有限感知蜂擁集群模型噪聲問題的研究.pdf

1、集群行為是對現(xiàn)實生活中的生物群體和人工群體的一種高度抽象。單一智能個體只能完成比較簡單的任務，但是由很多智能個體組成的多智能體系統(tǒng)能夠通過個體間的相互作用涌現(xiàn)出集體智能，完成比較復雜的任務，解決現(xiàn)實生活中很多難以解決的問題。在當前社會中，多智能體系統(tǒng)已經(jīng)廣泛的應用到人們生活的方方面面，包括環(huán)境監(jiān)測、災難搜救、軍事行動和工業(yè)操作等等諸多領域，對多智能體系統(tǒng)的研究具有重要的理論和現(xiàn)實意義。
　　為了更好的分析智能群體的性質，從而構建了

2、有限感知蜂擁集群模型。有限感知蜂擁集群模型描述的是 N個隨機分布在空間內且不斷進行交互的智能體中第i個個體的運動狀態(tài)。它是基于引力/斥力函數(shù)構建的，所遵循的基本原則是“遠則吸引，近則排斥”。該模型所描述的系統(tǒng)中的所有智能體能在有限的時間內收斂到一個有界區(qū)域，并有較好的局部穩(wěn)定性。在進行理論計算時，引力/斥力函數(shù)需要同時考慮引力項ga(|y|)的模和斥力項gr(|y|)的模，所以運算過程相對比較復雜，在實際運算中很難快速的得到數(shù)據(jù)，因此效

3、率比較低；而且，在實際應用中會出現(xiàn)噪聲干擾的情況，本文經(jīng)過對噪聲問題的研究，證實了噪聲具有不可控性，此時，噪聲干擾項也影響了模型的穩(wěn)定性?？紤]到模型的狀態(tài)方程和一致性問題在本質上是一樣的，那么是否可以把一致性問題中的噪聲控制策略引入到模型的狀態(tài)方程中去進行實例模型研究。針對上述問題，本文所做的工作如下：
　?。?）對有限感知蜂擁集群模型進行了仔細的研究和分析，研究表明模型中引力/斥力函數(shù)在理論計算時需要同時考慮引力項ga(|y|)

4、模和斥力項gr(|y|)模的計算，運算過程相對復雜，因此會影響計算效率。針對有限感知蜂擁集群模型中引力/斥力函數(shù)計算困難的問題將函數(shù)進行了簡化，把引力/斥力函數(shù)合并成一個函數(shù)，使得運算過程更加簡便。同時引入了引力權重因子 G，此時，智能體的距離越遠，吸引力就越大，有效地提高了模型的計算效率。文章經(jīng)過科學的理論分析，證明了在簡化函數(shù)的同時，模型依然保持了良好的局部穩(wěn)定性。
　?。?）針對一致性算法中的噪聲問題進行了研究，證明了噪聲的

5、不可控性，同時提出了一種基于抑噪算子ε(t)的噪聲控制策略，證明了當ε(t)取t-0.5的高階無窮小時，抑噪后的算法噪聲可控。在無噪的情況下，當ε(t)取t-1的低階無窮小時，抑噪后的算法可以使智能體的最終狀態(tài)收斂到X*；在有噪的情況下，當ε(t)的取值在t-0.5和t-1之間，智能體的最終狀態(tài)將會以X*為中心呈正態(tài)分布。以算法DHA為實例對提出的基于抑噪算子ε(t)的噪聲控制策略進行了驗證和討論，證明了該噪聲控制策略的可行性。

6、　?。?）考慮到有限感知蜂擁集群模型的狀態(tài)方程和一致性算法在本質上是一樣的，把抑噪算子ε(t)引入模型的狀態(tài)方程xm(t+1)，證明了在有噪聲的情況下，當ε(t)取t-1的低階無窮小、t-0.5的高階無窮小時，抑噪算法可以使智能體的最終狀態(tài)收斂到以X*為中心呈正態(tài)分布，即模型中的智能體最終收斂到有界區(qū)域。
　　綜上所述，本文對有限感知蜂擁集群模型和一致性算法中的噪聲問題進行了深入的研究，概括和總結了模型的優(yōu)點和不足、一致性算法中噪