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.     

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。     

基于k-shell分解的多智能体牵制控制算法

针对多智能体网络在牵制控制过程中存在的网络分裂现象,考虑到牵制节点选择对多智能体收敛速度的影响,提出一种基于k-shell分解的牵制控制算法.首先根据节点连通度划分子网;然后提出基于k-shell分解的牵制节点选择方法;最后完成多智能体的牵制控制.理论推导证明,采用该算法后整个智能体网络最终将形成一个子网.分析对比3种牵制控制算法,通过实验仿真结果验证所提出算法能够实现多智能体的一致性,有利于提高多智能体的收敛速度.     

基于社区分解的多智能体递阶一致性仿真研究

在多智能体系统的收敛速度一致性问题的研究中,传统的一致性算法一般都是在单层拓扑结构上讨论的.在设计边权数或者调整连接边实现提高系统的一致性收敛速度的过程中,针对类似的方法在很多情况下是受限制的.为了解决上述问题,提出一种社区分解的递阶一致性算法,采用社区分解方法对多智能体拓扑结构优化分解,进而将多智能体系统单层一致性问题转化为多层一致性问题,在维持原有拓扑结构约束的情况下提高系统的一致性收敛速度.针对一阶线性系统,通过与标准一致性算法的仿真比较,验证了改进算法的有效性.     

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.     

二阶多智能体系统量化蜂拥控制

针对在多智能体系统的通信网络中需要对交换信息进行量化的客观情况,研究基于量化信息的二阶多智能体系统蜂拥控制问题。首先,假设多智能体系统采用一致量化器对速度和位置信息进行量化,并且有一个虚拟领导者沿着固定方向匀速运动;然后,设计基于量化信息的多智能体蜂拥控制输入,并利用非平滑系统的Lyapunov稳定性判据和不变集原理证明系统的稳定性;最后,利用Matlab对多智能体系统在二维平面上的蜂拥运动进行仿真实验,仿真结果验证了理论分析的正确性。     

基于智能体的多目标社会进化算法

提出了一种基于智能体的多目标社会进化算法用以求解多目标优化问题(multiobjective optimization problems,简称MOPs),通过多智能体进化的思想来完成Pareto 解集的寻优过程.该方法定义可信任度来表示智能体间的历史活动信息,并据此确定智能体的邻域、控制智能体间的行为.针对多目标问题的特点,设计了3 个进化算子分别体现适者生存、弱肉强食、多样性原则以及自学习的特性.同时采用擂台赛法则构造Pareto 解的存储种群.仿真实验结果表明,该算法能够较好地收敛到Pareto 最优解集上,并且具有良好的多样性.另外,通过对智能体局部邻域环境建立方式的分析结果表明引入“关系网模型”可有效提高算法的收敛速度,并能在一定程度上提高解的质量.     

二阶多智能体系统参数自适应的有限时间一致性算法

目前二阶多智能体系统尚未明确给出自适应参数的确定方法,且系统的收敛速度较慢.为在实际应用中预测飞行器多智能体系统下一时刻的状态并提高收敛速度,提出一种参数自适应的一致性算法.将当前智能体间位置和速度的差值作为一致性协议的反馈参数,研究固定拓扑和切换拓扑情形下二阶多智能体系统的有限时间一致性问题,构造Lyapunov函数,同时利用LaSalle不变集原理和齐次理论,得到系统在有限时间内达到稳定的条件,实现对不同飞行器输入状态的自适应调节.仿真结果表明,该算法能够保证多智能体系统在有限时间内实现一致跟踪,且收敛速度较快.     

基于值分布的多智能体分布式深度强化学习算法

近年来深度强化学习在一系列顺序决策问题中取得了巨大的成功,使其为复杂高维的多智能体系统提供有效优化的决策策略成为可能.然而在复杂的多智能体场景中,现有的多智能体深度强化学习算法不仅收敛速度慢,而且算法的稳定性无法保证.本文提出了基于值分布的多智能体分布式深度确定性策略梯度算法(multi-agent distributed distributional deep deterministic policy gradient, MA-D4PG),将值分布的思想引入到多智能体场景中,保留预期回报完整的分布信息,使智能体能够获得更加稳定有效的学习信号;引入多步回报,提高算法的稳定性;引入了分布式数据生成框架将经验数据生成和网络更新解耦,从而可以充分利用计算资源,加快算法的收敛.实验证明,本文提出的算法在多个连续/离散控制的多智能体场景中均具有更好的稳定性和收敛速度,并且智能体的决策能力也得到了明显的增强.     

一种融合邻边属性的个人社交网络社区发现算法

针对传统智能进化社区发现算法通常存在弱化节点属性和容易过早收敛等问题,提出基于邻边属性群智能聚类的个人社交网络社区发现算法NLA/SCD。在融合邻边结构及其节点属性相似特性的基础上,定义社会蜘蛛优化算法的适应度函数,并将社区模块度增量作为算子迭代准则。在雌性和雄性个体的进化与交配过程中,利用适应度函数和模块度增量函数从局部和全局角度优化社区划分的寻优过程,以保持种群多样性并避免算法过早收敛。实验结果表明,NLA/SCD算法能有效识别属性信息多样的个人社交网络,且具有较高的运行速度和划分精度。     

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足,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。     

基于社区结构的复杂网络鲁棒性优化策略

为在复杂网络鲁棒性优化过程中尽可能保留网络初始社区结构,分析重连边策略对网络社区结构的影响,提出一种结合社区结构的复杂网络鲁棒性优化策略。采用Louvain算法确定复杂网络社区结构,利用模拟退火算法提升复杂网络中单个社区的内部鲁棒性,使用改进的智能重连边策略（Smart Rewiring）提升社区间的连接鲁棒性,并通过标准化互信息指标评价鲁棒性优化过程中社区结构的保留程度。在BA、WS和WU-PowerGrid网络中的实验结果表明,与Smart Rewiring和MA策略相比,该策略能在提升网络鲁棒性的同时尽可能保留网络初始社区结构。     

Existence,properties and trajectory specification of generalised multi-agent flocking

A class of flocking algorithms for second-order multi-agent networks with single virtual leaders are developed by including more weighting and navigating matrices in this paper. Flocking existence and properties under the generalised algorithms are investigated around control action boundedness, average trajectory, stability, controllability/observability and ultimate collision. Control significance and design principles of the algorithm matrices are summarised by means of Gronwall-type upper/lower bound inequalities. It is shown that multi-agent systems can form what we call the modified lattices such that flocking features in terms of convergence ratio, orientation, deformation, lattice scaling and subspace assignment can be manipulated with the algorithm matrices. Overall/local ultimate collisions due to dense initial aggregation and inadequate inter-agent distance evaluation are scrutinised. Moreover, by modelling the leader-average dynamics, the average transient/steady-state features of the multi-agent networks are expressed analytically and can be specified through the linear time-invariant (LTI) theory, say pole assignment, least quadratic regulation (LQR) and observer design. Numerical examples are included to verify the main results.     

Pinning control of complex networked systems: A decade after and beyond

In practice, directly control every node in a dynamical networked system with a huge number of nodes might be impossible or unnecessary; therefore, pinning control is a desirable approach. This paper surveys advances in pinning control approaches to making a dynamical networked system have a desired behavior. For a network with fixed topology, we review the feasibility, stability and effectiveness of pinning control. We then focus on pinning-based consensus and flocking control of mobile multi-agent networked systems. One of the main challenges with consensus and flocking control is that the topology of the corresponding dynamical network is time-varying, which depends on the states of all the agents in the network. Looking forward to the next decade, we expect to have a much deeper understanding of the relationship between the effectiveness of pinning control and the structural properties of a complex network, which may result in better control of large scale networked systems.     

结合拓扑势与信任度调整的重叠社区发现算法

现实世界中的复杂系统可建模为复杂网络,探究复杂网络中的社区发现算法对于分析复杂网络的拓扑结构和层次结构具有重要作用。早期研究通常将网络中的节点局限在一个社区中,但随着研究的深入发现社区结构呈现重叠特性。针对现有重叠社区发现算法存在划分社区结构不稳定、忽略节点交互和属性等问题,提出一种基于网络拓扑势与信任度调整的重叠社区发现算法。融合节点的属性和结构特征计算节点的拓扑势,依据节点的拓扑势选取核心节点。从核心节点出发构建初始社区群,计算各个社区间的调整信任度,实现社区的合并与再调整,从而识别重叠社区。在多个人工模拟网络和真实网络数据集上的实验结果表明,与基于贪婪派系扩张、种子扩张等的重叠社区发现算法相比,该算法将扩展模块度最高提升至0.719,能有效识别社区结构及重叠节点,提升重叠社区检测性能。     

可控网络中多Agent系统信念可达性和收敛速度分析

在可控网络中,利用多agent系统是网络控制的一种重要方法.在可控网络中,多agent系统中所有agent持有的信念必须在决策前达到与网络实际状态一致,即多agent系统的信念应具有可达性,是实现网络合理控制的基础.传统的基于agent行为的信念更新模型建模过程复杂,不适合在网络控制中直接分析多agent系统信念的可达性和收敛速度.基于传统的信念更新模型,提出了信念距离的概念,并在该概念的基础上提出了新的多agent系统信念距离更新模型,并证明了该模型的合理性.该模型对多agent系统信念距离更新过程加以描述,利用线性系统对多agent系统信念收敛过程进行描述,简化了对多agent系统信念可达性和收敛速度分析的复杂性.在该模型基础上,对网络控制中多agent系统信念可达性和收敛速度进行了分析,给出了判断多agent系统信念可达性的充要条件和收敛速度的上限.另外,针对全耦合网络和无标度网络两种复杂网络的特点,分别对两种网络下多agent系统信念可达性和收敛速度进行了讨论.提出的信念距离更新模型具有良好的适应性,为判断多agent系统的信念可达性提供了有力的工具.     

基于社团划分的复杂网络级联抗毁攻击策略

为研究在社团划分基础上复杂网络的级联抗毁攻击策略,采用节点及其邻居节点介数定义初始负荷,这种定义方式综合考虑了节点的信息,采用局部择优分配策略处理故障节点负荷,研究了网络耦合强度,WS(Watts-Strogatz)小世界网络、BA(Barabási-Albert)无标度网络、ER(Erds-Rényi)随机网络、局域世界(WL)网络在社团划分攻击策略下抗毁性,以及不同攻击策略下具有重叠和非重叠社团结构网络的抗毁性。仿真结果表明,网络的耦合强度与抗毁性成负相关;不同类型网络在快速分裂算法识别社团前提下,攻击介数最大节点时网络抗毁性最弱;具有重叠社团结构的网络在集团渗流算法（CPM）识别后,采用攻击重叠部分介数最大节点的策略时网络抗毁性最弱。结论表明采用社团划分的攻击策略可以最大规模破坏网络。     

Flocking of Multi-agent Systems with Unknown Nonlinear Dynamics and Heterogeneous Virtual Leader

This paper investigates the flocking control of multi-agent systems with unknown nonlinear dynamics while the virtual leader information is heterogeneous. The uncertain nonlinearity in the virtual leader information is considered, and the weaker constraint on the velocity information measurements is assumed. In addition, a bounded assumption on the unknown nonlinear dynamics is also considered. It is weaker than the Lipschitz condition adopted in the most flocking control methods. To avoid fragmentation, we construct a new potential function based on the penalty idea when the initial network is disconnected. A dynamical control law including a adjust parameter is designed to achieve the stable flocking. It is proven that the velocities of all agents approach to consensus and no collision happens between the mobile agents. Finally, several simulations verify the effectiveness of the new design, and indicate that the proposed method has high convergence and the broader applicability in practical applications with more stringent restrictions.