基于模型参考的异构多智能体平均一致性

针对参数未知的异构线性多智能体系统,在无向或平衡有向网络下提出一种固定输出平均一致性协议,使得每个智能体的输出达到它们初始输出的平均值。首先,网络中每个智能体都被建模成阶数不同且相关度为1或2的未知线性系统,并根据自身及其邻居节点的输出更新其状态;其次,基于模型参考控制方法,对不同相关度的智能体定义相对应的模型;最后,提出一致性协议使每个智能体的输出收敛至其参考模型的输出,即达到固定输出平均一致。仿真实验利用了一个说明性的例子验证了所提协议的有效性和收敛性。

猩红热传播过程的建模研究

从机理建模和数据建模出发,结合猩红热2012~2017年发病率数据,分别建立了基于SIS模型近似解析解的改进模型,基于NAR神经网络的猩红热传染病预测模型,以及基于局部加权线性回归的猩红热传染病预测模型,用以描述猩红热的传播过程。运用所建立的三种模型分别对2018年1-6月份猩红热发病率进行预测,计算各模型误差以及和方差,得出相对于近似解析解模型,改进模型以及神经网络模型而言,局部加权线性回归模型能更加精确地描述猩红热传染病的发病趋势。