不确定Euler–Lagrange多智能体系统经验回放自适应蜂拥控制

针对具有可参数化线性回归的不确定项的Euler–Lagrange多智能体系统, 提出了一种基于经验回放的自适应蜂拥控制算法. 在系统模型中的不确定项可以被分解为已知的回归矩阵和未知的回归参数的情况下, 该算法通过在线辨识未知参数, 降低了传统自适应蜂拥控制算法中估计参数收敛对持续激励条件的要求, 可以有效地提高蜂拥系统的性能. 利用设计的滤波器, 在获得估计参数量与实际参数的误差信息的同时, 可以避免使用系统状态的导数信息. 本文设计的自适应律不仅保证系统达成蜂拥控制的目标, 还通过记录不同时刻的误差信息, 使得系统在满足间断激励的情况下, 保证估计参数收敛于实际值. 通过LaSalle不变集理论对算法进行了分析, 给出了理论证明. 仿真验证了该算法的有效性.     

四川成都破获微信假冒伪劣产品案

<正>新款澳洲UGG代购专柜同步版重磅出击……近一年来,微信朋友圈演变成购物圈,微商越来越多。李梅和王嘉也是其中一员,2014年3月两人合伙开了一家名为Vicky Studio的微商店,自称提供各种高仿的名牌奢侈品手袋、腕表、服装等。2014年12月17日,成都市温江区公安分局将两人抓获,在他们的仓库中发现了大量假冒奢侈品,涉案总金额接近40万元。30日,两人已被刑事拘留,这也是成都市首例微商贩卖假冒伪劣产品被刑拘的案例。     

基于移动障碍的MWSN节点协同转向避障方法

针对传统蜂拥控制模型协同避障的研究,笔者曾对其做出了改进,并加入了Steer to Avoid避障法则,通过仿真表明,它能够有效提高避开静止障碍的效率。该模型用于具有移动障碍的环境时,若障碍的运动方向与节点的判断方向同向,可能会与障碍物保持相对静止,从而大幅度降低避障效率。对Steer to Avoid进一步改进,提出一个新的针对移动障碍物的避障模型。当障碍物的运动趋势和节点的Steer to Avoid转向判断相同而且两者的速度较为接近时,节点将向着障碍物运动的相反方向运动。提出了对障碍物的移动预判。仿真实验结果表明,与传统两个模型相比,该模型在平均速率和时间效率上有显著提高,并且适用于避开未知的移动凸形障碍。     

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.     

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.     

无人机协同控制研究综述

无人机(UAV)协同控制是指一组UAV以机间通信为基础、群体智能为核心,合作分工完成某一共同任务的控制方式.UAV集群是拥有一定自主能力的大量UAV基于局部规则执行各项任务的多智能体系统,与单架UAV相比,UAV集群有着高效率、高灵活性和高可靠性等优点.针对近几年UAV协同控制技术的最新发展动态,首先,从民用和军事两个...     

基于蜂拥控制的移动传感器网络目标跟踪算法

针对移动传感器网络中的目标跟踪问题, 以及现有控制策略在保持网络拓扑结构连通性和降低能量消耗方面存在的不足, 提出一种基于蜂拥控制的移动传感器网络目标跟踪算法. 首先, 利用网络中部分节点检测目标, 并使用卡尔曼一致性滤波算法估计目标的状态, 在获得比较精确的估计状态的同时降低能量消耗; 然后, 在蜂拥控制下传感器网络始终保持拓扑结构连通性和目标对网络可见, 同时避免节点之间发生碰撞. 仿真结果验证了所提出算法的有效性.

     

基于虚拟领导者的多智能体蜂拥行为研究

蜂拥行为的产生来源于对飞鸟、鱼群、蚂蚁以及蜜蜂行为的研究,这些群体通过每个个体的局部信息交互而产生统一的觅食、迁徙、归巢等行为。多智能体的自组织行为促进了蜂拥行为在工程上的应用,包括大量在环境中移动的传感器、媒介的平行同步传输、军事任务中的侦查、监视和战斗协作。主要研究内容是具有虚拟领导者的多智能体蜂拥控制算法,分别对群体中只有一部分智能体具有引导信息和虚拟领导者具有变化速度的情况作了分析。通过个体之间的局部感知作用和相应的反应行为,使系统整体呈现一定的协调行为。     

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。