基于社區(qū)分解研究多智能體系統(tǒng)的一致性收斂速度.pdf

1、近年來,由于多智能體系統(tǒng)的廣泛應(yīng)用以及協(xié)作控制問題的深入研究,一致性問題的研究發(fā)展迅速,無論在理論上還是應(yīng)用上都取得了豐碩的成果。一致性問題是分布式多智能體協(xié)作控制中普遍存在的一類問題,所謂“一致性”主要是指多智能體就某些狀態(tài)量趨于相同,而一致性算法是定義一種智能體之間相互交換信息而使智能體狀態(tài)達到一致的協(xié)議。傳統(tǒng)的一致性算法一般都是在單層拓撲結(jié)構(gòu)上討論的,通過設(shè)計邊權(quán)數(shù)或者調(diào)整連接邊來提高系統(tǒng)的一致性收斂速度,類似的這些方法在很多情況

2、下是受限制的。
　　因此,本文考慮通過將多智能體的單層拓撲分解為多層連接子圖來提高多智能體的一致性收斂速度。本文針對多智能體一致性收斂速度問題提出一種基于社區(qū)分解的遞階義致性算法,文中將復(fù)雜網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法應(yīng)用到多智能體拓撲結(jié)構(gòu)優(yōu)化分解問題中,首先采用譜平分法對多智能體拓撲結(jié)構(gòu)優(yōu)化分解,進而將多智能體系統(tǒng)單層一致性問題轉(zhuǎn)化為多層一致性問題,在維持原有拓撲結(jié)構(gòu)約束的情況下提高系統(tǒng)的一致性收斂速度。通過與標準一致性算法的仿真比較

3、,驗證了該算法的有效性。其次采用Newman的快速社區(qū)發(fā)現(xiàn)算法,即NF算法對多智能體系統(tǒng)的拓撲結(jié)構(gòu)優(yōu)化分解,同樣將多智能體系統(tǒng)的單層一致性問題轉(zhuǎn)化為多層一致性問題,通過仿真分析并與標準一致性算法比較,驗證了運用NF算法分解得到的多層多智能體系統(tǒng)可以得到更快的收斂速度,然后與基于譜平分方法的遞階一致性算法所運行的結(jié)果做了比較,得出結(jié)論:這兩種算法各有優(yōu)點,在某種情況下譜平分算法的劃分效果優(yōu)于NF算法,但在另外一些情況下NF算法優(yōu)于譜平分算