基于子图处理的多智能体系统一致性问题的优化方法技术方案

本发明专利技术公开了基于子图处理的多智能体系统一致性问题的优化方法，其特征在于，包括如下步骤：1）构建多智能体系统的图信号模型；2）对待求解问题加上辅助约束条件；3）子图内局部求逆；4）子图间融合求平均；5）迭代消除误差。这种方法能降低运算复杂度、实现一致平均，且收敛速度快，对系统单个节点的计算能力、存储能力要求低。

The optimization method of unified problem of multi-intelligent system based on subgraph processing

【技术实现步骤摘要】
基于子图处理的多智能体系统一致性问题的优化方法
本专利技术涉及多智能体系统
，具体涉及基于子图处理的多智能体系统一致性问题的优化方法。
技术介绍
多智能体系统广泛应用在飞行编队、机器人编队、交通控制系统、传感器网络等诸多领域。多智能体系统中的单个智能体具有有限的传感、通信、计算能力，而整个多智能体系统利用智能体之间的协作来完成高复杂度的任务。多智能体系统作为分布式信息处理的一个载体，在计算机科学、通信工程、生物智能、自动控制等领域均有广泛研究。在多智能体系统的协同控制问题中，达到所需的一致性是智能体进行协调合作的前提条件，因此一致性问题受到更多关注。一致性是指每个智能体与其邻居交换彼此的状态信息，不断协同，最终使得所有智能体的某个状态值达到一致，与一致性问题相对应的算法称为一致性算法。一致性问题中，以智能体初始状态值的平均值为一致性收敛目标的问题称为一致平均问题，其应用较为广泛，如直流微电网作为一种新型的能源网络化供应与管理结构，是一个包含分布式电源、负荷及储能装置的微型系统，在微电网中需要维持母线电压的稳定，文献提出基于离散一致本文档来自技高网...

【技术保护点】
1.基于子图处理的多智能体系统一致性问题的优化方法，其特征在于，包括如下步骤：/n1)构建多智能体系统的图信号模型：依据多智能体系统中各智能体之间的通信情况作图信号模型的拓扑结构，智能体的观测数据作为图信号模型中的节点信号，建立多智能体系统的图信号模型G＝(V,E,A)，其中V＝{1,2,…,N}表示节点的集合；E＝{e

【技术特征摘要】
1.基于子图处理的多智能体系统一致性问题的优化方法，其特征在于，包括如下步骤：
1)构建多智能体系统的图信号模型：依据多智能体系统中各智能体之间的通信情况作图信号模型的拓扑结构，智能体的观测数据作为图信号模型中的节点信号，建立多智能体系统的图信号模型G＝(V,E,A)，其中V＝{1,2,…,N}表示节点的集合；E＝{eij}表示边的集合，eij＝(i,j)表示节点i和节点j之间有边相连接，A表示全图的邻接矩阵，邻接矩阵A＝{aij}∈RN×N,当节点i与j之间有边存在时aij＝aji＝1，定义图的度矩阵D＝diag(di)，其中图的拉普拉斯矩阵定义为公式(1)：
L＝D-A(1)，
其特征分解为L＝UΛUT，其中特征向量矩阵U＝[u1,u2,…,uN]，特征值矩阵Λ＝diag{λ1,λ2,…,λN}，节点i处的信号值为x(i)，所有节点的信号值集合为一个列向量x＝[x(1),x(2),…,x(N)]T，
构造一致平均矩阵为公式(2)：



其中I为单位矩阵，λmax为图的拉普拉斯矩阵L的最大特征值；
2)对待求解问题加上辅助约束条件：一致性优化问题为公式(3)：



其中f(xt)表示多智能体系统的全局代价函数，fi(xt)是智能体i所观测到的局部代价函数，且其它节点无法获知该代价函数，xt是全局代价函数f(xt)的自变量，
当多智能体系统实现一致平均时，该问题为如公式(4)所示的最小二乘问题：



其中x0为智能体初始信号，约束条件xt(i)＝xt(j)，i,j∈V等价于Wxt＝xt，因此问题(4)等价于公式(5)：



又等价于公式(6)：



其中，α为常数，将公式(6)的约束条件惩罚至目标函数上，则有：



将一致平均矩阵W＝I-εL代入公式(7)，则：



对公式(8)求...

【专利技术属性】
技术研发人员：蒋俊正，李龙斌，李杨剑，池源，冯海荣，卢军志，黄炟鑫，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45