基于自适应滑模的不确定Euler-Lagrange多智能体系统抗扰动蜂拥控制

针对具有参数不确定性和未知外部扰动的Euler-Lagrange多智能体系统,设计一种基于自适应滑模控制的分布式蜂拥算法.该算法使用自适应滑模控制和自适应控制律分别补偿未知的外部扰动与模型中可线性参数化回归的不确定项,从而在实现蜂拥控制的同时,避免智能体对外部扰动先验知识的要求.理论分析表明,在多智能体达成蜂拥的同时,算法保证滑模的自适应增益有界.此外,所提出的算法同时考虑虚拟领导者追踪与基于目标区域的跟踪问题,并给出碰撞避免的条件.最后,通过算例仿真验证所提出算法的有效性.     

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.     

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。     

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.     

基于自适应精确罚函数的分布式资源分配算法

在多智能体系统中, 分布式资源分配问题是近年来研究热点之一. 分布式资源分配问题旨在通过智能体间信息交互实现资源最优配置. 其中智能体局部约束给算法设计带来巨大挑战. 首先, 针对一阶多智能体系统, 提出基于自适应精确罚函数的分布式资源分配算法, 其中各智能体利用距离函数实现局部约束求解. 此外, 自适应设计思想旨在避免算法对全局先验知识获取. 其次, 利用跟踪技术实现二阶多智能体系统算法设计. 并利用凸函数和非光滑分析法给出严谨的收敛性分析. 最后, 仿真结果验证了本文所设计优化算法对强凸分布式资源分配问题的有效性.     

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.     

不同时延的二阶多智能体系统的编队协调控制

多智能体的编队协调控制可以作为 CPS(Cyber-Physical Systems,信息物理系统)的一个实例.多智能体之间信息传输存在通信时延,每个智能体的信息处理存在输入时延,历史文献中提出的具有时延的编队协调控制算法只实现了一种队形的控制,且系统中每个智能体最后并没有定位到各自的目标位置.文中提出了另一种具有不同时延的编队协调控制器算法.本控制器算法考虑系统中每个智能体寻找目标位置的稳定部分,并在此部分考虑时延问题,最后使每个智能体从其初始位置移动到各自预先定义的目标位置,并且在每个智能体都到达各自的目标位置时,系统速度渐进一致为零.假设网络拓扑是静态有向连通图且存在一个有向生成树,应用频域分析理论和矩阵论,证明了使系统达到编队协调控制的分散式条件.仿真部分通过一个由四个智能体组成的系统的编队协调控制验证了文中研究结果的正确性     

基于鞍点法的自适应分布式资源分配算法

研究一类带有不等式约束为凸函数的多智能体系统分布式资源分配问题.在资源分配问题中,各智能体拥有仅自身可知的局部成本函数和局部凸不等式约束.分布式资源分配旨在如何利用智能体间的信息交互设计一种分布式优化算法,完成定量资源分配的同时还保证最小化全局成本函数.针对该问题,基于卡罗需-库恩-塔克条件和比例积分控制思想,首先提出一种自适应分布式优化算法,其中凸不等式约束的对偶变量可实现自适应获取;然后,为了降低系统的通信资源消耗,设计一种动态事件触发控制策略以实现离散时间通信的分布式资源分配算法;最后,通过数值仿真验证所设计算法的有效性.     

强化学习与自适应动态规划:从基础理论到多智能体系统中的应用进展综述

近年来,强化学习与自适应动态规划算法的迅猛发展及其在一系列挑战性问题(如大规模多智能体系统优化决策和最优协调控制问题)中的成功应用,使其逐渐成为人工智能、系统与控制和应用数学等领域的研究热点.鉴于此,首先简要介绍强化学习和自适应动态规划算法的基础知识和核心思想,在此基础上综述两类密切相关的算法在不同研究领域的发展历程,着重介绍其从应用于单个智能体(控制对象)序贯决策(最优控制)问题到多智能体系统序贯决策(最优协调控制)问题的发展脉络和研究进展.进一步,在简要介绍自适应动态规划算法的结构变化历程和由基于模型的离线规划到无模型的在线学习发展演进的基础上,综述自适应动态规划算法在多智能体系统最优协调控制问题中的研究进展.最后,给出多智能体强化学习算法和利用自适应动态规划求解多智能体系统最优协调控制问题研究中值得关注的一些挑战性课题.     

非平衡有向网络的完全分布式凸优化

分布式凸优化问题的目的是如何以分布式方法最小化局部智能体成本函数和,而现有分布式算法的控制步长选取依赖于系统智能体个数、伴随矩阵等全局性信息,有悖于分布式算法的初衷.针对此问题,提出一种基于非平衡有向网络的完全分布式凸优化算法(FDCOA).基于多智能体一致性理论和梯度跟踪技术,设计了一种非负余量迭代策略,使得FDCOA的控制步长收敛范围仅与智能体局部信息相关,进而实现控制步长的分布式设置.进一步分析了FDCOA在固定强连通和时变强连通网络情形下的收敛性.仿真结果表明本文构建的分布式控制步长选取方法对FDCOA在有向非平衡下的分布式凸优化问题是有效的.     

Dynamic target tracking and observing in a mobile sensor network

This paper presents novel approaches to (1) the problem of flocking control of a mobile sensor network to track and observe a moving target and (2) the problem of sensor splitting/merging to track and observe multiple targets in a dynamic fashion. First, to deal with complex environments when the mobile sensor network has to pass through a narrow space among obstacles, we propose an adaptive flocking control algorithm in which each sensor can cooperatively learn the network’s parameters to decide the network size in a decentralized fashion so that the connectivity, tracking performance and formation can be improved. Second, for multiple dynamic target tracking, a seed growing graph partition (SGGP) algorithm is proposed to solve the splitting/merging problem. To validate the adaptive flocking control we tested it and compared it with the regular flocking control algorithm. For multiple dynamic target tracking, to demonstrate the benefit of the SGGP algorithm in terms of total energy and time consumption when sensors split, we compared it with the random selection (RS) algorithm. Several experimental tests validate our theoretical results.     

多智能体多目标跟踪算法研究

研究了多智能体同时跟踪多个目标的群集算法,采用智能体的编号对目标数求余数的方法来确定各个智能体的跟踪目标。对于势场函数,根据智能体目标是否相同建立了两种势场函数,并在此基础上确定动态系统的控制输入,使相同目标的智能体在跟踪目标的过程中形成群集,而不同目标的智能体相互分离;用李亚普诺夫稳定性理论分析了算法的收敛性。仿真结果表明,所提算法可有效解决多目标跟踪问题。     

多源测量信息融合的弱点动目标跟踪算法

在复杂背景下,为提高微弱点动目标跟踪系统的抗干扰能力,从不同信噪比的多红外图像序列出发,基于新的融合跟踪结构（增加局部处理器）,提出了一种模糊逻辑的多源信息测量融合跟踪算法：各局部处理器对原始测量进行恒虚警和自适应检测,将判决后的测量送入融合中心,融合中心对测量作模糊逻辑判决融合,转化为虚拟单序列测量,采用PDA卡尔曼滤波算法跟踪。实验结果分析表明,该融合跟踪算法与单序列相比,具有较高的跟踪精度、稳定性,避免了单图像序列跟丢。     

视频序列中面向人的多目标跟踪算法

针对视频序列中人的跟踪问题，提出一种基于运动检测的多目标跟踪算法．跟踪系统由运动目标检测、关联矩阵建立、特殊情况判断及处理以及轨迹关联4部分构成．提出一种基于改进的c-均值聚类的自适应运动分割方法；不同情况下建立不同的关联矩阵，以准确判断实际场景状况；对遮挡问题作出处理，在两个目标遮挡不严重的情况下，分别采用均值漂移算法对其进行跟踪．实验结果表明，该算法具有较强的鲁棒性，能有效实现复杂场景下多目标跟踪．     

无线传感器网络分布式多目标跟踪算法研究

由于无线传感器网络的资源有限,集中式多目标跟踪算法在无线传感器网络多目标跟踪中受到限制.在无线声学传感器网络下,基于动态分簇结构,提出了一种分布式多目标跟踪算法.每个传感器的测量为来自单个目标或多个目标的声音信号和环境噪声的叠加.在跟踪过程中,每个目标对应于一个粒子滤波,当目标之间的距离较远时,进行单目标跟踪.当目标之...     

有向图中网络Euler-Lagrange系统的自适应协调跟踪

基于一致性理论, 在有向图中研究网络 Euler-Lagrange 系统的协调跟踪控制. 所有跟随智能体的动力学模型均为 Euler-Lagrange 方程. 在仅有部分跟随智能体能获取领航智能体信息的情形下, 同时考虑系统模型的参数不确定性, 设计分布式自适应控制律实现所有跟随智能体对领航智能体的跟踪. 针对领航智能体的运动状态, 考虑以下两种情形: 1) 领航智能体为固定点; 2) 领航智能体为动态点. 对第一种情形, 设计的控制律使得所有跟随智能体渐近交会于固定点; 对第二种情形, 首先对每个跟随智能体设计分布式连续估计器, 然后提出了分布式自适应控制律. 当每个跟随智能体均能获取领航智能体的加速度信息时, 设计的控制律能实现对领航智能体的渐近跟踪, 当跟随智能体不能获取领航智能体的加速度信息时, 跟踪误差是有界的. 最后通过仿真分析验证设计的控制算法是合理有效的.     

基于GHT的多目标检测自适应终止算法

针对广义霍夫变换（Generalized Hough transform,GHT）在多目标检测时存在的难以自适应终止的问题,提出基于霍夫空间局部峰值变化率的GHT多目标检测自适应终止算法。该算法主要依据待检测图像的霍夫空间中目标区域的局部峰值之间差异较小,而有目标区域与无目标区域的局部峰值之间差异较大的规律,使得GHT类算法可以自适应终止。该算法的主要步骤为：首先通过GHT算法获得目标在原始图像中的累计匹配分布,并对分布结果进行降序排序,再根据累计峰值的平均变化率自适应地检测出多个目标识别结果,并终止算法。实验表明,相对于传统算法,该算法在没有明显增加算法复杂度的情况下,能够准确地检测出图像中存在的多目标信息,并且能够实现多目标检测算法的自适应终止。     

Distributed adaptive flocking of robotic fish system with a leader of bounded unknown input

A distributed leader-follower flocking problem of multiple robotic fish governed by extended second-order unicycles is studied in this paper. The multi-agent system consists of only one leader with pre-appointed and bounded speeds. A distributed flocking algorithm on the basis of the combination of consensus and attractive/repulsive functions is investigated, in which adaptive strategy is adopted to compute the weight of the velocity coupling strengths. The proposed control algorithm enables followers to asymptotically track the leader’s varying velocities and approach the equilibrium distances with their neighbors. Furthermore, the arbitrarily-shaped formation flocking problem of the system can also be solved by adding the information of a desired formation topology to the potential function term. Finally, simulations are carried out to verify the effectiveness of the proposed theoretical results.     

分布式多传感器航迹融合算法与仿真分析

在多传感器目标跟踪问题中,利用信息融合技术可以有效的提高跟踪精度。但高精度的融合估计通常对计算、通信资源要求较高,而资源要求较低的融合方法其解通常又是次优的。自适应航迹融合算法的计算过程可以根据当前系统的特性和需求,依据融合决策树自适应地选定航迹融合算法。仿真结果表明自适应算法具有接近加权协方差算法的精度,而计算量则减少一半左右。