智能电网中面向隐私保护的数据聚合算法

随着智能电网(SG)的迅速发展,其安全和效率受到广泛关注.在SG中,居住区域内多个智能电表(SM)设备将感测数据传输至控制中心,使得用户数据需经过一些中间节点才到达控制中心.而通过挖掘用户相关数据(URD),攻击者能够窃取用户的习惯和行为,因此,需要保护用户的隐私.为此,提出面向隐私保护的数据聚合(PPDA)算法.PP...     

基于分布式多智能体系统的大学生心理健康预警算法

针对目前传统算法对大学生心理健康状态进行评估所得结果不准确等问题,提出了一种基于分布式多智能体系统的大学生心理健康预警算法.该算法通过心理数据采集、心理健康评估等智能体之间的协同、配合,完成了对大学生心理健康状态的预警.同时,为了提高预警结果的准确性与客观性,该预警算法在心理健康评估模块中引入了深度学习的人工智能计算技...     

时滞多智能体系统的平均一致性

考虑存在多个时变时延、马尔科夫随机切换拓扑等网络约束条件,给出了多智能体时滞网络系统平均一致收敛的充分条件。首先,利用状态分解将一致性问题转化为分析系统稳定的问题;其次,正交变化的使用,将最初的系统转化为一个降维的等价系统;最后采用构造李雅普诺夫泛函的方式分析了系统稳定性。仿真实例验证了方法的可行性和有效性。     

基于智能体状态的虚假信息注入攻击下多智能体系统一致性跟踪

本文针对基于智能体状态的虚假信息注入攻击,本文设计了自适应容错控制协议以使得多智能体系统能在虚假信息注入攻击下实现一致性。本文首先采用径向基神经网络来近似多智能体系统中未知的非线性部分,并设计了相应的自适应律来调整神经网络的参数。然后类似这些自适应律设计了新的自适应律来近似虚假信息注入攻击的参数,并基于这些近似值设计了容错控制协议控制协议。最后利用Lyapunov稳定性定理验证了此容错控制协议的收敛性并利用Matlab数值仿真案例验证了此容错控制协议的有效性。     

一阶离散多智能体系统分布式编队跟踪控制

研究了离散多智能体系统在固定有向拓扑中的分布式编队控制,同时假设此系统跟踪时变参考状态。首先,针对一阶系统设计了控制协议,给出了系统稳定时协议参数需满足的充要条件,仿真结果表明,跟踪误差与采样周期的上限成正比,也证明了所设计协议的有效性。     

DoS攻击下异质多智能体系统二分包含控制

为解决DoS攻击下智能体间不能正常通信的问题,研究了基于符号图的离散异质多智能体系统包含控制.首先,考虑跟随者状态不能在线获得的情况,构造分布式状态观测器;其次,在每个跟随者的控制器设计中加入历史时刻信息,提出分布式动态反馈控制方案,通过内外系统加强包含控制的约束条件,使得系统中的跟随者能够收敛到领导者形成的凸包中,解...     

基于周期事件触发的多智能体系统平均一致性

本文研究了一阶多智能体系统在固定无向连通拓扑下的平均一致性问题.为了减少多智能体系统的资源消耗,避免Zeno现象,本文提出了在离散时间下周期地对状态值进行采样的周期事件触发机制;同时为了减少智能体的控制输入更新次数,提出了一种新的事件触发条件.利用代数图论和李雅普诺夫理论,获得了多智能体系统达到平均一致性的充分条件.最后,仿真实例验证了该触发机制的有效性.     

未知输入下多智能体系统的分布式协同控制

针对具有未知领导者控制输入的双积分形式的二阶多智能体系统的有限时间分布式协同控制问题进行了研究。首先,为了快速、准确地估计领导者的控制输入信息,提出了一种新的基于双曲正切函数的有限时间跟踪微分器,并引入终端吸引子函数来消除抖振。其次,设计了一种基于含减速点的新型变速趋近律的有限时间跟踪控制律,系统在远离减速点时具有较快的收敛速度,在靠近减速点时能有效削弱抖振。在此控制律的作用下,跟随者利用所获得的控制输入信息,可以更好地实现对领导者的速度和位置跟踪。最后,仿真结果验证了所提算法的有效性。     

基于多智能体系统的故障诊断技术在智能电网中的应用

伴随着智能电网系统的升级换代,电网规模日趋庞大,电网结构愈加复杂,智能电网的故障诊断与继电保护技术越发显得重要。当大规模智能电网系统发生复杂或多重故障时,仅靠单个系统信息和单一诊断手段很难解决故障诊断问题。文中针对大规模智能电网的故障诊断技术,引入了人工智能领域中具有分布式智能特性的多智能体系统模型,通过分模块故障特征信息捕捉机制及区域智能体并行诊断和全局智能体总体诊断的分单元协调诊断机制,在全局信息基础上实现智能电网的故障诊断。仿真测试案例表明,基于多智能体系统的故障诊断技术有效而可靠,并且具有较好的实时监测应用价值。     

量化状态信息下多智能体Gossip算法及分布式优化

基于量化状态信息的异步随机Gossip算法大多以均匀选择概率的时间模型为基础,未充分考虑网络拓扑结构对局部信息传递的影响。为此,该文提出了一种以非均匀选择概率为时间模型的改进算法。首先给出了非均匀选择概率下的多智能体系统时间模型,在随机性量化策略下给出了一致性误差的收敛性质;并讨论了量化精度和概率化权重矩阵第2大特征值对一致性误差收敛速度的影响,进而利用投影次梯度给出了选择概率的分布式优化方法。仿真结果表明,该基于量化状态信息的算法可通过选择概率的分布式优化,提高一致性误差的收敛速度。     

多智能体系统设计的关键技术研究

关于Agent理论和多Agent系统的研究是近年来分布式人工智能领域的研究热点,阐述了多智能体系统的特点及设计多智能体系统需考虑的基本问题。着重讨论了多智能体系统体系结构、Agent结构、同构型Agent与异构型A-gent、多智能体系统规划、Agent学习、多智能体系统之间的通信和相互协作等问题。     

基于平均场内生奖励的多智能体强化学习算法

针对复杂的多智能体应用场景中只依靠根据最终目标设计的简单奖励函数无法对智能体学习策略做出有效引导的问题,提出了一种基于平均场内生奖励的多智能体强化学习(Model-based Multi-agent Mean-field Intrinsic Reward Upper Confidence Reinforcement Learning, M³IR-UCRL)算法。该算法在奖励函数中增加了内生奖励模块,用生成的内生奖励与定义任务的外部奖励一起帮助代表智能体在用平均场控制(Mean-Field Control, MFC)化简的多智能体系统中学习策略。智能体学习时首先按照期望累积内外奖励加权和的梯度方向更新策略参数,然后按照期望累积外部奖励的梯度方向更新内生奖励参数。仿真结果表明,相比于只用简单外部奖励引导智能体学习的(Model-based Multi-agent Mean-field Intrinsic Reward Upper Confidence Reinforcement Learning, M³-UCRL)算法,所提算法可以有效提高智能体...     

多智能体系统群集运动一致性控制分析

多智能体系统由于在微电网需求响应管理、无人驾驶飞行器控制、无人车控制等诸多工程领域中的应用而得到了广泛的关注.其中,多智能体系统的一致性是实现工程应用的理论基础.文章主要给出了多智能体系统的基本概述,并分析了多智能体系统群集运动的一致性控制问题.     

基于事件驱动的多智能体系统蜂拥控制

提出一种基于事件驱动的控制策略来研究多智能体系统的蜂拥行为。针对实际系统中相对速度信息难以连续交换的情况,设计了由事件驱动机制触发速度信息交互的控制算法。理论上证明了所设计的事件驱动策略能使系统实现稳定的蜂拥运动同时保持网络的连通性。最后,数值仿真验证了理论结果。     

二阶时变时滞多智能体系统快速一致性算法

针对多智能体系统的动态性能问题,本文对带有时变时滞的二阶多智能体系统快速收敛速度进行分析,提出快速收敛一致性算法.考虑智能体网络为无向拓扑图,时滞是具有上界且任意变化的.基于频域角度分析多智能体一致性,利用图论和矩阵论,将多智能体网络系统一致性转换为线性系统理论控制问题,结合小增益理论方法,分析系统的稳定性和连通性,并...     

一种基于统计的多智能体Q学习算法

针对非确定马尔可夫环境下的多智能体系统,提出了一种新的基于统计的多智能体Q学习算法,该算法将统计学习与增强学习有机结合,有效地解决了智能体环境部分感知、信息不确定以及其他智能体行为策略学习的问题,经RoboCup仿真实验证明该算法具有较强的自适应能力和学习效率。     

多智能体强化学习飞行路径规划算法

为了减轻现代空战中大量信息处理给飞行员带来的负担,同时为了实现无人机航路自主规划,提出了一种基于多智能体强化学习理论的飞行路径规划算法.该算法采用多智能体强化学习的方法,采用两个功能不同的智能体,分别对应局部和全局路径规划.该算法对状态和动作空间进行划分和抽象,有效地减少了状态的数量,解决了强化学习维数灾难的问题.最后用Matlab对此算法进行了数字仿真,验证了算法的可行性,仿真实验结果显示该算法收敛速度快,能够解决飞行路径规划的任务.     

隐私疲劳视角下的智能穿戴设备用户隐私信息保护行为与分析

随着智能化技术的不断发展和应用,可穿戴设备在人们生活中的应用逐渐增多,智能穿戴设备可以为用户提供不同的服务,满足多样化的服务需要。但这些智能穿戴设备采集信息的方式特殊,如定位、健康监测、智能眼睛等,智能穿戴设备在用户生活中的渗透加速,其会掌握一定的用户真实隐私信息,而在大数据时代,个人隐私信息的安全保护需求正在不断增长,大数据的发展让很多大众产生了隐私疲劳,但基于对个人信息隐私安全的考虑,对智能穿戴设备用户隐私信息保护行为进行分析,能够规范智能设备从而实现对用户信息的保护,加速行业规范与合法发展十分必要,这也是保护用户自身隐私信息的需要。