【技术实现步骤摘要】
本专利技术涉及计算机最优二分共识控制领域，尤其涉及一种最优二分共识控制方法、装置、设备及存储介质。
技术介绍
1、随着人工智能技术的不断发展，多智能体系统（multi-agent systems, mas）在自动控制、机器人协作、智能交通等领域的应用日益广泛。在多智能体系统中，如何实现各个智能体之间的协同和一致性控制，是一个关键的研究问题。
2、目前，已有一些关于多智能体系统共识控制的研究，这些研究主要集中在如何设计合适的控制算法，使得系统中的所有智能体能够达到一致的状态。然而，这些研究通常忽略了系统中智能体之间关系的复杂性和动态性，以及不同智能体之间可能存在的差异性。
3、为了解决上述问题，近年来，二分共识（bipartite consensus）的概念被引入到多智能体系统的研究中。二分共识是指在一个由正负两类节点组成的多智能体系统中，通过设计合适的控制算法，使得正节点和负节点分别形成两个不同的群体，并在这两个群体之间达到一致的状态。这种控制方法在处理具有正负对立的系统中表现出较好的性能。
4、然而，现有的二分共识控制方法还存在一些不足。首先，这些方法通常只关注二分共识的达成，而忽略了如何根据系统的实际状态进行动态调整。其次，这些方法往往缺乏对系统收敛特征的深入分析，导致在实际应用中难以保证二分共识的稳定性和准确性。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种最优二分共识控制方法、装置、设备及存储介质。
2、
3、s1：获取多智能体系统的最优二分共识的实时信息交互数据和所述多智能体系统的最优二分共识的权重邻接矩阵；
4、s2：根据所述权重邻接矩阵，得到所述多智能体系统的最优二分共识的系统值函数；
5、s3：将处于相同系统值函数的多智能体系统的最优二分共识的实时信息交互数据作为事件触发多智能体系统的最优二分共识数据；
6、s4：根据所述事件触发多智能体系统的最优二分共识数据，得到所述系统值函数的多智能体系统的最优二分共识的节点分类库；
7、s5：根据所述事件触发多智能体系统的最优二分共识数据和所述节点分类库，得到所述事件触发多智能体系统的最优二分共识数据对应的系统值函数的状态方程；
8、s6：根据所述系统值函数，得到所述系统值函数的收敛特征，所述收敛特征包括收敛阈值、收敛条件、系统值函数系数、收敛因子和收敛损失值；
9、s7：根据所述系统值函数的收敛特征、所述系统值函数的状态方程和所述多智能体系统的最优二分共识的节点分类库，匹配所述系统值函数对应的多智能体系统的最优二分共识控制触发模型；
10、s8：将所述系统值函数的所述收敛阈值、所述收敛条件、所述系统值函数系数、所述收敛因子、所述收敛损失值以及所述系统值函数的每个多智能体系统的最优二分共识的实时信息交互数据输入所述系统值函数对应的多智能体系统的最优二分共识控制触发模型；
11、s9：根据所述多智能体系统的最优二分共识控制触发模型的输出，得到所述系统值函数的每个多智能体系统的最优二分共识与所述状态方程对应的节点调整方式；
12、s10：根据所述多智能体系统的最优二分共识的节点调整方式，控制所述多智能体系统的最优二分共识信息交互。
13、优选的，所述的s2还包括：
14、s21：根据所述多智能体系统的最优二分共识权重邻接矩阵，得到所述多智能体系统的最优二分共识的迭代优化条件；
15、s22：根据所述多智能体系统的最优二分共识的迭代优化条件，通过迭代过程数据处理，得到所述多智能体系统的最优二分共识的具体迭代参数，所述具体迭代参数包括迭代速度、迭代时长、迭代影响噪声和迭代输出利用率；
16、s23：将所述多智能体系统的最优二分共识的具体迭代参数作为所述多智能体系统的最优二分共识的系统值函数。
17、优选的，所述的s4还包括：
18、s41：根据所述事件触发多智能体系统的最优二分共识数据，通过预设数据统计，得到所述系统值函数的多智能体系统的最优二分共识的事件触发种类，所述事件触发种类包括所述多智能体系统的最优二分共识的事件状态、事件影响程度和事件间的相关性；
19、s42：根据所述系统值函数内所有多智能体系统的最优二分共识的事件触发种类，得到每条多智能体系统的最优二分共识的节点划分条件；
20、s43：根据所述多智能体系统的最优二分共识:节点划分条件，得到所述系统值函数的多智能体系统的最优二分共识的节点分类库。
21、优选的，所述的s5还包括：
22、s51：根据所述事件触发多智能体系统的最优二分共识数据，得到所述系统值函数中的所有多智能体系统的最优二分共识存在的触发反馈误差，所述触发反馈误差包括反馈效率、误差大小和误差来源；
23、s52：根据所述多智能体系统的最优二分共识的触发反馈误差，得到每条多智能体系统的最优二分共识的控制值；
24、s53：将所述多智能体系统的最优二分共识的控制值和所述多智能体系统的最优二分共识的节点分类库，输入深度学习模型；
25、s54：根据所述深度学习模型的输出，得到所述事件触发多智能体系统的最优二分共识数据对应的系统值函数的状态方程。
26、优选的，所述的s7还包括：
27、s71：根据所述系统值函数的状态方程，得到所述状态方程的系数更新误差；
28、s72：根据所述系统值函数的收敛特征，得到所述收敛特征的影响因素；
29、s73：将所述系数更新误差、所述影响因素和所述多智能体系统的最优二分共识的节点分类库输入聚类算法；
30、s74：根据所述聚类算法的输出，得到所述系统值函数对应的多智能体系统的最优二分共识控制触发模型。
31、优选的，所述的最优二分共识控制方法用于节点优化系统，所述节点优化系统包括多个节点，每个所述节点对应一个所述系统值函数；
32、所述的s8还包括：
33、s81：通过所述节点优化系统，将所述系统值函数的所述收敛阈值、所述收敛条件、所述系统值函数系数、所述收敛因子、所述收敛损失值以及所述系统值函数的每个多智能体系统的最优二分共识的实时信息交互数据上传至所述系统值函数对应的节点；
34、s82：通过所述节点，将所述系统值函数的所述收敛阈值、所述收敛条件、所述系统值函数系数、所述收敛因子、所述收敛损失值以及所述系统值函数的每个多智能体系统的最优二分共识的实时信息交互数据，输入所述系统值函数对应的多智能体系统的最优二分共识控制触发模型。
35、优选的，所述的s10还包括：
36、s101：根据所述多智能体系统的最优二分共识的节点分类库，通过预设权重分配法则，为每条多智能体系统本文档来自技高网...
【技术保护点】
1.一种最优二分共识控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的最优二分共识控制方法，其特征在于：所述的S2还包括：
3.根据权利要求1所述的最优二分共识控制方法，其特征在于：所述的S4还包括：
4.根据权利要求1所述的最优二分共识控制方法，其特征在于：所述的S5还包括：
5.根据权利要求1所述的最优二分共识控制方法，其特征在于：所述的S7还包括：
6.根据权利要求1-5任一项所述的最优二分共识控制方法，其特征在于：所述的最优二分共识控制方法用于节点优化系统，所述节点优化系统包括多个节点，每个所述节点对应一个所述系统值函数；
7.根据权利要求6所述的最优二分共识控制方法，其特征在于：所述的S10还包括：
8.一种最优二分共识控制装置，其特征在于：用于实现如权利要求1-7任一项所述的最优二分共识控制方法，包括：
9.一种计算机设备，其特征在于：包括存储器、处理器及存储在存储器上并可在处理器上信息交互的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所
10.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的最优二分共识控制方法。
...【技术特征摘要】
1.一种最优二分共识控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的最优二分共识控制方法，其特征在于：所述的s2还包括：
3.根据权利要求1所述的最优二分共识控制方法，其特征在于：所述的s4还包括：
4.根据权利要求1所述的最优二分共识控制方法，其特征在于：所述的s5还包括：
5.根据权利要求1所述的最优二分共识控制方法，其特征在于：所述的s7还包括：
6.根据权利要求1-5任一项所述的最优二分共识控制方法，其特征在于：所述的最优二分共识控制方法用于节点优化系统，所述节点优化系统包括多个节点，每个所述节点对应一...
【专利技术属性】
技术研发人员：张静，廖凌湘，吕淋蓬，张路瑶，
申请(专利权)人：四川航天职业技术学院四川航天高级技工学校，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。