,得到算法的收敛率为O[(τ+1)~2/T^(1/2)]。这种算法可用于求解分布式优化问题,且不要求网络通讯矩阵是双随机的。

给定时间有向通信网络多无人机最优集结控制

为解决给定时间的多无人机(unmanned aerial vehicles,UAVs)最优集结问题,通过分布式优化的方法研究能够使多无人机在权重不平衡有向通信网络下按照给定时间范围内完成最优集结的控制算法。每架无人机都有其相应的局部目标函数,全局目标函数就是每架无人机所具有的局部目标函数之和,算法的目的就是通过分布式控制的方式,找到满足全局目标函数的最优集结点,采用时域映射的思想,将原本的给定时间下的集结问题转变为无限时域下的集结问题,并通过拉普拉斯零特征值下的左特征向量克服权重不均衡有向网络的不平衡性。结合凸分析理论和李雅普诺夫稳定性理论,验证了算法能够收敛到最优的解。仿真结果表明:不同出发点的无人机,在算法的控制下,均可以在给定时间内到达最优的集结点。

面向智能园区多产消者能量管理的对等模型(P2P)建模与优化运行

可交易能源系统基于市场运行机制可以充分发挥产消者的资源灵活性,并保障电力系统的安全,经济运行。针对含光伏(photovoltaic,PV)出力、储能装置(energy storage system,ESS)、电动汽车(electric vehicle,EV)以及空调(heating ventilating and air conditioning,HVAC)资源的多个产消者组成的智能园区为研究对象,首先对产消者资源灵活性进行整合与量化并根据交易流向进行解耦。其次,为确保园区交互平台中参与用户的信息安全,实现园区内电能共享、就地消纳,提出了基于次梯度法的成本最小化算法及其分布式凸优化运行框架。优化子问题可以通过有限的信息交互迭代收敛于全局最优解,实现产消者之间的P2P(peer-to-peer)电能交易,最后通过算例验证了所提模型的有效性。

求解经济调度问题的分布式加速优化算法

【目的】研究一类分布式约束优化问题,其中无向网络中的节点旨在求解一系列局部凸代价函数之和的最小值,每个节点只能访问自身的局部凸代价函数且每个节点的状态同时遵循局部边界约束和耦合等式约束。【方法】提出一种新的分布式加速原对偶算法,该算法将两种动量项引入到分布式梯度跟踪并采用不协调的步长。【结果】假设代价函数为平滑且强凸的,在最大步长和最大动量系数足够小且为正的情况下,算法能够线性地收敛到最优解。【结论】通过智能电网仿真实例验证了算法有效且分析过程正确。

多运动体分布式最优编队构型形成算法

针对分布式通信条件下的多运动体编队构型形成问题进行研究.考虑到个体的有限通信与感知能力,传统集中式求解算法无法适应实际需求,提出一种基于分布式交替映射凸优化的分布式时间最优编队构型形成算法,使得个体间仅依赖局部通信与局部计算实现编队构型的快速形成;将该问题建模为含有等式约束的分布式Minimax凸优化问题,提出基于虚拟等式约束函数的分布式交替映射凸优化算法实现求解;根据求解结果,各运动体采用RVO避障策略实现最优构型形成.针对含有100个运动体的最优编队构型形成问题进行仿真,验证了所提出算法的有效性.