一.基础介绍
协同控制主要涉及三个部分:
智能体动力学、智能体间相互作用、协同控制规律
相互作用:智能体通常动力学上彼此解耦。之间的信息交换通常以图的形式表示,可以是静态的(边非时变)或者动态的(边是时变的)。
二.相关定义
符号 | 含义 |
---|---|
R^(n×n) | 实数矩阵 |
C^(n×n) | 复数矩阵 |
R+ | 正实数集合 |
上标H | 复矩阵的共轭转置 |
1 | 所有元素为1的列向量 |
Re(s) Im(s) | S的实部、虚部 |
diag(A1, …,An) | 对角矩阵 |
det(A) | A的行列式 |
λmin(A) λmax(A) | A特征值的最小、最大值 |
Range(A) | A的列空间 |
X>(>=)Y,X,Y实对称 | X-Y 是正(半)定的 |
Adjacency matrix - 邻接矩阵
<x,y>:有向边 任意两顶点间的边均是有向边,则为有向图
邻接:表示顶点间的关系。若图含(x,y),则顶点x与顶点y邻接。
邻接矩阵:表示有向图的一种存储方法
用两个数组:一维数组存储顶点信息,二维数组存储弧/线的信息。
图有n个顶点,则邻接矩阵是n*n的方阵,
无向图(undigraph)的邻接矩阵:两个顶点有边为1,否则为0,主对角线为0,且矩阵对称
有向图(digraph)的邻接矩阵:两个顶点有边为1,否则为0,主对角线为0,矩阵不对称
网图(network)的邻接矩阵:表中对应位置写图中弧的权重,主对角线为0,其余部分取INF
Laplacian matrix – 拉普拉斯矩阵
L为拉普拉斯矩阵,L=图的度矩阵-图的邻接矩阵
度矩阵(degree):对角阵,对角上的元素为各个顶点的度。有向图中,顶点vi的度分为顶点vi的出度和入度,即从顶点vi出去的有向边的数量和进入顶点vi的有向边的数量。
在求L时根据情况选择出度矩阵或入度矩阵。
性质:矩阵是正半定的;行和为0,最小特征值为0,对应特征向量为全1列向量;特征值中0出现的次数即图连通区域的个数;最小特征值为0,对应特征向量为全1列向量
L的所有非零特征值都位于以dmax为圆心、半径为dmax的复平面上的一个圆盘内,其中dmax为所有节点的最大入度。
拉普拉斯矩阵L是一个奇异的M-矩阵。
Kronecker product - 克罗内克积(是张量积的特殊形式)
定义:A:mn, B:pq → A⊗B是mp*nq的分块矩阵
符合结合律,不符合交换律,有混合乘积、逆、转置的定理
克罗内克和:A:nn B:mm I:单位阵 → A⊕B=A⊗Im+In⊗B
三.相关定理
矩阵 | 结论 | 条件 | 其他 |
---|---|---|---|
A∈C^(n×n) | 连续时间意义上是自然稳定的 | 特征值:没有正实部; 并且虚轴上任意特征值所对应的约当块的大小为1 | 所有特征值都具有严格负实部,则为Hurwitz |
A∈C^(n×n) | 离散时间意义上是自然稳定的 | 特征值:全小于等于1; 任意单位大小的特征值所对应的约当块的大小为1 | 舒尔稳定:所有特征值小于1 |
A∈R^(n×n) | A:埃米尔特矩阵(自共轭) | A=A^(H) | 对称矩阵:实埃米尔特矩阵 |
A∈R^(n×n) | A:酉矩阵 | AA^(H)= A^(H)A=I | 正交阵:实酉矩阵 |
P∈R^(n×n) | P是子空间S的正交投影 | range(P ) = S, P^(2)= P , and P^(T) = P | 子空间上的正交投影是唯一的 |
A∈R^(n×n) | A:奇异 M-矩阵 | 非对角线元素是非正的; A所有特征值有非负实部 | |
C是真实向量空间Vs⊆R^§中的集合 | 集合C为凸 | 对于C中的任意x和y,对于任意z∈[0,1],点(1−z)x + zy在C中 | V中X = {x1,··,xn}点集的凸壳是包含X中所有点的极小凸集 |