[发明专利]基于符号函数的多智能体系统的分布式广义跟踪方法

说明书

本发明提供一种基于符号函数的多智能体系统的分布式广义跟踪方法，涉及控制和信息技术领域。该方法首先构造描述多智能体系统的网络结构图，并确定该拓扑结构的邻接矩阵；建立多智能体系统的状态方程；定义描述智能体所要跟踪的时变参考信号函数值的目标函数；根据多智能体的系统邻接矩阵、状态方程和目标函数设计分布式算法；设定多智能体系统中各智能体的初始状态信息与时变参考信号信息，运行设计的分布式算法，控制每个智能体跟踪上一组时变参考信号的某一函数值；根据运行结果不断修正分布式算法，直至达到控制目标。本发明方法使得智能体系统中所有智能体可以独立地执行任务，并且在仅使用局部信息的情况下跟踪一组时变参考信号的函数值。

技术领域

本发明涉及控制和信息技术领域，尤其涉及一种基于符号函数的多智能体系统的分布式广义跟踪方法。

背景技术

多智能体系统是由多个相互耦合的智能体组成的集合，每个智能体具备一定的自主性，并能通过感知周围的环境与其他智能体进行通讯。在大型系统中使用多智能体系统技术具有明显的优势。首先，由于具备并行感知和执行的能力，多智能体系统具有更快的操作速度和更高的执行效率；其次，当一个或多个智能体出故障时，系统正常退化，从而提高了系统的可靠性和鲁棒性；再次，多智能体系统可以在必要的时候增加智能体，从而具备可扩展性和灵活性；最后，由多个简单的智能体构成的系统其成本远低于单个集中式的复杂系统。多智能体系统因为具备上述优势，已经在军事、交通、电力等诸多领域得到广泛应用。

近年来，多智能体系统的分布式协同控制已经成为控制领域研究的一个热点，研究内容越来越丰富，主要涉及的问题包含一致性、协调跟踪、编队控制、分布式优化、分布式平均跟踪等。其中分布式平均跟踪也被称为“动态平均一致性”，其核心是对系统中的智能体设计分布式算法，使得所有智能体可以独立地执行任务，并且在仅使用局部信息的情况下跟踪一组时变参考信号的平均值。利用分布式平均跟踪技术可以估计复杂系统的参数，在多核微处理器的任务迁移、分布式优化、编队控制等领域中具有广泛的应用价值。然而，在某些应用场景下，我们希望智能体跟踪的不再是时变参考信号的平均值，而是其他的数学特征，比如时变参考信号的中值、最值、均方根等等这些函数，而在现有的技术框架下无法实现上述复杂的跟踪任务。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于符号函数的多智能体系统的分布式广义跟踪方法，用于实现所有多智能体能够跟踪上一组时变参考信号的某一函数值。

为解决上述技术问题，本发明所采取的技术方案是：基于符号函数的多智能体系统的分布式广义跟踪方法，包括以下步骤：

步骤1：构造描述多智能体系统的网络结构图，结构图中每个节点代表一个智能体，每条边代表智能体间的信息交互；

所述构造的多智能体网络结构图是无向图，记为：G＝{V，E(t)}，其中，表示节点的集合，n为无向图中节点总数，也即多智能体系统中智能体的个数，表示边的集合，N_j(t)表示无向图中节点j邻居节点的集合，且j≠i，t表示时间；因为构造的图是无向图，所以若i的邻居节点j∈N_i成立，则得i∈N_j；如果i∈N_j，则称节点i为父节点，节点j为子节点；

步骤2：确定步骤1所构造多智能体系统网络拓扑结构的邻接矩阵；

确定所构造多智能体网络结构图的邻接矩阵，如下公式所示：

其中，A为多智能体网络结构图的邻接矩阵，邻接矩阵中的元素a_ij代表节点i，j之间边的权重值，如果节点i，j之间有边相连，则有a_ij＞0；如果节点i，j之间没有边相连，则有a_ij＝0，对无向图存在a_ij＝a_ji；

步骤3：建立多智能体系统的状态方程；