复杂网络上多智能体系统的一致性研究

如何有效提高多智能体系统的一致性收敛速度是一致性问题中的一个重要研究内容。一致性收敛速度可通过拉普拉斯矩阵的最小非零特征值来衡量,文中通过计算机仿真发现,对于不同的复杂网络模型,影响其一致性收敛速度的因素也不同。提高网络一致性收敛速度的具体方法是:在最近邻耦合网络中,减少节点数N或增大耦合数K;在NW小世界网络中,增加节点数N或者增大随机化加边概率p,因为收敛速度与二者具有良好的线性关系;在Waxman随机图网络中,增加节点数N或增大其模型中的参数α和β,当β增大时,收敛速度整体上呈线性增长,但会出现较小的波动。该研究结果对优化多智能体网络的一致性收敛速度有一定的指导作用。