改进APF的无人机编队避障最优一致性控制方法

针对传统人工势场(Artificial Potential Field,APF)解决避障问题时出现的局部极小值、目标不可达等缺点,提出了一种结合APF和具有协同避障效果的最优一致性控制方法。基于固定无向通信拓扑的双积分器无人机编队模型,引入具有避障代价函数的最优一致性控制协议,解决APF避障的局限性问题,同时对多无人机进行编队控制,使无人机编队控制系统的一致性性能指标、控制消耗性能指标和避障性能指标达到最优解。此外,通过对每架无人机构建虚拟斥力势场,防止在避障过程中出现机间碰撞。仿真结果表明,与改进APF的非最优一致性控制相比,本文提出的改进APF的最优一致性控制能够缩短任务用时32%,且能够极大程度上保持队形完整性,减少避障所造成的一致性消耗和控制损耗。

基于策略迭代的离散多智能体系统最优一致性控制研究

对于未知动力学的离散多智能体系统最优一致性控制问题,提出一种新颖的策略迭代算法,采用(hamilton-jacobi-bellman,HJB)方程解决多智能体系统的最优一致性控制问题.在实际应用中,由于多智能体系统具有复杂性和未知性,使完整的动力学模型无法获取,用一般的数学方法无法得到HJB方程的解.为克服这些困难,新方法借助强化学习,只需智能体与邻居间的状态信息误差,即可近似得到最优的控制策略,并给出策略迭代算法的收敛性证明,理论上证明了可解决未知多智能体系统的最优一致性控制问题.通过仿真试验证明:文中算法比传统的策略迭代算法更具有高效性.

基于最优一致性矩阵的灰色层次分析法研究

针对传统层次分析法中存在的专家难以把握评判尺度,一致性检验难以通过的问题,提出3标度法,建立专家判断矩阵,将专家判断矩阵转化为最优传递矩阵,最终转化为最优一致性矩阵,得到相对重要度,再与灰色系统理论相结合,对带有灰色、模糊性质的部分信息已知、部分信息未知的决策问题进行建模。以课堂活跃度评价作为具体实例,说明上述方法的应用过程,然后与传统灰色层次分析法以及同类方法进行对比。对比结果表明,将最优一致性矩阵应于灰色层次分析法专家就能够更准确地把握比较对象的重要性程度,同时简化了传统繁琐的一致性检验步骤。

基于强化学习的数据驱动多智能体系统最优一致性综述

多智能体系统因其在工程、社会科学和自然科学等多学科领域具有潜在、广泛的应用性,在过去的20年里引起了研究者的广泛关注。实现多智能体系统的一致性通常需要求解相关矩阵方程离线设计控制协议,这要求系统模型精确已知。然而,实际上多智能体系统具有大规模尺度、非线性耦合性特征,并且环境动态变化,使得系统精确建模非常困难,这给模型依赖的多智能体一致性控制协议设计带来了挑战。强化学习技术因其可以利用沿系统轨迹的测量数据实时学习控制问题的最优解,被广泛用于解决复杂系统最优控制和决策问题。综述了利用强化学习技术,采用数据驱动方式实时在线求解多智能体系统最优一致性控制问题的现有理论和方法,分别从连续和离散、同构和异构、抗干扰的鲁棒性等多个方面介绍了数据驱动的强化学习技术在多智能体系统最优一致性控制问题中的应用。最后讨论了基于数据驱动的多智能体系统最优一致性问题的未来研究方向。

基于最优一致性矩阵的层次分析法在顶板水害评价中的应用

针对"三图法"中传统层次分析法专家难以给出准确比较以及一致性检验较为复杂的问题,结合前人研究成果运用3标度法和最优一致性矩阵法的层次分析法代替"三图法"中的传统层次分析法。以漳村煤矿+480水平为例,运用"三图法"对顶板含水层的涌(突)水危险性进行综合评价,得到顶板涌(突)水危险性综合分区图,用于指导煤矿安全生产。

基于Q学习的异构多智能体系统最优一致性

对有领导者的异构离散多智能体系统的最优一致性问题,提出了一种无模型的基于非策略强化学习的控制协议设计方法。由于异构多智能体系统的状态矩阵不同,其局部邻居误差的动态表达式比较复杂。与现有的多智能体系统分布式控制方案相比,所提算法减少了计算的复杂性。首先,建立由增广变量构造的多智能体系统全局邻居误差动态表达式。其次,通过二次型形式的值函数得到耦合贝尔曼方程和Hamilton-Jacobi-Bellman(HJB)方程。再次,求解耦合HJB方程的最优解,得到多智能体最优一致性的纳什均衡解,并给出纳什均衡证明。从次,基于无模型的非策略Q学习算法,求解多智能体最优一致性的纳什均衡解。最后,利用批判神经网络结构,结合梯度下降法实现了所提出的算法,并通过仿真实例验证了算法的有效性。

微震监测中最优一致性时间同步算法研究

针对分布式微震监测系统对时间同步算法性能的较高需求,提出了一种分布式与结构式相结合的新型最优一致性时间同步算法(OCTS).根据微震监测系统的同步网络的特点,将OCTS算法设计为两个子过程:斜率一致性同步和基于无线传感器时间同步协议(TPSN)的相偏频偏联合简化估计.首先,采用了斜率一致性分析方法,将所有节点都同步到网络中时钟斜率最接近真实时间斜率1的节点的时钟上;然后,为了实现多矿区多系统的数据联合分析,在TPSN同步方法的基础上采用简化的极大似然估计方法实现相偏频偏的联合估计,将网络全局逻辑时钟同步到锚节点时钟上,保证多系统数据之间的时间有序性.实验结果验证了所提算法的有效性,证明了OCTS算法具有较强的鲁棒性、可扩展性及良好的同步精度,能适应微震监测系统所处的特殊环境.

基于actor-critic算法的分数阶多自主体系统最优主-从一致性控制

研究了分数阶多自主体系统的最优主-从一致性问题.在考虑控制器周期间歇的前提下,将分数阶微分的一阶近似逼近式、事件触发机制和强化学习中的actor-critic算法有机整合,设计了基于周期间歇事件触发策略的强化学习算法结构.最后,通过数值仿真实验证明了该算法的可行性和有效性.

区间互补判断矩阵一致性水平修正的离散化方法

为提高决策信息的可靠性,提出了一种改进区间互补判断矩阵个体一致性水平的离散调整方法.首先,针对互补判断矩阵给出一种启发式迭代算法用来识别、修改最不一致的偏好元素,改进其一致性水平.然后,基于最差一致性指标和最优一致性指标,把区间互补判断矩阵的一致性水平改进方法转化为两类互补判断矩阵的一致性水平改进方法.修正后的偏好取值属于最初的离散标度集,更易被决策者所接受.最后,通过与已有方法的对比分析,验证了所提出方法的有效性和适用性.

Heston模型下考虑工资风险和保费退还条款的DC型养老金时间一致性投资策略

DC型养老金投资者通常可以将保费投资于金融市场中无风险资产、风险资产及通胀指数化债券3种资产。在均值-方差准则下,为充分考虑市场风险因素和保障参保人利益,将通胀风险、波动风险、工资风险以及保费退还条款引入投资模型。利用博弈论思想和随机最优控制技术,通过求解一个扩展HJB方程组,得到最优时间一致性投资策略和有效前沿的解析表达。通过数值分析比较有、无保费退还条款两种情形下的最优投资策略。此外,分析了一些主要参数对最优投资策略和有效前沿的影响,给出了经济意义上的解释。

小波域L1范数最优解匹配处理(英文)

如何通过匹配地震数据提取更有价值的信息越来越受地球物理学家的关注。匹配滤波广泛的用于资料拼接、新老资料匹配、不同震源资料匹配、四维地震监测等重要领域。传统地匹配滤波方法受多方面的限制,难以克服噪声的影响。基于传统的匹配滤波,提出小波域内L1范数最优匹配处理。文中将两种不同类型的地震数据分解到小波域,利用L1范数稀疏解收敛性好和抗噪性强的特点,在小波域中针对各个不同的细节部分提取有效地震信号,再进行L1范数最优匹配。模型试算证明,经本文方法能有效地压制随机噪声,匹配后的数据在波形、振幅和相位一致性等方面较常规方法效果更好。实际资料处理结果也证实:小波域内L1范数最优匹配后的地震数据同相轴连续性更好,达到了高精度地震数据匹配的目标。

房地产救市可行性的经济学分析——兼评《关于促进房地产市场健康发展的若干意见》

为了研究地方政府在房价波动中所起的作用,采用经济学方法对地方政府的房地产救市动机进行分析。分析表明,诺思悖论的存在容易导致最优政策的时间不一致性问题的发生,使地方政府缺乏解决房地产市场所出现问题的真正动力,因此使中央政府颁布的《关于促进房地产市场健康发展的若干意见》所能产生的实际效果大打折扣。分析结果表明:要真正解决房地产市场存在的问题,必须借助规则、声誉、民意有效监督等措施制止地方政府的相机抉择行为的发生。

一类异构线性多智能体系统最优输出跟踪的分析与控制

研究了一类异构线性多智能体系统的最优输出跟踪问题.利用非零给定点调节器理论,通过引入适当的性能指标函数,得到了使所有智能体输出变量收敛到期望值的充分必要条件;并指出当个体输出矩阵为单位阵时,最优输出跟踪问题即转化为最优状态跟踪问题;在此基础上,将所得结果推广到了个体状态变量传输具有时滞的情形,得到了问题可解的充要条件,给出了时滞上界.同时,给出了系统实现动态输出跟踪的充分必要条件.利用所得结果,可以确定满足性能指标要求的信息交换拓扑和基于个体的控制器,从而为实现最优输出/状态跟踪的异构多智能体系统的设计提供了工具.仿真结果验证了所得结果的有效性.