基于事件触发二阶多智能体系统的固定时间比例一致性

研究了在无向拓扑下, 由多个子群组成的二阶多智能体系统的固定时间比例一致性问题, 采用反推法设计了一种基于事件触发的固定时间非线性比例一致控制策略, 该策略包含分段式事件触发函数: 当智能体在追踪虚拟速度时, 给出了基于速度信息的触发条件; 当智能体速度与虚拟速度达到一致时, 切换至基于位置信息的触发条件, 可有效减少系统能量耗散及控制器更新频次. 通过在位置和速度状态上设置比例参数, 在固定时间内可实现不同子群智能体之间的比例一致. 利用代数图论、线性矩阵不等式以及Lyapunov稳定性理论, 证明在该控制策略下, 二阶多智能体系统能实现固定时间比例一致性, 且不存在Zeno行为. 最后, 仿真实例进一步验证了理论结果的有效性.     

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.     

具有通信时延的二阶多智能体系统有限时间一致性跟踪控制

针对具有通信时延的二阶多智能体系统的有限时间一致性控制问题,分别研究了具有固定拓扑和切换拓扑网络结构情形下的二阶多智能体系统的有限时间一致性。为使多智能体系统能在有限时间内可以达到一致,引入一致性控制增益矩阵并设计了相应的基于相对位置和相对速度的时延状态误差有限时间一致性控制算法,利用系统模型转换,泛函微分方程稳定性理论和有限时间Lyapunov稳定性定理得到了使系统在有限时间内达到一致跟踪的最大时延上界值。最后,仿真实验结果验证了所得理论的正确性和有效性。     

二阶多智能体系统采样控制的一致性

研究在固定拓扑和切换拓扑下,二阶多智能体系统通过采样控制的一致性问题。首先,对于固定拓扑,给出了二阶多智能体系统通过采样控制达到一致性的充要条件;其次,对于切换拓扑,在所有联合切换拓扑有生成树的前提下,建立基于控制参数和采样周期使二阶系统实现一致性的充分条件。最后,用数值仿真验证所给结论的有效性。     

基于间歇事件触发控制二阶多智能体网络的一致性*

针对二阶多智能体网络在无向连通拓扑结构下的间歇控制一致性问题,引入了合适的事件触发控制算法,该算法能够有效的减少控制器的更新次数。同时,模型中的每个智能体具有非线性项,使得多智能体网络更为实际。采用Lyapunov-Krasovskii泛函方法,对网络进行了一致性分析,给出了事件触发控制算法下二阶多智能体网络趋于一致的充分条件,得到了网络通讯间隔的要求,并排除了Zeno现象。最后,数值仿真结果进一步验证了理论分析的正确性。     

基于事件触发控制的二阶多智能体的一致性

研究二阶多智能体系统在固定有向拓扑下的一致性问题。为减少不必要的网络带宽资源的浪费,给出一种基于事件触发控制的一致性算法。该算法基于状态误差对系统中的所有个体建立事件触发函数,使得个体之间的信息通讯和控制信号更新仅在事件触发时刻进行。采用矩阵理论和模型变换思想对系统进行了分析和转化,并利用Lyapunov理论给出了系统达到渐近一致的充分条件。仿真结果验证了理论方案的有效性。     

二阶多智能体系统的线性广义一致性

首次针对二阶多智能体系统提出广义一致性的概念;然后探讨有向网络拓扑结构下的二阶多智能体系统的线性广义一致性问题.通过设计有效的控制协议,使用代数图论和稳定性理论,推导获得二阶的多智能体系统以及带有通信延迟的二阶系统实现线性广义一致性的充分且必要条件.结果表明,在有向网络中,耦合增益参数和拉普拉斯矩阵的特征值对达到广义一致起着关键作用;最后,数值仿真验证了结果的正确性.     

具有时滞的二阶多智能体系统的一致性分析

多智能体系统是由多个自主的智能体组成的集合,实现协调合作的首要条件就是各个多智能体达到一致.本文应用频域分析法研究了具有时滞的二阶定拓扑多智能体系统的一致性问题,得到了保证所有智能体状态达到一致的充分必要条件,并且给出了系统最大容许时滞与定拓扑图的Laplacian矩阵特征值之间的关系.最后,通过数值仿真验证了所得结论的有效性.     

事件触发控制下二阶多智能体的量化一致性

针对多智能体系统网络通信过程中信息需要量化的情况,研究了二阶多智能体系统在事件触发控制下的量化一致性。基于事件触发控制策略,提出一致性协议,并采用对数量化器对控制输入进行量化处理。利用Lyapunov稳定性理论,对系统进行一致性分析,得到了多智能体系统渐近趋于一致的充分条件。仿真结果说明了理论分析的有效性。     

分布式多业务系统信道分配算法

信道决策是认知无线电中的关键技术之一,近年来得到了广泛的研究。集中式算法是最常用的算法形式,但在认知无线电网络这种分布式系统中,集中式算法不易实现。基于Gale和Shapley的大学入学匹配理论,针对认知无线电信道的决策场景以及分布式组网特性,将多用户、多业务系统的信道分配问题建模为多对一匹配博弈,提出一种基于效用矩阵的分布式多用户多业务信道匹配算法。仿真表明,该算法收敛时间短,获得的效用与最优集中式算法接近,远优于随机接入算法。     

On Chromatic Sums and Distributed Resource Allocation

This paper studies an optimization problem that arises in the context of distributed resource allocation: Given a conflict graph that represents the competition of processors over resources, we seek an allocation under which no two jobs with conflicting requirements are executed simultaneously. Our objective is to minimize theaverage response timeof the system. In alternative formulation this is known as theMinimum Color Sum (MCS)problem (E. Kubicka and A. J. Schwenk, 1989. An introduction to chromatic sums,in“Proceedings of the ACM Computer Science Conference,” pp. 39–45.). We show that the algorithm based on finding iteratively a maximum independent set (MaxIS) is a 4-approximation to the MCS. This bound is tight to within a factor of 2. We give improved ratios for the classes of bipartite, bounded-degree, and line graphs. The bound generalizes to a 4ρ-approximation of MCS for classes of graphs for which the maximum independent set problem can be approximated within a factor ofρ. On the other hand, we show that ann^1−ε-approximation is NP-hard, for someε>0. For some instances of the resource allocation problem, such as theDining Philosophers, an efficient solution requiresedgecoloring of the conflict graph. We introduce theMinimum Edge Color Sum (MECS)problem which is shown to be NP-hard. We show that a 2-approximation to MECS(G) can be obtained distributively usingcompactcoloring withinO(log² n) communication rounds     

分布式实时系统中的预测调度算法

对于分布式实时系统中的周期性任务,人们提出了一系列静态分配调度算法,有效地解决了各种特定条件下的任务分配和调度问题.这些算法的主要特点是,它们均要求被调度任务的特征参数为已知条件.然而在很多实时系统中,周期性任务的运行时间或任务数量常常是一些具有一定规律的随机过程,因而上述静态算法的效能将受到限制.在分析了特定应用背景中的处理流程之后,抽象得到两类随机任务模型,针对这两类模型介绍了在分布式实时系统中已经得到应用的静态分配调度算法SAA(static allocation algorithms),进而提出了多任务分配调度的预测算法PAA(predicting allocation algorithm).它根据周期性任务执行时间或子任务数量的统计特性,实现任务参量的合理预测和多任务的动态调度,以提高系统的实时性能.仿真结果表明,对于两类任务模型,PAA算法与SAA算法相比,在任务完成时间、负载均衡度、系统响应时间及任务夭折率等多方面均有显著改善.     

基于YARN的分布式资源动态调度与协同分配系统

Storm on YARN是目前主流的分布式资源调度框架,但其存在需要人工干预和无法根据资源可用性实时调整系统资源的不足。根据流数据处理的实时延迟计算系统负载情况,在Storm平台上基于YARN设计分布式资源调度和协同分配系统。建立包含系统层和任务层的双层调度模型,系统层通过对流数据处理负载的实时监测进行资源分配预测,任务层利用ZooKeeper和YARN对集群资源的高效管理能力进行动态资源管理。实验结果表明,该系统可以实时调整集群资源分布,有效减小系统延迟。     

一种应用于混合格式VOD系统的QAM资源分配算法

在基于IPQAM的交互式视频点播系统中,QAM资源的分配是一项关键技术,直接决定了系统的性能.首先描述QAM资源分配问题,并建立了算法的基本模型.同时,给出算法的影响因子和性能指标.在此基础上提出一种新的资源分配算法.该算法将所有频点按照频点剩余带宽的大小分配到频点组中,在为业务请求选择频点时按照先选择频点组再选择频点的顺序搜索频点.仿真结果表明,该算法具有比Least、Most、Non-mixing和HD-threshold等算法更低的服务拒绝率,并在此基础上保证了一定的负载均衡性.     

Distributed Resource Allocation via Accelerated Saddle Point Dynamics

In this paper, accelerated saddle point dynamics is proposed for distributed resource allocation over a multi-agent network, which enables a hyper-exponential convergence rate. Specifically, an inertial fast-slow dynamical system with vanishing damping is introduced, based on which the distributed saddle point algorithm is designed. The dual variables are updated in two time scales, i.e., the fast manifold and the slow manifold. In the fast manifold, the consensus of the Lagrangian multipliers and the tracking of the constraints are pursued by the consensus protocol. In the slow manifold, the updating of the Lagrangian multipliers is accelerated by inertial terms. Hyper-exponential stability is defined to characterize a faster convergence of our proposed algorithm in comparison with conventional primal-dual algorithms for distributed resource allocation. The simulation of the application in the energy dispatch problem verifies the result, which demonstrates the fast convergence of the proposed saddle point dynamics.      

一种面向分布式深度学习系统的资源及批尺寸协同配置方法

如何在受限时间内满足深度学习模型的训练精度需求并最小化资源成本是分布式深度学习系统面临的一大挑战.资源和批尺寸超参数配置是优化模型训练精度及资源成本的主要方法.既有工作分别从计算效率和训练精度的角度,对资源及批尺寸超参数进行独立配置.然而,两类配置对于模型训练精度及资源成本的影响具有复杂的依赖关系,既有独立配置方法难以...     

CDN缓存资源分配的细胞优化算法

为了缓解Internet网络拥挤状况,提高用户访问网站的响应速度,从技术上解决由于网络带宽小、用户访问量大、网点分布不均等原因所造成的用户访问网站响应速度慢的问题,提出了一种新的缓存资源分配方法——细胞优化算法。该算法是模仿自然细胞系统功能的一种智能优化方法,其通过模拟细胞内部结构和原理,对细胞核、细胞质的浓度、细胞间的亲和度、细胞优化机制、细胞的动态演化过程建立数学模型。给出了算法的并行计算结构和步骤。最后,通过理论证明、仿真实验与同类算法的比较,验证了算法求解CDN缓,存资源分配问题的有效性。