多智能体学习笔记（个人向）——多智能体系统一致性

已于 2024-09-13 18:00:51 修改
阅读量608 收藏 22
点赞数 4
分类专栏： 学习 文章标签： 学习 人工智能 算法
于 2023-02-24 21:58:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46182401/article/details/129208705
版权

以前笔记的摘录，仅供个人使用

目录

一阶多智能体系统一致性

当所有智能体的状态满足以下关系时，证明多智能体系统达到一致
l i m t → ∞ ∣ ∣ x i − x j ∣ ∣ = 0   （ i , j = 1 , 2... n ）        （ ∗ ） lim_{t→∞} ||xi-xj|| = 0\ \ （i, j = 1,2...n） \ \ \ \ \ \ \ \ （*） limt→∞​∣∣xi−xj∣∣=0  （i,j=1,2...n）        （∗）

连续时间

系统中单个智能体的状态空间表达式 x ˙ ( t ) = A x ( t ) + B u ( t ) \dot{x}(t)=Ax(t)+Bu(t) x˙(t)=Ax(t)+Bu(t)
例：系统拓扑结构图：
系统拓扑结构图

系统中单个智能体均满足一阶微分方程： x ˙ i = u i \dot{x}_i=u_i x˙i​=ui​
一阶多智能体系统表示为：

每个智能体的输入为：
u i ( t ) = ∑ j ∈ N i a i j ( x j ( t ) − x i ( t ) ) u_i(t) = \sum_{j\in N_i}a_{ij}(x_j(t)-x_i(t)) ui​(t)=j∈Ni​∑​aij​(xj​(t)−xi​(t))

拉普拉斯矩阵：
入度矩阵 D = [ 1 0 0 0 0 1 0 0 0 0 2 0 0 0 0 1 ] \tt入度矩阵D = \begin{bmatrix} 1&0&0&0\\ 0& 1&0&0 \\0&0&2&0\\0&0&0&1 \end{bmatrix} 入度矩阵D= ​1000​0100​0020​0001​ ​ 邻接矩阵 D = [ 0 0 0 1 1 0 0 0 1 1 0 0 1 0 0 0 ] \tt 邻接矩阵D = \begin{bmatrix} 0&0&0&1\\ 1& 0&0&0 \\1&1&0&0\\1&0&0&0 \end{bmatrix} 邻接矩阵D= ​0111​0010​0000​1000​ ​ L = D − A L = D-A L=D−A L = [ 1 0 0 − 1 − 1 1 0 0 − 1 − 1 2 0 0 0 − 1 1 ] L = \begin{bmatrix} 1&0&0&-1\\ -1& 1&0&0 \\-1&-1&2&0\\0&0&-1&1 \end{bmatrix} L= ​1−1−10​01−10​002−1​−1001​ ​
[ x ˙ 1 x ˙ 2 x ˙ 3 x ˙ 4 ] = − [ 1 0 0 − 1 − 1 1 0 0 − 1 − 1 2 0 0 0 − 1 1 ] [ x 1 x 2 x 3 x 4 ] \begin{bmatrix} \dot{x}_1\\ \dot{x}_2\\ \dot{x}_3\\ \dot{x}_4 \end{bmatrix}=- \begin{bmatrix} 1&0&0&-1\\ -1& 1&0&0 \\-1&-1&2&0\\0&0&-1&1 \end{bmatrix} \begin{bmatrix} x_1\\ x_2\\ x_3\\ x_4 \end{bmatrix} ​x˙1​x˙2​x˙3​x˙4​​ ​=− ​1−1−10​01−10​002−1​−1001​ ​ ​x1​x2​x3​x4​​ ​ x ˙ = − L x ( t ) \dot{x} = -Lx(t) x˙=−Lx(t) 求解矩阵微分方程： x ( t ) = e − L t x ( 0 ) x(t)= e^{-Lt}x(0) x(t)=e−Ltx(0)
其中 w l 1 T w_{l1}^T wl1T​、 w r 1 w_{r1} wr1​是矩阵L关于 λ i \lambda_i λi​的左右特征向量归一化后的向量， w l 1 T w r 1 = 1 ， w r 1 = 1 w_{l1}^Tw_{r1}=1，w_{r1}=1 wl1T​wr1​=1，wr1​=1，解得 w l 1 T = [ 0.3333 0.1667 0.1667 0.3333 ] w_{l1}^T = \begin{bmatrix} 0.3333&0.1667&0.1667&0.3333 \end{bmatrix} wl1T​=[0.3333​0.1667​0.1667​0.3333​] 最终的一致性值为： x ∗ = 1 ∑ i = 1 n w l 1 i x ( 0 ) = [ 1 1 1 1 ] [ 0.3333 0.1667 0.1667 0.3333 ] [ 20 10 40 0 ] = [ 15 15 15 15 ] x^*=1 \sum_{i=1}^n w_{l1i}x(0) = \begin{bmatrix} 1\\ 1\\ 1\\1 \end{bmatrix}\begin{bmatrix} 0.3333&0.1667&0.1667&0.3333 \end{bmatrix} \begin{bmatrix} 20\\ 10\\ 40\\ 0\end{bmatrix}= \begin{bmatrix} 15\\ 15\\ 15\\15 \end{bmatrix} x∗=1i=1∑n​wl1i​x(0)= ​1111​ ​[0.3333​0.1667​0.1667​0.3333​] ​2010400​ ​= ​15151515​ ​与以下MATLAB仿真结果一致

clear;
clc;

%% 参数赋值
global L
L = [1  0  0 -1
    -1  1  0  0
    -1 -1  2  0
     0  0  -1 1];

%初值
x0 = [20 10 40 0]';

%时间参数
t_begin = 0;
t_final = 10;

%解方程\dot{x} = -Lx(t)
[t,out] = ode45(@ctFun, [t_begin,t_final], x0)

%% 绘图
plot(t,out(:,1), t,out(:,2), t,out(:,3), t,out(:,4))
xlabel('$t(s)$','Interpreter','latex');
ylabel('$x_i$','Interpreter','latex');
legend('$x_1$','$x_2$','$x_3$','$x_4$','Interpreter','latex');
grid on;
%% 微分方程
function out = ctFun(~,x)
    global L 
    dx = -L * x;
    out = dx;
end

离散时间

离散时间多智能体系统：
单个系统: x ˙ i ( k + 1 ) = A x i ( k ) + ϵ u i ( k ) \dot{x}_i(k+1)=Ax_i(k)+\epsilon u_i(k) x˙i​(k+1)=Axi​(k)+ϵui​(k)
多智能体系统： x ˙ ( k + 1 ) = A x ( k ) + B u ( k ) \dot{x}(k+1)=Ax(k)+Bu(k) x˙(k+1)=Ax(k)+Bu(k)
每个智能体的输入为： u i ( t ) = ∑ j ∈ N i a i j ( x j ( t ) − x i ( t ) ) u_i(t) = \sum_{j\in N_i}a_{ij}(x_j(t)-x_i(t)) ui​(t)=∑j∈Ni​​aij​(xj​(t)−xi​(t))

当满足 ϵ < 1 / d m a x \epsilon<1/d_max ϵ<1/dm​ax时满足最终一致性条件

clear
clc

%% 参数赋值
L = [1  0  0 -1
    -1  1  0  0
    -1 -1  2  0
     0  0 -1  1];
[M,N] = size(L);

%时间参数
tBegin = 0;
tFinal = 20;
epsilon = 0.4;
times = (tFinal-tBegin)/epsilon;
time(1,1) = 0;

x_1(1) = 20; 
x_2(1) = 10; 
x_3(1) = 40; 
x_4(1) = 00; 

%% 控制器计算
for i=1:times
    
    time(i+1) = time(i) + epsilon;

    u_1 = -L(1,1)*(x_1(i)-x_1(i)) - L(1,2)*(x_2(i)-x_1(i)) - L(1,3)*(x_3(i)-x_1(i)) - L(1,4)*(x_4(i)-x_1(i));
    u_2 = -L(2,1)*(x_1(i)-x_2(i)) - L(2,2)*(x_2(i)-x_2(i)) - L(2,3)*(x_3(i)-x_2(i)) - L(2,4)*(x_4(i)-x_2(i));
    u_3 = -L(3,1)*(x_1(i)-x_3(i)) - L(3,2)*(x_2(i)-x_3(i)) - L(3,3)*(x_3(i)-x_3(i)) - L(3,4)*(x_4(i)-x_3(i));
    u_4 = -L(4,1)*(x_1(i)-x_4(i)) - L(4,2)*(x_2(i)-x_4(i)) - L(4,3)*(x_3(i)-x_4(i)) - L(4,4)*(x_4(i)-x_4(i));

    x_1(i+1) = x_1(i) + epsilon*u_1;
    x_2(i+1) = x_2(i) + epsilon*u_2;
    x_3(i+1) = x_3(i) + epsilon*u_3;
    x_4(i+1) = x_4(i) + epsilon*u_4;
end

%% Draw graphs
plot(time,x_1, time,x_2, time,x_3, time,x_4, 'linewidth',1.5);
legend('$x_1$','$x_2$','$x_3$','$x_4$', 'Interpreter','latex'); grid on
xlabel('$t(s)$', 'Interpreter','latex');
ylabel('$x$', 'Interpreter','latex');

运行效果：

切换拓扑

针对由 x ˙ i = u i \dot{x}_i=u_i x˙i​=ui​所构成的多智能体系统，在任意切换时刻t下系统的通信拓扑图G均为无向连通图或含有生成树的有向图时，系统使用如式 u i ( t ) = ∑ j ∈ N i a i j ( x j ( t ) − x i ( t ) ) u_i(t) = \sum_{j\in N_i}a_{ij}(x_j(t)-x_i(t)) ui​(t)=∑j∈Ni​​aij​(xj​(t)−xi​(t))的控制器可实现如（*）所描述的一致。

在这里插入图片描述
在这里插入图片描述


clear
clc

La= [1  0  0 -1
    -1  1  0  0
    -1 -1  2  0
     0  0 -1  1];
Lb= [1  0  0 -1
    -1  1  0  0
     0 -1  1  0
     0  0 -1  1];
Lc= [1  0  0 -1
    -1  1  0  0
     0 -1  1  0
     0 -1 -1  2];
Ld= [3 -1 -1 -1
    -1  2 -1  0
    -1 -1  2  0
    -1 -1 -1  3];

x_1(:,1) = 20; 
x_2(:,1) = 10; 
x_3(:,1) = 40; 
x_4(:,1) = 00; 

tBegin = 0;
tFinal = 5;
dT = 0.01;
times = (tFinal-tBegin)/dT;
t(1,1) = 0;

for i=1:times
    t(:,i+1) = t(:,i) + dT;
    
    if mod(t(:,i),2) >= 0.0 && mod(t(:,i),4) < 0.5
        L = La;
    end
    if mod(t(:,i),2) >= 0.5 && mod(t(:,i),4) < 1.0
        L = Lb;
    end
    if mod(t(:,i),2) >= 1.0 && mod(t(:,i),4) < 1.5
        L = Lc;
    end
    if mod(t(:,i),2) >= 1.5 && mod(t(:,i),4) < 2.0
        L = Ld;
    end
    
    % calculate control inputs
    u_1 = -L(1,1)*(x_1(i,:)-x_1(i,:)) - L(1,2)*(x_2(i,:)-x_1(i,:)) - L(1,3)*(x_3(i,:)-x_1(i,:)) - L(1,4)*(x_4(i,:)-x_1(i,:));
    u_2 = -L(2,1)*(x_1(i,:)-x_2(i,:)) - L(2,2)*(x_2(i,:)-x_2(i,:)) - L(2,3)*(x_3(i,:)-x_2(i,:)) - L(2,4)*(x_4(i,:)-x_2(i,:));
    u_3 = -L(3,1)*(x_1(i,:)-x_3(i,:)) - L(3,2)*(x_2(i,:)-x_3(i,:)) - L(3,3)*(x_3(i,:)-x_3(i,:)) - L(3,4)*(x_4(i,:)-x_3(i,:));
    u_4 = -L(4,1)*(x_1(i,:)-x_4(i,:)) - L(4,2)*(x_2(i,:)-x_4(i,:)) - L(4,3)*(x_3(i,:)-x_4(i,:)) - L(4,4)*(x_4(i,:)-x_4(i,:));
    
    % update statues
    x_1(i+1,1) = x_1(i,1) + dT*u_1;
    x_2(i+1,1) = x_2(i,1) + dT*u_2;
    x_3(i+1,1) = x_3(i,1) + dT*u_3;
    x_4(i+1,1) = x_4(i,1) + dT*u_4;
end

%% Draw graphs
plot(t,x_1, t,x_2, t,x_3, t,x_4, 'linewidth',1.5);
legend('$x_1$','$x_2$','$x_3$','$x_4$', 'Interpreter','latex'); grid on
xlabel('$t(s)$', 'Interpreter','latex');
ylabel('$x$', 'Interpreter','latex');

运行效果：

含时延的一致性

当时延 τ \tau τ满足

τ ∈ [ 0 , τ m a x ) , τ m a x = π / 2 λ n \bf \tau∈[0,\tau_{max}),\tau_{max} = \pi /2\lambda_n τ∈[0,τmax​),τmax​=π/2λn​其中 λ n \lambda_n λn​为系统拉普拉斯矩阵的最大特征值，有 λ n = m a x ( λ i ) , i = 1 , 2 , . . , n \lambda_n=max(\lambda_i),i = 1,2,. . ,n λn​=max(λi​),i=1,2,..,n

时，由 x ˙ i = u i \dot{x}_i=u_i x˙i​=ui​所构成的多智能体系统，使用 u i ( t ) = ∑ j ∈ N i a i j ( x j ( t ) − x i ( t ) ) u_i(t) = \sum_{j\in N_i}a_{ij}(x_j(t)-x_i(t)) ui​(t)=∑j∈Ni​​aij​(xj​(t)−xi​(t))的控制器可实现如（*）所描述的一致。满足一致性

% 连续时间含时延系统一致性

clear
clc

global L X0
L = [3 -1 -1 -1
    -1  2 -1  0
    -1 -1  2  0
    -1 -1 -1  3];

X0 = [20 10 40 00]';

tBegin = 0;
tFinal = 20;
tspan = [tBegin, tFinal];

% 定义时间延时
tau = pi/2/max(eig(L)) * 0.8;
out = dde23(@ctFun, tau, @history, tspan);
t = out.x;
X = out.y;

plot(t,X(1,:), t,X(2,:), t,X(3,:), t,X(4,:), 'linewidth',1.5);
legend('$x_1$','$x_2$','$x_3$','$x_4$', 'Interpreter','latex'); grid on
xlabel('$t(s)$', 'Interpreter','latex');
ylabel('$x$', 'Interpreter','latex');

%% DDE
function out = ctFun(~,~,TD)
    x_TD = TD;
    global L
    dX = -L * x_TD;
    out = dX;
end

function X_his = history(~)
    global X0
    X_his = X0;
end

领航跟踪

  • 领航跟踪定义
    \qquad 当所有智能体的状态满足以下关系时，证明跟随者实现对领航者的跟踪
    l i m t → ∞ ∣ ∣ x i ( t ) − x 0 ( t ) ∣ ∣ = 0 , ( i = 1 , 2 , ⋅ ⋅ , n ) lim_{t→∞} ||x_i(t)- x_0(t)||=0,(i = 1,2,·· ,n) limt→∞​∣∣xi​(t)−x0​(t)∣∣=0,(i=1,2,⋅⋅,n)

  • 牵制矩阵：
    \qquad 领航跟随系统中，定义第i个跟随者与领航者之间的关系为lilo当领航者对跟随者有牵制作用时， l 1 l l_{1l} l1l​= 1,没有牵制作用时， l 1 l l_{1l} l1l​=0。领航者对跟随者的牵制矩阵 L l L_l Ll​为对角矩阵，有
    L l = [ l 1 l l 2 l ⋱ l n l ] L_l=\begin{bmatrix} l_{1l} & & & \\ & l_{2l} & & \\ & & \ddots & \\ & & & l_{nl} \\ \end{bmatrix} Ll​= ​l1l​​l2l​​⋱​lnl​​ ​
    追随者模型： x ˙ i ( t ) = u i ( t ) \dot{x}_i(t)=u_i(t) x˙i​(t)=ui​(t)领航者模型： x ˙ 0 ( t ) = v 0 ( t ) \dot{x}_0(t)=v_0(t) x˙0​(t)=v0​(t)
    控制器设置为： u i = ∑ j ∈ N i a i j ( x j − x x ) + l i l ( x 0 − x i ) + ν 0 u_i=\sum_{j\in N_i}a_{ij}(x_j- x_x)+ l_il(x_0- x_i)+ \nu_0 ui​=j∈Ni​∑​aij​(xj​−xx​)+li​l(x0​−xi​)+ν0​
    控制器的矩阵形式：
    u i = − L x + L l ( 1 x 0 − x ) + 1 ν 0 = （ L + L l ） ( 1 x 0 − x ) + 1 ν 0 u_i=-Lx+ L_l(\boldsymbol{1} x_0- x)+ \boldsymbol{1} \nu_0\\[1ex]=（L+ L_l）(\boldsymbol{1} x_0- x)+ \boldsymbol{1} \nu_0 ui​=−Lx+Ll​(1x0​−x)+1ν0​=（L+Ll​）(1x0​−x)+1ν0​

引理1：如果图G是连通的，那么对称矩阵L+Ll是正定的。
定理：针对上述两个模型构成的领航-跟随多智能体系统，假设系统的通信拓扑图是无向连通图(至少存在一个智能体与领航者相连)或含有生成树的有向图(领航者节点至少是其中一个生成树的根结点)，那么使用如上的控制器时，系统可实现如领航跟随效果。

% 领航跟随系统一致性

clear
clc

global L Ll
L = [1  0  0 -1
    -1  1  0  0
     0 -1  1  0
     0  0 -1  1];
Ll= diag([1  1  0  0]);

X_follower = [20 10 40 00];
X_leader = 20;

tBegin = 0;
tFinal = 20;
tspan = [tBegin, tFinal];

%% 
In = [X_leader X_follower]';
out = ode45(@ctFun, tspan, In);
t = out.x;
X = out.y;

plot(t,X(1,:), t,X(2,:), t,X(3,:), t,X(4,:), t,X(5,:), 'linewidth',1.5);
legend('$x_0$','$x_1$','$x_2$','$x_3$','$x_4$', 'Interpreter','latex'); grid on
xlabel('$t(s)$', 'Interpreter','latex');
ylabel('$x$', 'Interpreter','latex');

function out = ctFun(~,In)
    global L Ll 
    Xl = In(1);
    Xf = In(2:5);
    
    v_0 = 0;
    dXl = v_0;
    X_Bar = Xf - Xl;
    dX = -(L+Ll) * X_Bar + v_0;
    
    out = [dXl 
           dX];
end

二阶多智能体系统一致性

连续时间系统一致性

系统中单个智能体的状态满足二阶微分方程，基本形式可表达为： p ˙ i = ν i ν ˙ i = u i \dot{p}_i=\nu_i \\[1ex] \dot{\nu}_i=u_i p˙​i​=νi​ν˙i​=ui​
其中 p i p_i pi​可表示智能体i的位置， ν i \nu_i νi​表示其速度， u i u_i ui​表示控制输入。令 x i = [ p i ν i ] T x_i=\begin{bmatrix} p_i & \nu_i \end{bmatrix}^T xi​=[pi​​νi​​]T，则上式子转化为状态空间表达式有：
[ p i ˙ ν i ˙ ] = [ 0 1 0 0 ] [ p i ν i ] + [ 0 1 ] u i \begin{bmatrix} \dot{p_i} \\ \dot{\nu_i }\end{bmatrix} = \begin{bmatrix} 0&1\\ 0&0 \end{bmatrix} \begin{bmatrix} p_i \\ \nu_i \end{bmatrix} +\begin{bmatrix} 0\\ 1 \end{bmatrix} u_i [pi​˙​νi​˙​​]=[00​10​][pi​νi​​]+[01​]ui​ x ˙ i = a x i + b u i \dot{x}_i=ax_i+bu_i x˙i​=axi​+bui​
多智能体系统表达为：
在这里插入图片描述
实际应用中，存在许多智能体维度不为1的情况，例如智能车在水平面运动时维度为2（x和y方向均有位移和速度）。于是，一般地，多智能体系统可表示为：
在这里插入图片描述
1）动态一致性：当所有智能体的状态满足以下关系时，证明多智能体系统达到动态一致 l i m t → ∞ ∣ ∣ p i − p j ∣ ∣ = 0 , l i m t → ∞ ∣ ∣ ν i − ν j ∣ ∣ = 0 , i , j = 1 , 2 , . . . ， n lim_{t→∞}||pi-pj||=0,\\[1ex] lim_{t→∞}||\nu i-\nu j||=0,\\[1ex] i,j = 1,2,...，n limt→∞​∣∣pi−pj∣∣=0,limt→∞​∣∣νi−νj∣∣=0,i,j=1,2,...，n1）静态一致性：当所有智能体的状态满足以下关系时，证明多智能体系统达到静态一致 l i m t → ∞ ∣ ∣ p i − p j ∣ ∣ = 0 , l i m t → ∞ ∣ ∣ ν i ∣ ∣ = 0 , i , j = 1 , 2 , . . . ， n lim_{t→∞}||pi-pj||=0,\\[1ex] lim_{t→∞}||\nu i||=0,\\[1ex] i,j = 1,2,...，n limt→∞​∣∣pi−pj∣∣=0,limt→∞​∣∣νi∣∣=0,i,j=1,2,...，n

动态一致性控制器为：
u i ( t ) = α ∑ j ∈ N i a i j ( p j ( t ) − p i ( t ) ) + β ∑ j ∈ N i a i j ( ν j ( t ) − ν i ( t ) ) u_i(t) = \alpha\sum_{j\in N_i}a_{ij}(p_j(t)-p_i(t))+\beta\sum_{j\in N_i}a_{ij}(\nu_j(t)-\nu_i(t)) ui​(t)=αj∈Ni​∑​aij​(pj​(t)−pi​(t))+βj∈Ni​∑​aij​(νj​(t)−νi​(t)) u ( t ) = − [ α L β L ] x ( t ) u(t) = - \begin{bmatrix} \alpha L&\beta L\end{bmatrix}x(t) u(t)=−[αL​βL​]x(t)
可以证明：上述系统在上述控制器的条件下，系统状态的最终一致性值为下式：（证明略）
[ p ( t ) ν ( t ) ] = [ 1 n c T t 1 n c T 0 n × n 1 n c T ] [ p ( 0 ) ν ( 0 ) ] \begin{bmatrix} p(t)\\\nu(t) \end{bmatrix} =\begin{bmatrix} 1_nc^T & t1_nc^T \\0_{n\times n}&1_nc^T \end{bmatrix} \begin{bmatrix} p(0)\\ \nu(0) \end{bmatrix} [p(t)ν(t)​]=[1n​cT0n×n​​t1n​cT1n​cT​][p(0)ν(0)​]

静态一致性控制器为：
u i ( t ) = α ∑ j ∈ N i a i j ( p j ( t ) − p i ( t ) ) + β ν i ( t ) u_i(t) = \alpha\sum_{j\in N_i}a_{ij}(p_j(t)-p_i(t))+\beta\nu_i(t) ui​(t)=αj∈Ni​∑​aij​(pj​(t)−pi​(t))+βνi​(t) u ( t ) = − [ α L β I n ] x ( t ) u(t) = - \begin{bmatrix} \alpha L&\beta I_n\end{bmatrix}x(t) u(t)=−[αL​βIn​​]x(t)
可以证明：上述系统在上述控制器的条件下，系统状态的最终一致性值为下式：（证明略）
[ p ( t ) ν ( t ) ] = [ 1 n c T 0 n × n 0 n × n 0 n × n ] [ p ( 0 ) ν ( 0 ) ] \begin{bmatrix} p(t)\\\nu(t) \end{bmatrix} =\begin{bmatrix} 1_nc^T & 0_{n\times n} \\0_{n\times n}&0_{n\times n} \end{bmatrix} \begin{bmatrix} p(0)\\ \nu(0) \end{bmatrix} [p(t)ν(t)​]=[1n​cT0n×n​​0n×n​0n×n​​][p(0)ν(0)​]

  • 例：
% 连续时间系统动态一致性
clear
clc
global L alpha beta
L = [3 -1 -1 -1
    -1  2 -1  0
    -1 -1  3 -1
    -1  0 -1  2];
alpha = 1.5;
beta = 1.0;
p(:,:) = [20 10 40 00]';
v(:,:) = [02 01 04 00]';
x(:,:) = [p' v']';
tBegin = 0;
tFinal = 20;
[t,out] = ode45(@ctFun, [tBegin, tFinal], x);
p = out(:, 1:4)';
v = out(:, 5:8)';

figure(1)
plot(t,p(1,:), t,p(2,:), t,p(3,:), t,p(4,:), 'linewidth',1.5);
xlabel('$t (s)$','Interpreter','latex');
ylabel('$p_i$','Interpreter','latex');
legend('$p_1$','$p_2$','$p_3$','$p_4$','Interpreter','latex'); grid on

figure(2)
plot(t,v(1,:), t,v(2,:), t,v(3,:), t,v(4,:), 'linewidth',1.5);
xlabel('$t (s)$','Interpreter','latex');
ylabel('$v_i$','Interpreter','latex');
legend('$v_1$','$v_2$','$v_3$','$v_4$','Interpreter','latex'); grid on

function out = ctFun(~,x)
    global L alpha beta
    out = [zeros(4,4)  eye(4)
          -alpha*L    -beta*L] * x;
end

离散时间系统一致性

系统中单个智能体的状态满足二阶微分方程： p i ( k + 1 ) = p i ( k ) + ν i ( k ) ν i ( k + 1 ) = ν i ( k ) + u i ( k ) p_i(k+1)=p_i(k)+\nu_i(k) \\[1ex] \nu_i(k+1)=\nu_i(k)+u_i(k) pi​(k+1)=pi​(k)+νi​(k)νi​(k+1)=νi​(k)+ui​(k)状态空间表达式： x ( k + 1 ) = a x ( k ) + b u ( k ) x(k+1)=ax(k)+bu(k) x(k+1)=ax(k)+bu(k)
动态一致性控制器为：
u i ( k ) = α ∑ j ∈ N i a i j ( p j ( k ) − p i ( k ) ) + β ∑ j ∈ N i a i j ( ν j ( k ) − ν i ( k ) ) u_i(k) = \alpha\sum_{j\in N_i}a_{ij}(p_j(k)-p_i(k))+\beta\sum_{j\in N_i}a_{ij}(\nu_j(k)-\nu_i(k)) ui​(k)=αj∈Ni​∑​aij​(pj​(k)−pi​(k))+βj∈Ni​∑​aij​(νj​(k)−νi​(k)) u ( k ) = − [ α L β L ] x ( k ) u(k) = - \begin{bmatrix} \alpha L&\beta L\end{bmatrix}x(k) u(k)=−[αL​βL​]x(k)
针对由上述所构成的多智能体系统，当且仅当矩阵 Γ \Gamma Γ有一个重数为2的特征值1，其他特征值均在单位圆内时，使用上述控制器系统可实现一致性。

静态一致性控制器为：
u i ( k ) = α ∑ j ∈ N i a i j ( p j ( k ) − p i ( k ) ) + β ν i ( k ) u_i(k) = \alpha\sum_{j\in N_i}a_{ij}(p_j(k)-p_i(k))+\beta\nu_i(k) ui​(k)=αj∈Ni​∑​aij​(pj​(k)−pi​(k))+βνi​(k) u ( k ) = − [ α L β I n ] x ( k ) u(k) = - \begin{bmatrix} \alpha L&\beta I_n\end{bmatrix}x(k) u(k)=−[αL​βIn​​]x(k)
针对由上述所构成的多智能体系统

%离散时间系统动态一致性
clear
clc

L = [3 -1 -1 -1
    -1  2 -1  0
    -1 -1  3 -1
    -1  0 -1  2];

alpha = 1.5;
beta = 1.0;

p(:,:) = [20 10 40 00]';
v(:,:) = [02 01 04 00]';
u(:,:) = [00 00 00 00]';

tBegin = 0;
tFinal = 20;
dT = 0.1;
times = (tFinal-tBegin)/dT;
t(1,1) = 0;

for k=1:times
    t(:,k+1) = t(:,k) + dT;
    
    u(:,k) = [-alpha*L -beta*L] * [p(:,k); v(:,k)];
    
    v(:,k+1) = v(:,k) + dT * u(:,k);
    p(:,k+1) = p(:,k) + dT * v(:,k);
end

figure(1)
plot(t,p(1,:), t,p(2,:), t,p(3,:), t,p(4,:), 'linewidth',1.5);
xlabel('$t (s)$','Interpreter','latex');
ylabel('$p_i$','Interpreter','latex');
legend('$p_1$','$p_2$','$p_3$','$p_4$','Interpreter','latex'); grid on
xlim([0,20])

figure(2)
plot(t,v(1,:), t,v(2,:), t,v(3,:), t,v(4,:), 'linewidth',1.5);
xlabel('$t (s)$','Interpreter','latex');
ylabel('$v_i$','Interpreter','latex');
legend('$v_1$','$v_2$','$v_3$','$v_4$','Interpreter','latex'); grid on
xlim([0,20])

连续时间含时延系统一致性

动态一致性控制器为：
u i = α ∑ j ∈ N i a i j ( p j ( t − τ ) − p i ( t − τ ) ) + β ∑ j ∈ N i a i j ( ν j ( t − τ ) − ν i ( t − τ ) ) u_i= \alpha\sum_{j\in N_i}a_{ij}(p_j(t-\tau)-p_i(t-\tau))+\beta\sum_{j\in N_i}a_{ij}(\nu_j(t-\tau)-\nu_i(t-\tau)) ui​=αj∈Ni​∑​aij​(pj​(t−τ)−pi​(t−τ))+βj∈Ni​∑​aij​(νj​(t−τ)−νi​(t−τ)) u = − [ α L β L ] x ( t − τ ) u= - \begin{bmatrix} \alpha L&\beta L\end{bmatrix}x(t-\tau) u=−[αL​βL​]x(t−τ)

定理：针对上述多智能体系统，假设系统通信拓扑图是连通图，那么针对上面的含有时延T的控制器，当时延满足条件式（最大时延） τ ∗ = m i n k > 1 { a r c t a n ( β η k α ) / η k } \tau^*=min_{k>1}\{ arctan(\frac{\beta \eta_k}{\alpha} )/\eta_k\} τ∗=mink>1​{arctan(αβηk​​)/ηk​}时系统可实现一致性。其中 ω = ( λ k 2 β 2 + λ k 4 β 4 + 4 λ k 2 α 2 ) = = η k \omega=\sqrt{\left(\lambda_k^2\beta^2+\sqrt{\lambda_k^4\beta^4+4\lambda_k^2\alpha^2}\right)}==\eta_k ω=(λk2​β2+λk4​β4+4λk2​α2 ​) ​==ηk​

% 连续时间含时延系统一致性
clear
clc

L = [3 -1 -1 -1
    -1  2 -1  0
    -1 -1  3 -1
    -1  0 -1  2];

alpha = 1.5;
beta = 1.0;

lambda = eig(L);
lambda(round(lambda)==0)=[];
omega = sqrt( (lambda.^2.*beta^2 + sqrt(lambda.^4.*beta^4+4*lambda.^2.*alpha^2)) / 2 );
eta_k = omega;
tau = (atan(beta/alpha*eta_k)) ./ eta_k;
tau_star = min(tau) * 0.0;

p(:,:) = [20 10 40 00]';
v(:,:) = [02 01 04 00]';
u(:,:) = [00 00 00 00]';

tBegin = 0;
tFinal = 20;
dT = 0.001;
times = (tFinal-tBegin)/dT;
t(1,1) = 0;

for i=1:round(tau_star/dT)
    t(:,i+1) = t(:,1);
    p(:,i+1) = p(:,1);
    v(:,i+1) = v(:,1);
    u(:,i+1) = u(:,1);
end

for k=round(tau_star/dT)+1:times
    t(:,k+1) = t(:,k) + dT;

    u(:,k) = [-alpha*L -beta*L] * [p(:,k-round((tau_star)/dT)); v(:,k-round((tau_star)/dT))];
    
    v(:,k+1) = v(:,k) + dT * u(:,k);
    p(:,k+1) = p(:,k) + dT * v(:,k);
end

figure(1)
plot(t,p(1,:), t,p(2,:), t,p(3,:), t,p(4,:), 'linewidth',1.5);
xlabel('$t (s)$','Interpreter','latex');
ylabel('$p_i$','Interpreter','latex');
legend('$p_1$','$p_2$','$p_3$','$p_4$','Interpreter','latex'); grid on
xlim([0,20])

figure(2)
plot(t,v(1,:), t,v(2,:), t,v(3,:), t,v(4,:), 'linewidth',1.5);
xlabel('$t (s)$','Interpreter','latex');
ylabel('$v_i$','Interpreter','latex');
legend('$v_1$','$v_2$','$v_3$','$v_4$','Interpreter','latex'); grid on
xlim([0,20])

领航跟随系统一致性

跟随者模型： p ˙ i ( t ) = ν i ( t ) ν ˙ i ( t ) = u i ( t ) \dot{p}_i(t)=\nu_i (t) \\[1ex] \dot{\nu}_i(t)=u_i(t) p˙​i​(t)=νi​(t)ν˙i​(t)=ui​(t)
领航者模型： p ˙ 0 ( t ) = ν 0 ( t ) ν ˙ 0 ( t ) = a 0 ( t ) \dot{p}_0(t)=\nu_0 (t) \\[1ex] \dot{\nu}_0(t)=a_0(t) p˙​0​(t)=ν0​(t)ν˙0​(t)=a0​(t)
控制器设计：
u i ( t ) = α ( ∑ j ∈ N i a i j ( p j ( t ) − p i ( t ) ) + l i l ( p 0 ( t ) − p i ( t ) ) ) + β ( ∑ j ∈ N i a i j ( ν j ( t ) − ν i ( t ) ) + l i l ( ν 0 ( t ) − ν i ( t ) ) ) + a 0 u_i(t) = \alpha \left( \sum_{j\in N_i}a_{ij}(p_j(t)-p_i(t))+l_{il}(p_0(t)-p_i(t))\right)\\[1ex]+\beta\left( \sum_{j\in N_i}a_{ij}(\nu_j(t)-\nu_i(t))+l_{il}(\nu_0(t)-\nu_i(t))\right)+a_0 ui​(t)=α ​j∈Ni​∑​aij​(pj​(t)−pi​(t))+lil​(p0​(t)−pi​(t)) ​+β ​j∈Ni​∑​aij​(νj​(t)−νi​(t))+lil​(ν0​(t)−νi​(t)) ​+a0​ u i = [ α ( L + L l ) β ( L + L l ) ] [ 1 n p 0 − p 1 n ν 0 − ν ] + 1 n a 0 u_i =\begin{bmatrix} \alpha(L+L_l)&\beta(L+L_l) \end{bmatrix} \begin{bmatrix} 1_np_0-p\\ 1_n\nu_0-\nu \end{bmatrix}+1_na_0 ui​=[α(L+Ll​)​β(L+Ll​)​][1n​p0​−p1n​ν0​−ν​]+1n​a0​

其中 a 0 a_0 a0​是领航者的控制（加速度）输入。

引理：给定一个复系数多项式 f ( s ) = s 2 + ( a + i b ) s + c + i d f(s) = s_2+(a +ib)s + c+id f(s)=s2​+(a+ib)s+c+id其中 a , b , c , d ∈ R a,b, c, d\in R a,b,c,d∈R，当且仅当a >0且 a b d + a 2 c − d 2 > 0 abd +a^2c-d^2>0 abd+a2c−d2>0时f(s)是赫尔维茨(Hurwitz)稳定的。

定理：定义误差变量 p ~ ˙ = p − 1 n p 0 \dot{\tilde{p}} = p-1_np_0 p~​˙​=p−1n​p0​， ν ~ ˙ = ν − 1 n ν 0 \dot{\tilde{\nu}} = \nu-1_n\nu_0 ν~˙=ν−1n​ν0​ 令 Γ l = [ 0 I n − α ( L + L l ) − β ( L + L l ) ] \Gamma_l = \begin{bmatrix} 0&I_n \\ -\alpha(L+L_l)&-\beta(L+L_l)\end{bmatrix} Γl​=[0−α(L+Ll​)​In​−β(L+Ll​)​], x ~ = [ p ~ ν ~ ] \tilde{x}=\begin{bmatrix} \tilde{p} \\ \tilde{\nu} \end{bmatrix} x~=[p~​ν~​]考虑同时含有跟随者和领航者的多智能体系统，假设对于给定的增益参数α,β，存在适当维度的正定矩阵Р使得式 Γ l T P + P Γ l = − I 2 n \Gamma ^T_lP+P\Gamma_l = -I_{2n} ΓlT​P+PΓl​=−I2n​成立，那么，系统 x ~ ˙ = Γ l x ~ \dot{\tilde{x}}=\Gamma_l\tilde{x} x~˙=Γl​x~是渐进稳定的，同时意味着系统中跟随者实现了对领航者的跟随。

在这里插入图片描述

% 领航跟随系统一致性静态领航者
clear
clc

global L Ll
L = [3 -1 -1 -1
    -1  2 -1  0
    -1 -1  3 -1
    -1  0 -1  2];
Ll= diag([1  1  0  0]);

p(:,:) = [20 10 40 00]';
v(:,:) = [02 01 04 00]';
x(:,:) = [p' v']';

p_0(:,:) = 20;
v_0(:,:) = 2;
x_0(:,:) = [p_0' v_0']';

global alpha beta
alpha = 1.5;
beta = 1.0;

tBegin = 0;
tFinal = 20;
tspan = [tBegin, tFinal];

In = [x_0'  x']';
out = ode23(@ctFun, tspan, In);

t   = out.x;
p_0 = out.y(1,:);
v_0 = out.y(2,:);
p   = out.y(3:6,:);
v   = out.y(7:10,:);

figure(1)
plot(t,p_0, t,p(1,:), t,p(2,:), t,p(3,:), t,p(4,:), 'linewidth',1.5);
xlabel('$t (s)$','Interpreter','latex');
ylabel('$p_i$','Interpreter','latex');
legend('$p_0$','$p_1$','$p_2$','$p_3$','$p_4$','Interpreter','latex'); grid on

figure(2)
plot(t,v_0, t,v(1,:), t,v(2,:), t,v(3,:), t,v(4,:), 'linewidth',1.5);
xlabel('$t (s)$','Interpreter','latex');
ylabel('$v_i$','Interpreter','latex');
legend('$v_0$','$v_1$','$v_2$','$v_3$','$v_4$','Interpreter','latex'); grid on

function out = ctFun(~,In)
    global L Ll alpha beta
    p_0  = In(1);
    v_0  = In(2);
    a_0  = 0;
    dp_0 = v_0;
    dv_0 = a_0;

    p  = In(3:6);
    v  = In(7:10);
    u  = [-alpha*(L+Ll)  -beta*(L+Ll)]...
       * [p - p_0;        v - v_0]...
       + ones(4,1)*a_0;
    dp = v;
    dv = u;
    
    out = [dp_0
           dv_0
           dp
           dv];
end

连续时间系统编队控制

当所有智能体的状态满足以下关系时，证明多智能体系统实现编队控制
l i m t → ∞ ∣ ∣ p ~ i ( t ) − p ~ j ( t ) ∣ ∣ = 0 l i m t → ∞ ∣ ∣ ν ~ i ( t ) − ν ~ j ( t ) ∣ ∣ = 0 （ i , j = 1 , 2... n ）         lim_{t→∞} ||\tilde{p}_i(t)-\tilde{p}_j(t)||= 0\\[1ex] lim_{t→∞} ||\tilde{\nu}_i(t)-\tilde{\nu}_j(t)||= 0\\[1ex] （i, j = 1,2...n） \ \ \ \ \ \ \ \ limt→∞​∣∣p~​i​(t)−p~​j​(t)∣∣=0limt→∞​∣∣ν~i​(t)−ν~j​(t)∣∣=0（i,j=1,2...n）        

设编队的控制向量为 d ( x ) = [ d ( p ) d ( ν ) ] T d(x) = \begin{bmatrix} d(p)&d(\nu)\end{bmatrix}^T d(x)=[d(p)​d(ν)​]T
d ( x ˙ ) = A d ( x ( t ) ) + B d ( u ( t ) ) d(\dot{x})=Ad(x(t))+Bd(u(t)) d(x˙)=Ad(x(t))+Bd(u(t))
误差向量 x ~ = x − d ( x ) {\tilde{x}} = x-d(x) x~=x−d(x)， u ~ = u − d ( u ) {\tilde{u}} = u-d(u) u~=u−d(u)
可通过误差状态方程式 x ~ ˙ = A x ~ ( t ) + B u ~ ( t ) \dot{\tilde{x}}=A\tilde{x}(t)+B\tilde{u}(t) x~˙=Ax~(t)+Bu~(t)将编队控制问题转换为求解误差状态变量的一致性问题

控制器设计： u i ( t ) = α ∑ j ∈ N i a i j ( p ~ j ( t ) − p ~ i ( t ) ) + β ∑ j ∈ N i a i j ( ν ~ j ( t ) − ν ~ i ( t ) ) + u c i u_i(t)=\alpha \sum_{j\in N_i}a_{ij} (\tilde{p}_j(t)-\tilde{p}_i(t))+\beta \sum_{j\in N_i}a_{ij} (\tilde{\nu}_j(t)-\tilde{\nu}_i(t))+u_{ci} ui​(t)=αj∈Ni​∑​aij​(p~​j​(t)−p~​i​(t))+βj∈Ni​∑​aij​(ν~j​(t)−ν~i​(t))+uci​ u = − [ α L β L ] x ~ + u c u= - \begin{bmatrix} \alpha L&\beta L \end{bmatrix}\tilde{x}+u_c u=−[αL​βL​]x~+uc​
其中 u c i u_{ci} uci​为补偿项， u c = [ u c 1 u c 1 . . . u c n ] T u_{c}=\begin{bmatrix} u_{c1}&u_{c1}&...&u_{cn} \end{bmatrix}^T uc​=[uc1​​uc1​​...​ucn​​]T

Rise_wsc
关注
专栏目录
多智能体系统的一致性书籍
09-28
多智能体系统的经典之作，包括最优一致性等
多智能体系统一致性问题概述
11-21
本资源是对多智能体一致性问题的概述，希望对初学者有帮助
【无人机控制】一阶二阶多智能体控制（ORD45）Matlab仿真
最新发布
qq_59747472的博客
09-03 869
无人机作为近年来快速发展的新兴领域，在民用和军用领域都展现出巨大的潜力。多智能体控制作为一种新兴的控制方法，在协同控制、分布式控制和容错控制等方面展现出独特的优势，因此将其应用于无人机控制领域具有重要的研究意义。本文将以一阶和二阶多智能体控制系统为研究对象，利用Matlab仿真软件进行仿真，分析多智能体控制算法在无人机控制中的应用效果。一、系统模型考虑由N个无人机组成的多智能体系统，每个无人机都具有位置和速度状态，且遵循如下动力学模型：二、控制算法1. 一阶多智能体控制。
多智能体系统协同一致性问题（一）
m0_49080357的博客
05-19 1万+
多智能体系统的一致性是指系统中所有智能体都最终收敛至一个相同的状态，一致性是多智能体系统能否完成协同控制任务的关键条件之一。多智能体系统在通信拓补为有向树的条件下便可实现一致性。本文将在多智能体一致性理论的基础上，研究具有一般线性模型的多智能体系统无领航和“领航-跟踪”一致性控制问题。 1、问题构建 考虑连续时间高阶线性多智能体系统，系统的状态方程如下： 其中下表表示第i个智能体；表示系统的状态变量，为系统的控制输入量，表示系统的状态矩阵，表示系统的参数...
多智能体一致性
m0_58135773的博客
05-10 896
1.智能体三个基本规则： 避免碰撞，速度匹配，中心汇聚 2.多智能体一致性问题研究内容： 智能体角度： 高阶系统一致性，异步一致性，领导-跟随者一致性，基于事件触发机制的多智能体协同控制 通信拓扑角度： 时滞一致性，随机一致性，切换拓扑下的一致性 ...
【控制】多智体系统一致性基础知识
赵继超的笔记
10-22 7089
多智体控制多智体一致性控制图论图论矩阵一致性控制 多智体一致性控制 图论 图论矩阵 一致性控制 Multi-Agent System控制(1)图论 Multi-Agent System控制(2)图论中的矩阵 Multi-Agent System控制(3)一致性控制 ...
多智能体中的图论——多智能体的一致性（二）
国庆的博客
08-13 2万+
一致性（agreement）是多智能体协同（multiagent coordination）中的一个基础问题，即使智能体间达成一种共同状态。这一篇中我们考虑有向和无向静态网络中的一致性协议，首要目标是聚集在收敛（convergence）协议属性和潜在相互连接结构之间错综复杂的关系。 1、无向网络（邻接矩阵对称） 一致性协议涉及n个动态单元，将n个动态单元标记为1, 2,...,n，他们之间通过信息交换连接而相互连接。一个一致性协议的例子展示在下方 对于...
【转】多智能体系统一致性问题概述
shenjiansword的博客
12-21 855
多智能体系统一致性问题概述 https://www.docin.com/p-2105233325.html
多智能体一阶二阶一致性matlab仿真
01-15
包涵一阶，二阶多智能体一致性，包涵对车辆的编队的算法仿真，最后仿真实现小车位置和速度的一致性。还包含带领导和时滞系统时的matlab仿真m文件
多智能体一致性仿真程序
12-11
多智能体一致性MATLAB仿真程序，研究了一阶一致性问题，使用LMI工具箱求解
事件触发的多智能体一致性
04-01
基于事件触发的多智能体一致性算法的研究，本人亲测程序可用
多智能体一阶二阶一致性 matlab 仿真
03-12
多智能体一阶二阶一致性 matlab 仿真。 包涵一阶，二阶多智能体一致性，包涵对车辆的编队的算法仿真，最后仿真实现小车位置和速度的一致性。还包含带领导和时滞系统时的matlab仿真m文件 多智能体
学习笔记：深度学习（3）——卷积神经网络（CNN）理论篇
Morganfs的博客
04-12 10万+
深度学习笔记——CNN卷积神经网络理论篇。主要包括CNN的概念、基本原理、类型综述。算是比较完善的一篇文章了。
MATLAB智能优化算法-学习笔记（1）——遗传算法求解0-1背包问题【过程+代码】
g1997c的博客
08-27 1689
遗传算法（Genetic Algorithm, GA）是一种基于自然选择和遗传机制的优化方法，广泛应用于求解复杂的优化问题。本文利用遗传算法求解0-1背包问题，探索其在求解组合优化问题中的有效性。0-1背包问题是一种经典的离散优化问题，其目标是选择一定数量的物品以最大化总价值，同时确保总质量不超过背包的容量限制。该问题在实际应用中涉及广泛，如资源分配、货物装载等领域。
深度学习知识点全面总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 26万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
区块链学习笔记21——智能合约
qq_44293330的博客
02-28 7145
二十一、智能合约 智能合约是以太坊的精髓，也是以太坊和比特币一个最大的区别。 什么是智能合约？ 智能合约的本质是运行在区块链上的一段代码，代码的逻辑定义了智能合约的内容 智能合约的账户保存了合约当前的运行状态 balance：当前余额 nonce：交易次数 code：合约代码 storage：存储，数据结构是一颗MPT Solidity是智能合约最常用的语言，语法上与JavaScript很接近 智能合约的代码结构 Solidity是面向对象的变成语言，这里的contrac
BI(商业智能) 学习笔记
飞你莫属的博客
09-06 886
BI(商业智能) 学习笔记 BI定义 商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、联机分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。 数据仓库（DW或DWH） 数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。 为需要业务智能的企业，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值