邻域交互结构优化的多智能体快速蜂拥控制算法

针对多智能体系统在动态演化过程中容易出现的"局部聚集"现象,融合复杂网络中的拓扑结构优化理论与多智能体系统协调蜂拥控制研究,提出了一种基于邻域交互结构优化的多智能体快速蜂拥控制算法.该算法首先从宏观上分析多智能体的局部聚集现象,利用社团划分算法将局部相对密集的多个智能体聚类成一个社团,整个多智能体系统可以划分成多个相对稀疏的社团,并为每个社团选择度最大的个体作为信息智能体,该个体可以获知虚拟领导者信息;随后从多智能体系统中不同社团相邻个体间的局部交互结构入手,取消社团间相邻个体的交互作用,设计仅依赖于社团内部邻居个体交互作用的蜂拥控制律;理论分析表明,只要每个社团存在一个信息智能体,在虚拟领导者的引导作用下,整个多智能体系统就可以实现收敛的蜂拥控制行为;仿真实验也证实了对多智能体系统进行邻域交互结构优化可以有效提高整个系统的收敛速度.

带有未知参数和通讯时延的多智能体蜂拥控制

模拟自然界蜂拥现象的蜂拥控制是多智能体协同控制中的一个重要问题。针对带有未知参数的复杂多智能体系统研究其蜂拥控制策略,并且考虑了蜂拥过程中存在通讯时变时延的情况。采用参数自适应控制方法,给出了带有未知参数和通讯时延的多智能体系统分布式自适应控制器;依据代数图知识和Lyapunov定理,对建立的多智能体分布式控制系统进行了稳定性分析。理论分析结果表明,在分布式自适应控制作用下,带有未知参数和通讯时延的多智能体系统能够很好地达到蜂拥状态;数值仿真结果也验证了该蜂拥控制算法的有效性。

基于Levy飞行的蜂拥控制算法在目标跟踪中的应用

为解决较大区域内移动智能体对目标的跟踪问题,提高收敛速度,优化跟踪效果,提出基于Levy飞行的蜂拥控制算法。利用Levy飞行的特性,在移动智能体群体中加入搜索智能体,采用Levy飞行策略对目标进行搜索,智能体根据周围邻居和所能感知到的目标信息调整自身运动。仿真验证表明:与不具有搜索智能体的蜂拥控制算法相比,该模型搜索目标的速度更快,跟踪效果更好,适用于大区域内移动智能体的目标跟踪。

群体系统蜂拥控制理论及应用研究进展

群体系统蜂拥控制研究近年来受到了国内外众多领域高度重视,目前主要借鉴生物学领域关于群体蜂拥行为的研究成果,集中在个体之间交互形成的网络拓扑结构已知条件下的控制问题,分析了群体系统蜂拥控制研究的几个发展阶段,总结了群体蜂拥行为的理论研究趋势及其在工程领域中的应用研究现状,并指出了今后的发展方向。

多目标跟踪蜂拥控制算法研究与仿真

针对蜂拥控制算法在多目标跟踪问题中的应用,提出了多目标跟踪蜂拥控制算法。假设智能体不确定具有目标信息,通过Lyapunov稳定性理论,分析了使系统稳定的条件,给出了稳定状态的形式。并证明了如果智能体被预先指定了跟踪的目标,则每个群体达到蜂拥,并且不发生碰撞。对不同的网络初始连通性和两种目标运动模式分别作了仿真,证明了算法的有效性。

目标跟踪中基于智能体激活策略的蜂拥控制研究与仿真

在目标跟踪中,考虑到智能体在性能和能源方面受到的限制,以及系统跟踪效果的要求,提出了四类智能体的激活策略。系统在初始状态下静止,根据激活策略的要求有条件地激活智能体,对目标进行跟踪。研究比较了不同激活策略对速度匹配、聚合以及跟踪效果的影响。仿真结果表明,激活策略能够优化系统速度匹配性能,对实际应用具有借鉴意义。

一种多智能体自适应蜂拥控制算法

提出一种自适应速度策略提高蜂拥行为,使智能体在运行途中不仅能自适应地改变速度的方向,而且能自适应改变速度的大小。通过计算机仿真证明了算法的有效性。

考虑通信延迟的卫星集群改进蜂拥控制

针对卫星集群的无碰撞协同运动问题,提出了一种改进的蜂拥控制策略。首先,结合Prim算法和广度优先算法设计了一种计算度、半径约束最小生成树的拓扑优化方法,并将优化结果作为星群的通信拓扑。该方法不仅能够节省每个卫星的通信资源,还能够减少星群网络的通信延迟。随后,为提高参考轨迹生成的快速性,采用基于傅里叶级数的形状曲线逼近法对主星参考轨迹进行规划。在此基础之上,提出了一种考虑通信延迟与碰撞规避的蜂拥控制策略,使星群能够在保证通信连通性的前提下沿参考轨迹运动到目标点附近,并且在运动过程中不发生碰撞。经过理论分析,利用Lyapunov-Razumikhin定理证明了卫星集群系统能够达到渐近稳定。最后,通过数值仿真验证了所提控制策略的正确性和有效性。

仅用位置信息的多智能体自适应蜂拥控制

复杂系统的研究中,提出了自适应调节的多智能体蜂拥控制算法。算法首先通过改进人工势函数来保证网络的连通性。再通过构造分布式观测器,用多智能体之间的位置信息来估计多智能体之间的速度信息;同时对观测器权重参数进行自适应调节来降低蜂拥控制模型的参数不确定性的影响。并且从理论上对算法进行了分析,然后给出计算机仿真,证明了算法的有效性。仿真结果表明,上述算法能够使多智能体经过一定时间的调整达到速度一致并进入稳态,且运动过程中保证网络连通性。

双机器人自适应蜂拥控制研究

开展机移动机器人相关的研究工作必须要十分关注路径规划问题。路径规划是指的机器人要按照命令和对周围环境信息的感知来自动寻找路径,躲过其他物体,完成工作要求。路径规划水平的高低标志着移动机器人是否高度智能化,是其能够实现命令要求的安全屏障,同时构成了人工智能和机器人技术的交叉点。

基于位置信息的混合多智能体蜂拥控制方法

目前,很多蜂拥控制算法都是基于智能体通信半径为一个固定的值且既考虑多智能体之间的相对位置,又考虑它们的相对速度来设计的,然而,实际的情况往往不会有那么理想。文中试图在基于通信半径不同的混合多智能体控制策略的设计过程中减少考虑的控制因素的个数(只考虑位置信息),提出一种分布式的控制算法。此控制算法能实现多智能体跟随一个速度固定的虚拟领航者,形成聚合、无碰撞的队列。给出了算法的可行性理论分析,并针对20个智能体跟踪一个速度固定的虚拟领导者的情形给出了计算机仿真,用以验证算法的可行性。

具有伪领导者的多智能体系统动态牵制蜂拥控制算法

研究了具有切换拓扑和一般二阶系统的多智能体系统蜂拥控制问题.对于一组没有任何领导者的多智能体系统,首先定义每个智能体都有一个评价指标,选择评价指标最低的智能体作为整个智能体网络的临时领导者,称为伪领导者,再采用动态牵制策略保持整个智能体网络的连通性.其次,利用LaSalle不变性原理证明了所提出的算法可以保证所有智能体最终以相同的速度渐进移动并且智能体之间不会发生碰撞.最后,数值仿真结果表明该算法的稳定性和有效性.

具有时变通信延迟的多智能体系统改进蜂拥控制

针对不确定非线性二阶多智能体系统中存在的时变通信时延和未知干扰问题,提出了一种鲁棒自适应蜂拥控制规律。为了使二阶多智能体系统能够具有更好的抗干扰能力,设计了基于智能体位置状态信息和速度状态信息的鲁棒自适应算子,实现了系统在时变通信时延扰动下的分布控制。通过使用Lyapunov-Krasovskii方法构造能量函数,证明了多智能体系统的网络连通性,智能体的速度收敛于虚拟领导者的速度,并给出了具有时变通信时延的多智能体系统收敛条件。仿真实验结果表明,在不同干扰强度和不同通信时延下系统均能实现快速收敛,形成稳定的拓扑结构,证明所提方法正确有效。

双类型多智能体蜂拥控制目标跟踪算法

针对由两类智能体组成的系统,设计了一种基于蜂拥控制的双类型多智能体目标跟踪算法,能够实现不同种类智能体间的特定跟随,以及对移动目标的跟踪。首先,在经典蜂拥控制方法的基础上,设计了两类智能体组成的系统,分析了智能体的异同,确定了智能体间的跟踪关系,以及智能体间的相互作用力;其次,设计了排斥势能函数,并对两类智能体分别构造了控制输入,使所有智能体能够保持与目标相同的速度并稳定跟踪;最后,通过Lyapunov稳定性方法对该算法进行了分析,给出了理论证明。仿真验证表明了该方法的有效性。

不确定Euler-Lagrange多智能体系统经验回放自适应蜂拥控制

针对具有可参数化线性回归的不确定项的Euler-Lagrange多智能体系统,提出了一种基于经验回放的自适应蜂拥控制算法.在系统模型中的不确定项可以被分解为已知的回归矩阵和未知的回归参数的情况下,该算法通过在线辨识未知参数,降低了传统自适应蜂拥控制算法中估计参数收敛对持续激励条件的要求,可以有效地提高蜂拥系统的性能.利用设计的滤波器,在获得估计参数量与实际参数的误差信息的同时,可以避免使用系统状态的导数信息.本文设计的自适应律不仅保证系统达成蜂拥控制的目标,还通过记录不同时刻的误差信息,使得系统在满足间断激励的情况下,保证估计参数收敛于实际值.通过LaSalle不变集理论对算法进行了分析,给出了理论证明.仿真验证了该算法的有效性.

部分具有引导信息的多领导者蜂拥控制算法

为了解决多领导者蜂拥控制系统中不具有目标引导信息的智能体目标跟踪丢失的问题,优化跟踪结果,提出了基于连通分支的多领导者蜂拥控制算法。通过连通分支使智能体能够获得分支内其他智能体位置和速度,得到位置和速度质心作为内聚项,加强其跟踪能力。仿真验证表明:与传统的蜂拥控制算法相比,该算法能够加强智能体的跟踪能力,能够更快地跟踪上目标,适用于多个领导者的多智能体蜂拥控制系统中。

具有复杂障碍物的多智能体蜂拥控制算法

本文研究具有切换拓扑网络的一般二阶多智能体系统蜂拥控制算法,当多智能体系统在遇到复杂障碍物时,引入了一种新的虚拟智能体产生一个切向排斥力,使得多智能体系统能够更光滑的通过障碍物。同时,采用动态牵制策略控制整个网络的连通性,确保多智能体系统能够达到蜂拥状态且智能体之间不发生碰撞。最后给出了一些数值模拟结果,证实了算法的有效性。

基于异质网络的蜂拥控制研究

提出了异质影响半径的概念,对Olfati的人工势函数进行改造,使其能够应用于异质网络。研究了智能体的影响半径不同时对蜂拥控制网络的影响。研究结果表明:当智能体影响半径服从幂律分布时,随着幂律指数的减小,网络的异质性增强,也更容易达到蜂拥状态;当网络的异质性很强时,只需要通过控制极少数感知半径大的智能体,就可以很好地控制整个多智能体系统。

基于局部估计的功率驱动多智能体网络牵制蜂拥控制算法

针对复杂功率驱动系统控制中现有牵制控制策略在保持拓扑结构连通性和降低功率消耗方面存在的不是,提出一种基于局部估计的功率驱动多智能体网络的牵制蜂拥控制算法.该算法首先利用幂迭代一致估计算法动态估计多智能体网络的代数连通度;然后根据代数连通度的局部估计值及最大功率约束自适应调整个体发射半径,以保持多智能体网络在演化过程中拓扑结构的连通性,并有效降低功率消耗;最后通过仿真实验验证了所提出控制算法的有效性.

基于社团划分的多智能体蜂拥控制算法

提出一种基于社团划分的蜂拥控制算法来保持多智能体网的连通性.首先基于层次聚类算法将多智能体网络划分成若干个社团;其次提出一种节点重要度评估算法,选出每个社团中最重要的节点作为信息智能体;并进一步提出通过保持社团连通性以实现整个多智能体网络在演化过程始终连通的控制算法.理论分析和仿真实验证明了本文算法的有效性.