一类有序化多移动机器人群集运动控制系统

群集运动控制(flocking control)是一种新型的多移动机器人运动协调控制, 目前的研究多集中于无leader模式下群集运动控制器的设计. 为此, 本文阐述了一类多移动机器人有序化群集运动系统控制方案及其性能评价方法. 首先, 在前人的研究基础上, 本文介绍了基于Agent的有序化编队控制机制; 然后, 运用非完整约束下移动机器人的动力学原理, 设计了由Agent到移动机器人的控制转化方法; 并进一步提出了基于“最小稳定时间”的群集运动分析法, 可对有序化群集运动系统进行分析; 最后, 运用仿真实例, 描述了多移动机器人有序化群集运动的控制及分析过程. 实验结果验证了此控制方案的有效性.     

多智能体时滞网络的加权平均一致性

提出了线性和非线性分布式协调控制器,使多智能体系统取得加权平均一致性.对于线性控制器,考虑网络存在通信时间延迟的情形,给出了能容忍的最大固定时滞的一个紧凑上界.考虑网络结点控制输入的有界约束,给出了一类非线性分布式控制器的收敛性分析.结果说明,网络的连通性是系统取得一致性的关键.最后对时滞网络的情形给出了仿真示例.     

非凸二次规划全局极小问题的新型分枝定界算法

针对求解多面集上二次函数的全局近似最优解问题,利用逐步缩小对偶间隙的处理办法,提出了一个新型分枝定界算法。新算法的主要改进之处是利用了Lagrange 对偶性获取下界。最后,用构造和随机产生的问题实例,对提出的新算法和传统的分枝定界算法做了初步的数值比较实验。计算实验表明算法对求解中大规模非凸二次规划问题的有效性。     

多智能体有向网络的加权平均一致性

对多智能体有向网络的一致性问题进行了研究。提出了加权平均一致性的新概念,基于一类分散协调控制器使多智能体网络在固定的网络拓扑取得全局渐近加权平均一致性。从理论上证明了有向网络的强连通性及一类称为平衡图的有向图在解决加权平均一致性问题中扮演着关键角色。最后,给出了一个仿真示例,对理论结果进行了验证。     

基于有向网络的智能群体群集运动控制

对具有二次积分动态的智能群体(flock/swarm),在有向网络取得群集运动(flocking/swarming)进行了研究．提出了一个分散控制方法对智能群体进行分散控制．用有向图模型表示智能体之间的相互作用及通信关系．对固定的网络拓扑,控制互连拓扑是固定的,时不变的,运用传统的LaSalle不变集原理,代数图论的有关技巧进行了稳定性分析,并得到以下主要结论:i)智能群体速度方向渐进收敛,并保持方向一致;ii)智能群体速度大小渐进收敛,并保持大小相等;iii)有邻接关系的智能体(Agent)之间没有碰撞发生;iv)智能群体的势场函数被最小化．理论分析显示,有向图的弱连通性及一种称为平衡图的有向图在系统的稳定性分析中扮演着关键角色．最后,给出了一个仿真例子对理论结果进行了验证．     

求解机组组合问题的改进型人工鱼群算法研究

提出了改进型人工鱼群算法。采用线性递减的函数取代标准人工鱼群算法（BAFSA）中的固定视野;在觅食行为中,利用粒子群算法（PSO）中的惯性权重线性递减的视野来加速算法的收敛速度;同时用混沌现象代替BAFSA中的随机现象。给出了算法的全局收敛性证明,并将算法应用于求解电力系统机组组合问题,分别对基准测试函数、三机组和十机组系统进行仿真计算,结果均表明新算法能有效跳出局部极值,收敛速度快且具有更高的精度。因此,改进型算法可以作为求解机组组合问题的有效算法。     

求解线性约束的二次规划神经网络学习新算法

提出了一种基于0.618法求解具有线性约束的二次规划问题的神经网络学习新算法。与已有的求解线性约束的二次规划问题的神经网络学习算法相比,该算法的适用范围更广,计算精度更高。其目的是为具有线性约束的二次规划问题的求解提供一种新方法。仿真实验验证了新算法的有效性。