基于有向通信拓扑的高阶分布式一致性算法

为了提高有向通信拓扑下分布式一致性算法的收敛速度,提出了一种基于有向通信拓扑的高阶分布式一致性算法。该算法通过有向单跳通信,利用有向二跳邻接节点的前多步信息提高分布式一致性算法的收敛速度。对有向通信拓扑下该算法的收敛性能和收敛速度进行了分析和仿真比较。结果显示,该算法在满足一定条件下能收敛到初始状态的平均值,与其他同样利用二跳邻接节点信息的一致性算法相比,具有通信量小、收敛速度更快的特点,但是能容忍的最大通信延时变小。     

离散高阶分布式一致性算法

为了提高分布式一致性算法的收敛速度, 提出了一种离散高阶分布式一致性算法。该算法通过单跳通信, 利用二跳邻接节点的前多步信息来加速分布式一致性算法的收敛速度。对无向通信拓扑下该算法的收敛性能和收敛速度, 以及带通信延时的该算法的收敛性能进行了分析和仿真比较, 结果显示, 该算法在满足条件下能收敛到初始状态的平均值, 与同样利用二跳邻接节点信息的算法相比, 具有通信量小, 收敛速度更快的特点, 但是能容忍的通信延时变小。     

能量高效的无线传感器网络分布式分簇一致性滤波算法

针对无线传感器网络中节点能量有限的特点,利用分簇模型提出了一种新的能量高效的分布式卡尔曼一致性滤波算法.并结合图论、矩阵论对该算法进行了收敛分析,得出了分簇处理能加快系统的收敛速度,且能有效地减少节点间信息的传输量、缩短节点间的通信距离的结论.为进一步降低能量消耗,引入Gossip 算法用于处理簇头级网络信息的一致性问题.仿真分析表明,所提出的算法不仅具有优越的估计性能,而且能有效地减少节点能量消耗,延长无线传感器网络的寿命.     

传感器网络一致性分布式滤波算法

为了改善分布式传感器网络的估计性能,提出了一种基于状态预测一致的滤波算法.在对局部估计值进行一致化处理的基础上,重点研究了利用邻居节点前一时刻的估计值对当前局部状态预测值进行修正来提高估计精度.给出了一种一致性增益的选择方法,利用李雅普诺夫方法得到了算法收敛的充分条件,并讨论了影响算法收敛速度的因素.仿真结果表明了算法的有效性,并发现节点度较大的传感器在网络估计中发挥着重要作用,可通过调整这类节点的一致性系数来改善算法性能.     

采用超节点协同的多智能体系统一致性算法

针对如何提高多智能体系统达到一致性的收敛速度的问题,提出了一种采用超节点协同的多智能体系统一致性算法.新算法对多智能体系统建立图信号模型,在图中选出超节点进行协同,有效提高一致性收敛速度.首先利用单跳采样算法对图进行超节点的选取和局部集的划分,并对局部集内的节点进行一次协同.然后超节点之间进行边的连接得到粗化图,用粗化图的拉普拉斯矩阵特征值设计图滤波器的系数.最后超节点的信号经过图滤波器迭代达到平均值后,传输给其一阶邻居节点,使所有节点达到平均一致.仿真结果表明所提算法能够最终实现平均一致性,与现有方法相比,可以显著提高收敛速度,并减少计算量.     

通信时延下多智能体系统的安全一致性控制

研究了离散时间多智能体系统存在通信时延条件下的安全一致性问题.本文的目标是设计一种一致性控制算法能够使得网络中各正常智能体抵御敌对智能体的攻击并实现最终状态一致.该算法仅利用个体的自身状态和相邻个体的时延信息作为控制输入,并根据控制器参数、拓扑属性和通信时延,获得了所提算法实现收敛的充要条件.最后,通过仿真实例对理论结果进行了验证.     

带参改进一致性算法在多无人机集结任务的应用

多UAV集结是实现多UAV同时执行侦察和攻击任务的前提,是执行任务成功率最大化的根本保证；基于多智能体一致性理论的多UAV分布式协同控制已经广泛应用于多UAV协同作战中,通过一致性算法实现多UAV状态趋于一致；建立了多UAV集结问题的数学模型,基于协调变量和协调函数的分布式求解策略进行求解；改进了多智能体基本一致性算法和基于过去状态差值的一致性算法,提出了一种带参改进一致性算法,分析了算法的收敛条件；该算法提高了系统的收敛速度,缩短任务完成的时间；仿真实验验证了带参改进一致性算法的有效性和可行性。     

传感器网络中带有一致性策略的分布式H∞滤波:考虑一致性跟踪误差

现有的带有一致性策略的分布式 滤波方法包含两个步骤:与相邻传感器节点交互通信的一致性步骤, 以及本地滤波步骤. 本文分析了一致性跟踪误差对于本地估计误差的影响, 并针对此影响, 提出了新的分布式H∞滤波方法. 当采样周期中一致性迭代次数有限时, 本文提出的方法能够抑制一致性跟踪误差对本地估计误差的影响;当采样周期中一致性迭代次数趋于无穷, 即一致性跟踪误差收敛到零时, 本文提出的分布式算法中的本地滤波就等价于集中式滤波. 仿真表明了本文方法的有效性.     

多弹分布式协同末制导时间一致性研究

针对多弹同时击中目标的任务,利用图论与一致性理论分析研究了网络拓扑跳变时的分布式协同制导问题.建立了节点状态连续而拓扑状态离散的混杂系统模型,以描述期望导引时间的动态特性;进而指出,当跳变网络结构满足一定条件时,加权平均一致算法能使导弹群期颦导引时间全局渐近收敛于各弹期望导引时间的加权平均,并得到收敛速度下限.针对具有3种跳变通信结构的三弹协同攻击的仿真结果,显示了协同末制导时间一致性策略的有效性.     

机坪感知网络的快速收敛平均一致性时间同步算法

针对机坪感知网络（APSN）的传统平均一致性时间同步算法（ATS）因其分布式迭代特点而导致收敛速度慢、算法效率低的问题,基于代数连通度影响一致性算法收敛速度的原理,提出了一种可快速收敛的平均一致性时间同步算法（FCATS）。首先,在APSN内的双跳邻居节点间添加虚拟链路来增加网络的连通性;然后,基于单跳与双跳邻居节点信息对节点的相对时钟偏斜、逻辑时钟偏斜与偏移进行更新;最后,根据时钟参数更新过程进行一致性迭代。仿真结果表明,FCATS经过一致性迭代能够得到收敛,与ATS相比,在收敛速度上提升了50%左右,在不同拓扑条件下收敛速度能够提升20%以上,可见收敛速度得到了明显改善。     

异构网络环境下最大化谱间距的拓扑设计

分布式平均共识和去中心化机器学习是具有广泛应用的去中心化计算方法.两种方法的收敛率主要由拓扑的谱间距所决定.节点网络环境的异构性包括节点带宽和节点间连接可用性的不同.异构网络环境对去中心化计算的效率提出了挑战.本文研究异构网络环境下最大化谱间距的拓扑设计问题,推导了谱间距针对拓扑任一条边的梯度,并设计了基于该梯度的增删边算法来构建目标拓扑.构建的拓扑具有更大谱间距,且各节点的数据通信时间相近.拓扑构建算法的性能在不同程度的异构网络环境下能够保持稳定,且生成的拓扑在分布式共识中以更快的收敛率和更短的时间达到收敛.基于该算法,本文进一步验证了最新发现的谱间距与去中心化机器学习收敛率的弱相关性.     

组合控制协议增强多智能体系统一致性

针对离散时间下基于切换拓扑多智能体系统一致性问题,设计出一种基于约束集虚拟邻居选取分布式一致性协议。该协议中,智能体采用通信扇区机制构造出虚拟邻居作为控制协议输入进行状态演化,并设计智能体调整因子的取值方式。在此基础上,智能体通过约束集保持初始通信拓扑的连接边来保证系统的连通性。最后,理论分析与大量仿真实例结合,与经典模型进行比较,验证了新的一致性协议的有效性,表明其可增强系统一致性,减少系统收敛的簇,并提高系统的一致性收敛速度。     

面向物联网的改进PBFT共识算法

随着物联网的发展, 高效的共识算法是区块链技术应用于物联网的关键. 针对实用拜占庭容错 (practical Byzantine fault tolerance, PBFT)算法在物联网场景中通信次数多、未考虑共识功耗、共识时延高等问题, 本文提出了一种基于二分K均值算法的改进PBFT共识算法(binary K-means practical Byzantine fault tolerance algorithm, BK-PBFT). 首先, 获取节点地理坐标并计算节点综合评价值, 通过二分K均值算法将节点划分为一个双层多中心聚类集群. 然后, 先在下层集群再在上层集群对区块进行PBFT共识. 最后, 集群验证执行并存储区块, 完成共识. 此外, 本文证明了当节点均匀分布在每个簇时算法通信次数可以达到最少, 以及通信次数最少时的最优聚类数. 分析与仿真结果表明, 本文算法可以有效减少通信次数、降低共识功耗和共识时延.     

Consensus of single integrator multi-agent systems with directed topology and communication delays

In this paper, a distributed control scheme has been developed for consensus of single integrator multi-agent systems with directed fixed communication topology for arbitrarily large constant, time-varying or distributed communication delays. It is proved that the closed loop control system can reach consensus with an exponential convergence rate if and only if the topology is quasi-strongly connected. Simulation results are also provided to demonstrate the effectiveness of the proposed controller.     

基于多普勒测速的水下传感器时间同步算法

时间同步是水下传感器网络的关键技术,由于海洋中采用水声通信时传播时延高且存在多普勒频移,导致使用射频通信的陆上时间同步算法无法直接应用于水下环境。基于多普勒测速原理和节点在水下的移动性,提出一种新型的时间同步CD-Sync算法。利用具有聚类特性的分簇模型选择合理的簇首节点,并与水面信标节点进行簇内同步,且在同步过程中,同步节点利用多普勒原理估算节点间的相对移动速度,从而计算节点间的传播延迟。实验结果表明,与基于分簇时间同步MU-Sync算法和分布式时间同步NU-Sync算法相比,该算法可在缩短节点间距离并加快节点间同步收敛速度的同时,有效提高时间同步的精度。     

无线传感网中混合业务下的触发式流控制算法

无线传感器网络中,节点所具有的能量和通信能力等都十分有限,如何设计有效的协议及算法,利用有限的资源高效地完成诸多任务,成为无线传感器网络设计所面临的一大挑战.考虑接收容量模型,研究了无线传感器网络在节点接收容量和能量联合受限情况下,面向混合业务时的效用公平流控制问题,并针对传统对偶分解算法存在着收敛速度慢、步长不易调节、通信负荷大等缺陷,进一步提出了基于事件触发的分布式求解算法.理论分析与仿真验证均表明:使用事件触发算法时,传感节点的平均广播周期比使用对偶分解算法时大很多,大幅度降低了无线传感器网络节点间的通信量,减少了网络的通信开销.仿真结果显示:与对偶分解算法相比,分布式事件触发算法具有收敛速度快、对网络规模扩展的适应性强等优势;与传统的速率公平流控制机制相比,所提的效用公平流控制模型能够更加适应弹性与非弹性业务共存的网络场景.     

协作通信最优功率分配算法

为了提高协作通信系统的能量利用率,降低系统的误符号率,提出了基于差分演化算法的协作通信最优功率分配算法.建立了多中继转发放大协作通信系统的模型,给出该模型下误符号率的表达式.在此基础上,提出了一种新的差分演化算法来求解最小误符号率时的源节点和各中继节点的最优功率分配.仿真实验结果表明,与等功率分配算法相比,在相同的条件下,新算法能够取得更低的误符号率,显著地提高了协作通信系统的性能.     

Event-Triggered Differentially Private Average Consensus for Multi-agent Network

This paper investigates the differentially private problem of the average consensus for a class of discrete-time multi-agent network systems (MANSs). Based on the MANSs, a new distributed differentially private consensus algorithm (DPCA) is developed. To avoid continuous communication between neighboring agents, a kind of intermittent communication strategy depending on an event-triggered function is established in our DPCA. Based on our algorithm, we carry out the detailed analysis including its convergence, its accuracy, its privacy and the trade-off between the accuracy and the privacy level, respectively. It is found that our algorithm preserves the privacy of initial states of all agents in the whole process of consensus computation. The trade-off motivates us to find the best achievable accuracy of our algorithm under the free parameters and the fixed privacy level. Finally, numerical experiment results testify the validity of our theoretical analysis.