牵制控制下的的多智能体系统群一致性_宋海裕

合集下载

多智能体系统的有限时间与固定时间一致性

多智能体系统的有限时间与固定时间一致性


2) ∑ w qi ≥ N 1 -q( ∑ w i ) q .
为与第 i 个顶点相连的顶点的数目,即 d i = ∑ a ij ,度
i=1
j∈N i
矩 阵 定 义 为 D = diag{ d 1 ,d 2 ,…,d n } . 图 G 的
Laplacian 矩阵定义为 L = D - A.在无向图 G 中,L 是
G = (V,E,A) 表示各个智能体之间进行信息交换的
网络拓扑,顶点集 V = { v1 ,v2 ,…,vn } 为有限的非空集
合,其中 vi 代表第 i 个智能体,顶点的下标集为 I =
{ 1,2,…,n} ,边集 E = V × V.如果顶点 vi 和顶点 vj 有信
息传递,则它们之间有一条边,表示为 eij = (vi ,vj ) ∈
1 江苏师范大学 计算机科学与技术学院,徐
州,221116
统固定时间一致性跟踪问题.Zhang 等 [14] 研究了具有饱和输入的二阶
有领导者的多智能体系统固定时间一致性问题. Zhao 等 [15] 提出一种
终端滑模协议,解决了具有未知外部干扰的二阶多智能体系统的固
定时间一致跟踪问题.
目前,能够同时考虑有限时间一致性和固定时间一致性的文献
另一方面,在实际生活中,人们总是希望多智能体系统能在有
限时间内达到一致. Li 等 [ 11] 研究了具有约束的不 确 定 非 线 性 多 智
能体系统的有限时间跟踪问题. Zhang 等 [ 12] 研究了事件驱动的多智
能体系统的有限时间一致性. Wang 等 [ 13] 则提出一种包含线性项和
非线性项的新协议,使得切换拓扑下的多智能体系统在有限时间达
相对较少.为了能在统一的框架下解决有限时间一致性和固定时间一

多智能体系统一致性综述

多智能体系统一致性综述

多智能体系统一致性综述一 引言多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。

研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制,最终完成复杂任务。

多智能体系统由于其强健、可靠、高效、可扩展等特性,在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。

多智能体的分布式协调合作能力是多智能体系统的基础,是发挥多智能体系统优势的关键,也是整个系统智能性的体现。

在多智能体分布式协调合作控制问题中,一致性问题作为智能体之间合作协调控制的基础,具有重要的现实意义和理论价值。

所谓一致性是指随着时间的演化,一个多智能体系统中所有智能体的某一个状态趋于一致。

一致性协议是智能体之间相互作用、传递信息的规则,它描述了每个智能体和其相邻的智能体的信息交互过程。

当一组智能体要合作共同去完成一项任务,合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境,必须对任务达成一致意见,这就要求智能体系统随着环境的变化能够达到一致。

因此,智能体之间协调合作控制的一个首要条件是多智能体达到一致。

近年来,一致性问题的研究发展迅速,包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析,研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。

目前,许多学科的研究人员都开展了多智能体系统的一致性问题的研究,比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。

下面,主要对现有文献中多智能体一致性协议进行了总结,并对相关应用进行简单的介绍。

1.1 图论基础多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统;如果把系统中的每一个智能体看成是一个节点,任意两个节点传递的智能体之间用有向边来连接的话,智能体的拓扑结构就可以用相应的有向图来表示。

多智能体协同控制理论与应用研究

多智能体协同控制理论与应用研究

多智能体协同控制理论与应用研究多智能体协同控制是指通过多个智能体之间的协作与通信,来完成一个共同的目标。

随着人工智能、机器人技术的快速发展,多智能体协同控制在制造、交通、医疗、军事等领域的应用越来越广泛。

本文将从多智能体协同控制的基本理论入手,探讨其在实际应用中的模型建立、算法设计和效果评估等方面的研究进展。

一、多智能体协同控制的基本理论多智能体协同控制相对于单一智能体控制,其最大的优势在于可以通过智能体之间的通信和协作,实现更高效的任务分工和资源利用。

但是,多智能体协同控制也面临着诸多挑战,如信息共享、协同决策、动态变化等。

因此,多智能体协同控制的研究需要考虑以下几个方面:1. 多智能体的结构模型:多智能体系统需要建立系统性的模型来描述智能体之间的关系和协作。

目前,常用的模型有集中式模型、分布式模型和混合模型。

其中,集中式模型将多个智能体抽象为一个整体,所有智能体的决策都是基于整体目标而定;分布式模型将智能体看作相对独立的节点,每个智能体可以独立决策;混合模型则结合了两者的优点,在任务分工和资源利用上更加灵活。

2. 多智能体的控制算法:多智能体协同控制需要设计一套有效的协同算法,以实现任务分工和资源利用。

目前,常用的协同算法有分布式控制算法、博弈论算法、强化学习算法等。

其中,分布式控制算法是常用的一种方法,其通过信息交换和迭代更新,实现相互协作的智能体达到一个共同的目标。

3. 多智能体的效果评估:多智能体协同控制的效果评估需要考虑任务达成率、系统鲁棒性、系统安全性等多个指标。

同时,在实际应用中,还需要考虑能源、时间、成本等多个约束条件。

二、多智能体协同控制的应用研究多智能体协同控制在制造、交通、医疗、军事等领域的应用越来越广泛。

下面分别从这几个方面,探讨多智能体协同控制的具体应用。

1. 制造业在制造业中,多智能体协同控制可以应用于生产调度、物流管理、装配生产等多个方面。

例如,学者们针对大规模生产任务的车间调度问题,提出了一种采用多智能体协同控制的协作策略,能有效地提高生产效率和质量。

基于事件触发的多智能体输入饱和一致性控制

基于事件触发的多智能体输入饱和一致性控制

基于事件触发的多智能体输入饱和一致性控制马巨海;张晓红;罗小元;关新平【摘要】针对输入饱和情形,本文研究了Leader-following多智能体系统基于事件触发的一致性控制问题. 为了更加接近实际情况,针对智能体的输入存在限制的情况,提出了基于线性触发函数的事件触发一致性控制算法,并利用S-procedure方法分析了控制算法的稳定特性. 在该算法下,每个智能体的控制器更新都是基于事件触发的,并且是分布式的,即每个智能体只在自己的事件触发时间更新自己的控制输入. 最后通过仿真验证了所设计算法的有效性.%The event-based leader-following consensus problem for linear multi-agent systems with saturation inputs is investigated in this paper.To more in line with the actual situation,the control input′s update is event driven,with which the t riggering function is linear.By using S-procedure,the stability of the control algorithm is proofed.In this algorithm,the controller update of each agent is event driven and distributed,which makes the controller update by itself at the instant of the event trigger condition satisfying.Fi-nally,some simulations are provided to demonstrate the effectiveness of the proposed results.【期刊名称】《燕山大学学报》【年(卷),期】2015(039)004【总页数】6页(P329-333,351)【关键词】多智能体;事件触发;输入饱和;一致性控制【作者】马巨海;张晓红;罗小元;关新平【作者单位】燕山大学人事处,河北秦皇岛066004;燕山大学电气工程学院,河北秦皇岛066004;燕山大学电气工程学院,河北秦皇岛066004;燕山大学电气工程学院,河北秦皇岛066004【正文语种】中文【中图分类】TP13基于事件触发的多智能体输入饱和一致性控制马巨海1,张晓红2,罗小元2,*,关新平2(1.燕山大学人事处,河北秦皇岛066004; 2.燕山大学电气工程学院,河北秦皇岛066004)摘要:针对输入饱和情形,本文研究了Leader-following多智能体系统基于事件触发的一致性控制问题。

重放攻击下多智能体系统H_(∞)一致性PID控制

重放攻击下多智能体系统H_(∞)一致性PID控制

重放攻击下多智能体系统H_(∞)一致性PID控制
宋金波;董宏丽;申雨轩;侯男
【期刊名称】《控制理论与应用》
【年(卷),期】2024(41)4
【摘要】本文针对一类带有加性噪声和乘性噪声的离散多智能体系统,研究重放攻击下多智能体系统的H_(∞)一致性比例-积分-微分(PID)控制问题.首先,根据智能体的测量输出设计状态观测器,对智能体的状态进行有效估计,观测器设计过程中考虑了系统测量输出从传感器传输到观测器过程中受到重放网络攻击的影响.然后,利用智能体与其邻居智能体的估计状态差设计PID控制器.利用李雅普诺夫稳定性理论和代数图论,证明在该控制策略下,多智能体系统在重放攻击存在的情况下达到预期的H_(∞)性能指标.最后,利用线性矩阵不等式(LMI)方法求解观测器和控制器增益,利用数值仿真验证了所设计的观测器和PID控制器的有效性.
【总页数】9页(P658-666)
【作者】宋金波;董宏丽;申雨轩;侯男
【作者单位】东北石油大学电气信息工程学院;东北石油大学人工智能能源研究院;东北石油大学黑龙江省网络化与智能控制重点实验室;东北石油大学三亚海洋油气研究院
【正文语种】中文
【中图分类】TP2
【相关文献】
1.多智能体有向固定网络一致性H_∞滤波器设计
2.动态输出反馈协议下二阶多智能体系统H_∞一致性
3.模型不确定多智能体系统的鲁棒H_(∞)容错一致性控制
4.探讨关于土建工程混凝土施工技术要点
5.具有执行器饱和的多智能体系统H_(∞)边界一致性控制
因版权原因,仅展示原文概要,查看原文内容请购买。

多智能体系统一致性与复杂网络同步控制研究

多智能体系统一致性与复杂网络同步控制研究

多智能体系统一致性与复杂网络同步控制研究多智能体系统一致性与复杂网络同步控制研究是最近几年来非常热门的研究领域之一。

这个领域的研究主要考虑如何在多智能体系统中实现一致性或复杂网络同步控制,以进一步提高多智能体系统的性能和稳定性。

在这篇文章中,我们将介绍多智能体系统一致性与复杂网络同步控制的概念和应用,以及相关的研究成果。

一、多智能体系统一致性的概念与应用多智能体系统是由多个智能体组成的集合体,每个智能体都可以感知和与其他智能体交互。

而多智能体系统的一致性,则是指多个智能体在系统中具有相同的行为或状态,包括位置、速度、角度等。

一致性在多智能体协同控制、功率系统调度、无线传感器网络等领域都有着广泛的应用。

在多智能体系统中,当智能体之间的通讯或行为出现差异或偏差时,就会导致系统中出现不一致的现象。

为了实现多智能体一致性,研究者们提出了许多不同的控制算法和方法,包括基于分布式控制的一致性方法、基于图论的控制方法以及基于协同点控制的方法等。

其中,基于分布式控制的一致性方法是最为常见和重要的方法之一。

这种方法利用智能体之间的信息交换来实现一致性。

例如,在分布式控制算法中,每个智能体的控制器只依赖于相邻智能体发来的信息,通过控制输入对自身状态进行调整,从而实现整个系统的一致性,这种方法就称为基于局部信息交换的分布式一致性控制。

除此之外,还有一些其他的控制方法也被广泛应用于多智能体系统的一致性控制中。

比如,在无线传感器网络中,基于时序协议的一致性控制方法不仅能够提高网络节点间的信息交互速度,而且还能够避免网络中的数据冲突问题。

二、复杂网络同步控制的概念与应用与多智能体系统一致性控制类似,复杂网络同步控制也是一种协同控制方法。

同时,复杂网络同步控制也是针对网络系统中的一致性问题展开研究的。

复杂网络同步控制的概念是指,在一个复杂网络中,网络中的节点能够在同一时刻达到相同的状态,从而实现整个网络的同步控制。

例如,在物理网络、信息网络、通信网络等领域都有着复杂网络同步控制的应用。

多智能体系统一致性问题概述

多智能体系统一致性问题概述
化。
多智能体系统的研究内容和方法
理论体系
多智能体系统的研究需要建立完善的理论体系,包括智能体的感知 与决策、智能体的通信与协调、智能体的学习与优化等方面。
算法设计
多智能体系统的算法设计是关键,需要设计高效的算法以实现智能 体的自主决策和协同工作。
实验验证
多智能体系统的研究需要进行实验验证,通过实际应用和测试来评估 系统的性能和效果。
意义
解决多智能体系统一致性问题有助于提高系统的协同性能,增强系统的可靠性和鲁棒性,为实际应用提供理论支 持和技术指导。
研究现状和发展趋势
研究现状
目前,多智能体系统一致性问题已经得到了广泛关注,国内外学者在理论研究和算法设 计方面取得了一系列成果。常见的算法包括基于线性系统的协议设计、基于优化理论的
研究局限性和不足之处
现有的研究成果主要集中在理论层面,实际应用中仍存在诸多挑战,如通 信延迟、节点故障和能量限制等。
对于复杂环境和动态变化的情况,现有的一致性算法可能无法保证系统的 稳定性和性能。
在实际应用中,多智能体系统的一致性问题还需要考虑安全性和隐私保护 等方面的问题,这些方面在现有研究中尚未得到充分关注。
一致性问题的分类
• 总结词:一致性问题可以根据不同的分类标准进行分类,如按照一致性的目标 、一致性的程度、一致性的实现方式等。
• 详细描述:根据一致性的目标,可以将一致性问题分为目标一致性和状态一致 性。目标一致性是指多个智能体在某一特定目标上达成一致,而状态一致性是 指多个智能体在某一特定状态上达成一致。根据一致性的程度,可以将一致性 问题分为强一致性和弱一致性。强一致性是指多个智能体在某一特定目标或状 态上完全一致,而弱一致性则是指多个智能体在某一特定目标或状态上基本一 致,但不一定完全相同。根据一致性的实现方式,可以将一致性问题分为分布 式一致性和集中式一致性。分布式一致性是指多个智能体通过各自的信息交互 和协作实现一致性,而集中式一致性则是指通过一个中心节点来协调多个智能 体的行为实现一致性。

带有领航者的多智能体系统的一致性控制

带有领航者的多智能体系统的一致性控制
c o nd i t i o ns a r e o b t a i n e d i n t e r ms o f Li ne a r Ma t r i x I ne q u a l i t i e s( LM I ) .Fi na l l y。t wo s i mu l a t i o n s a r e p r e s —
关 键词 : 多 智 能 体 系统 ; 领 航 者 ;一 致 性 ;时 变 时 延 ;动 态拓 扑 文献标 识码 : A 中图分 类 号 : TP 1 3
Co ns e ns u s Co nt r o l of M ul t i — Ag e nt S y s t e ms wi t h a Le a de r
Th e c o n s e n s u s a n a l y s i s i s p e r f o r me d b a s e d o n a p r o p o s e d L y a p u n o v - Kr a s o v s k i i f u n c t i o n a l ,a n d s u f f i c i e n t
卫 摘 设 形 证 不 要 各 等 设 , 设 智 计 : 式 对 计 能 方 基 体 法 案 于 的 系 , 动 邻 得 统 有 接 到 态 存 效 拓 信 使 在 性 扑 各 息 时 。 有 的 个 变 领 分 智 输 航 散 能 入 者 控 体 时 的 制 与 延 多 策 领 , 移 分 略 航 动 别 。 者 针 智 基 达 对 能 于 到 体 有 李 一 二 向 亚 致 阶 普 网 的 络 诺 系 充 拓 统 夫 分 的 扑 稳 条 一 为 定 件 性 致 固 。 性 定 理 最 进 后 和 论 行 动 及 通 研 线 过 态 仿 究 两 性 种 矩 。 真 假 情 验 阵
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

2
固 定 拓扑 (Fixed topology)
设多智能体系统由两个子系统构成, 分别含有m 和n个智能体, 并用1到m和m + 1到m + n标记. 记 两个子系统对应的子拓扑图分别为G1 和G2 , 整个系 统的拓扑图为G . 每个子系统对应的编号集分别为 I1 = {1, 2, · · · , m}和I2 = {m + 1, m + 2, · · · , m + n}, 节点(智能体)集为V1 = {v1 , v2 , · · · , vm }和V2 = {vm+1 , vm+2 , · · · , vm+n }, 节点vi 的邻集定义为
N2,p }.
p∈I1
in out in out 显 然 有V1 = V1 ∪ V1 , V1 ∩ V1 = ∅, V2 = in out in out in in in V2 ∪ V2 , V2 ∩ V2 = ∅. 记V = V1 ∪ V2 , out out out V = V1 ∪ V2 .
设每个智能体vi 具有如下动态:
766
控 制 理 论 与 应 用
in V1
第 29 卷
性问题, 给出了一些充分条件, 使得只需对一小部分 节点施加牵制控制, 即可保证所有的智能体收敛到 期望的一致平衡点. 针对系统不存在外部干扰的情 况, 文献 [17]设计了一个牵制控制器使得移动智能 体系统达到一个期望值. 需要指出的是, 文献 [16–17] 均只考虑了单个一致平衡点的情况. 在现有文献中, 未见有关多智能体动态网络牵制控制到多个一致 平衡点的成果. 鉴于此, 本文对多智能体系统在牵 制控制下的多平衡点趋同问题进行了研究, 提出了 融合群内信息交互、 群间信息交互和牵制控制器的 一致性协议. 对固定拓扑和切换拓扑下的多智能体 系统, 分别给出了实现群一致的充要条件, 并针对 拓扑结构中含有生成树这一特例, 分析了被施加牵 制控制的智能体在拓扑结构中的具体位置. 此外, 对 切换拓扑中进行非线性交互的多智能体系统, 利用 Lyapunov方法推导出一充分条件, 以通过对多智能 体网络中的一部分节点进行牵制控制, 来实现多个 一致平衡点的趋同. 给定矩阵C = [cij ] ∈ Rn×n , C < 0表示矩阵C 为负定, λ(C )为C 的特征根. · 表示欧几里得范数. 记G = (V , E , A)是具有n个节点的加权有向图, 其中 的V = {v1 , v2 , · · · , vn }为节点集, E ⊆ V × V 为边 集, A = [aij ]表示加权邻接矩阵. 本文假设对任意的 vi ∈ V , 有aii = 0. 有向图G 的边记为(vi , vj ), 表示 节点vi 可以接收到来自节点vj 的信息, 并称vj 为父节 点, vi 为子节点. 显然, (vi , vj ) ∈ E 当且仅当aij = 0. 节 点vi 的邻集记为Ni = {vj ∈ V|(vi , vj ) ∈ E}. 一条有 向路径由一组有序边组成, 形如(vi1 , vi2 ), (vi2 , vi3 ), · · · , 其中(vij , vij+1 ) ∈ E . 在一有向图中, 若除了一 节点(称为根节点)外, 其他每个节点都有且仅有一 个父节点, 则称该有向图为有向树. 在有向图中, 若 可以找到一连接所有节点的有向树, 则称该有向图 含有一生成树.
1
引பைடு நூலகம்言 (Introduction)
近年来, 多智能体系统的一致性问题吸引了众 多学者, 并得到了广泛的应用, 如编队控制[1–2] 、 聚 [3] [4] [5] 集 、 群集 和蜂拥 等. 一致性是指随着时间的演 化, 多智能体网络中所有个体状态趋于一致. 关于 多智能体一致性问题的研究可以追溯到20世纪70年 代的管理科学和统计领域[6] . 1995年, Vicsek等人从 统计力学的角度提出了Vicsek模型[7] , 该离散时间模 型中所有智能体以相同的速率在平面中运动, 运动 方向按照邻居角度的矢量平均进行更新. 文献 [8]利 用代数图论和控制理论对Vicsek模型作了理论分析. 文献 [9]把文献 [8]中的问题扩展到了有向拓扑图的 情况, 并得出如果信息交互拓扑图中含有一生成树, 则所有的智能体最终均能收敛到一致平衡点. 此 外, Olfati-Saber和Murray[10–11] 提出了多智能体系统
x∗ i =
x∗ 1 , i ∈ I1 , x∗ 2 , i ∈ I2 .
收稿日期: 2011−01−18; 收修改稿日期: 2011−10−06. 基金项目: 国家自然科学基金资助项目(60974017, 61074039).
一致性问题的理论框架, 研究了固定拓扑和切换拓 扑下的一致性问题, 并针对是否存在时延给出了两 类一致性协议. 然而在上述文献中, 所考虑的一致性 问题均为单个一致平衡点的情况, 为此, 文献 [12]研 究了智能体动态网络中具有多个一致平衡点的问 题, 并给出了一个一致性协议, 使得在该协议下所有 智能体能完成一个或多个一致平衡点的趋同. 牵制控制(pinning control)的基本思想是通过对 网络中的一部分节点施加控制, 达到对整个网络的 控制. 汪小帆和陈关荣等[13–14] 将牵制控制策略引入 到了无标度动态网络的控制中, 通过对一部分网络 节点进行牵制, 使得所有的节点都稳定到平衡点. 文 献 [15]研究表明在线性或非线性复杂网络中只需对 一个节点进行牵制控制, 即可保证整个网络的稳定. 文献 [16]研究了非线性耦合情况下的多智能体一致
x ˙ i (t) = ui , ∀i ∈ I ,
(3)
其中: xi ∈ R为智能体vi 的状态, ui 是状态反馈输入. 记x = (x1 , x2 , · · · , xm+n )T .
定 义 1 如果编号为前m和编号为后n的两组 智能体的状态分别渐近收敛到所属子系统的一致平 衡点, 即
t→∞ t→∞
lim xi − xj = 0, ∀i, j ∈ I1 ,
(4) (5)
lim xi − xj = 0, ∀i, j ∈ I2 ,
则称此系统具有群一致性. 不失一般性, 假定智能体子系统的期望一致平 ∗ 衡点分别为x∗ 1 和x2 . 本文对智能体之间的信息交互 规则作如下设定: ① 智能体vi ∈ V in , i ∈ I , 对其所 在子系统及邻居的期望一致平衡点均未知, 在信息 交互时发送给群内邻居(即同一子系统中的邻居)的 是xi ; ② 智能体vi ∈ V out , i ∈ I , 对其所在子系统的 期望一致平衡点已知, 但对群外邻居(即非同一子系 统中的邻居)的期望一致平衡点未知, 此类智能体在 信息交互中发送给群内邻居的是xi , 发送给群外邻 居的信息为x ˆi = xi − x∗ i , 其中
(浙江工业大学 信息工程学院, 浙江 杭州 310023)
摘要: 本文研究了一类多智能体系统在牵制控制下的群一致性问题, 提出了融合群内信息交互、 群间信息交互和 牵制控制器的一致性协议. 对固定拓扑下的二群组智能体系统和切换拓扑下的多群组智能体系统, 利用稳定性理论 和图论分别给出了适用于任意拓扑结构的充要条件, 使得智能体系统在所提协议和牵制控制器的联合作用下实现 预期的群一致. 针对拓扑图中含有生成树这一特例, 分析了被施加牵制控制的智能体在拓扑结构中的具体位置. 此 外, 对切换拓扑下进行非线性交互的多群组智能体系统, 利用Lyapunov方法推导出一充分条件, 得出只要对多智能 体系统的一部分主体进行牵制控制, 则所有智能体即可在所提协议和牵制控制器的作用下渐近收敛于各自的期望 一致平衡点. 最后, 仿真例子验证了所提方法的有效性. 关键词: 多智能体系统; 群一致性; 牵制控制 中图分类号: TP273 文献标识码: A
Group consensus in multi-agent systems via pinning control
SONG Hai-yu, YU Li, HU Hong-xiang
(College of Information Engineering, Zhejiang University of Technology, Hangzhou Zhejiang 310023, China)
第 29 卷第 6 期 2012 年 6 月
文 章编号: 1000−8152(2012)06−0765−08
控 制 理 论 与 应 用
Control Theory & Applications
Vol. 29 No. 6 Jun. 2012
牵制控制下的多智能体系统群一致性
宋海裕 , 俞 立 , 胡鸿翔
Abstract: In dealing with the group consensus problem of multi-agent systems via pinning control, we propose a consensus protocol combining the in-group information exchange, the out-group information exchange with the pinning controller for reaching more than one anticipative stationary state. By using stability and graph theories, we derive the necessary and sufficient conditions for the couple-group agent system in fixed topology and the multi-group agent system in switching topologies, respectively, such that all the agents can achieve their own consistent states asymptotically. Specially, the relation between the controlled agents and the interactive topology is analyzed for the case when the topology graph has a spanning tree. Moreover, based on the Lyapunov function method, a sufficient condition is derived for multi-group agent systems with nonlinear transmission to asymptotically reach several anticipative consistent states in switching topologies. The obtained results imply that the anticipative group consensus can be achieved if a fraction of them are controlled. Illustrative examples are provided to demonstrate the effectiveness of the proposed methods. Key words: multi-agent systems; group consensus; pinning control
相关文档
最新文档