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.     

基于元胞自动机和"羊群行为"的单通道民航客机应急疏散仿真

为了仿真单通道客机应急疏散的情况,本文基于元胞自动机理论,将"羊群行为"作为变量加入到模型中,并考虑疏散人员年龄、性别、教育背景、职业情况、心理和坐飞机的次数,利用MATLAB软件建立客舱数字模型,仿真了在"羊群行为"影响下和无羊群行为影响下的疏散过程.发现在"羊群行为"影响下的模拟结果与实际情况更接近,从而完善了单通道应急疏散的仿真模型.     

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。     

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。     

基于迭代学习的部分非正则多智能体编队控制

针对一类具有任意初始状态的部分非正则多智能体系统,提出一种迭代学习控制算法.该算法将具有固定拓扑结构的多智能体编队控制问题转化为广义上的跟踪问题,即让领导者跟踪给定的期望轨迹,而跟随者要始终保持预定队形对某一智能体进行跟踪,并将该智能体作为自身的领导者.同时,为了使每个智能体在任意初始状态下都能按照期望队形进行编队,对每个智能体的初始状态设计迭代学习律,并从理论上对算法的收敛性进行严格证明,给出算法收敛的充分条件.所提出的算法对于各个智能体在任意初始位置条件下均能实现在有限时间区间内系统的稳定编队.最后,通过仿真算例进一步验证了所提出算法的有效性.     

复杂网络特性对大规模多智能体协同控制的影响

随着分布式多智能体系统应用领域和系统规模的不断扩大,网络特性已成为影响系统性能的一个重要因素.通过研究和分析复杂网络特性对大规模分布式多智能体系统协同控制的影响,对多智能体系统性能的影响做出系统性分析,同时为提出大规模多智能体组织结构的优化算法提供依据.主要针对随机网络、小世界网络、网格网络和无尺度网络这4种典型复杂网络特性,从理论和仿真两方面进行分析.在理论方面,通过基于马尔可夫链的信息传输过程在不同网络结构下的建模,对比分析了信息无偏随机游走模型和智能决策模型下的传输效率.在仿真建模中,主要从智能体间信息传输效率、不同应用领域中集成协同控制效率、对网络故障恢复的影响这3个典型的多智能体系统协同控制应用对比分析复杂网络特性对系统性能的影响.研究结果表明,复杂网络特性如小世界和无尺度特性可以在相同的控制策略下形成明显的性能差异,如果设计合理的控制算法,复杂网络结构将有助于多智能体系统性能的提升.     

利用方位角信息的移动机器人编队控制

本文以移动机器人为研究对象,仅利用方位角信息实现多智能体系统的编队控制.为实现大规模编队和队形的缩放控制,智能体被分为领航者、第1跟随者以及其余跟随者.首先,考虑智能体之间相对位置信息难以精确测量的情形,设计仅用方位角信息的估计算法获得准确的相对位置;然后,基于获得的相对位置信息设计第1跟随者的控制算法,使得第一跟随者与领航者之间的位置收敛到理想约束位置以控制整个队形的规模;接着,设计其余跟随者的控制算法使得各智能体之间的方位角达到理想约束角度,从而形成理想编队队形.最后通过数值和ROS仿真实验验证算法的有效性.     

多智能体系统中基于局部测量信息的目标定位

针对多智能体系统中的定位问题,设计一种在变拓扑网络条件下的分布式目标定位算法,使所有智能体实现目标的相对定位.假设智能体只能获取局部的测量信息并进行局部信息交换.算法包括成对智能体之间相互定位算法和基于一致性的目标定位融合算法,对算法的成立条件和收敛误差进行分析,并通过仿真实验验证所提出算法的有效性.     

基于多智能体的虚拟企业任务调度模型及优化

采用多智能体技术构建虚拟企业任务调度模型, 并对基于该模型的任务调度运作过程进行说明. 针对调度优化问题, 以资源智能体承担的生产任务为研究对象, 综合考虑生产任务之间的时序逻辑关系、作业时间及资源自身已确定的生产任务等影响因素, 建立以生产延续时间最小为目标的优化模型, 给出粒子群优化求解算法. 应用实例及数字仿真验证了模型及优化算法有效性.     

离散时间混合多智能体的拟平均一致性控制

为了研究混合一阶和二阶异质无向多智能体网络离散时间一致性问题,提出了固定和可变拓扑结构的多智能体网络的拟平均一致性协议.根据Lyapunov函数和代数图论,分析了多智能体网络的稳定性,表明在固定和可变拓扑结构的情况下,混合阶多智能体系统可以达到拟平均一致.对6个节点组成的4种不同的无向网络拓扑结构进行了仿真,结果显示了变拓扑离散时间异质多智能体网络的位置和速度均能达到拟平均一致.仿真结果表明,该算法对混合阶多智能体网络的拟平均一致性控制有效.