This paper examines event-triggered consensus of multi-agent systems on matrix-weighted networks, where the interdependencies among higher-dimensional states of neighboring agents are characterized by matrix-weighted edges in the network. Specifically, a distributed dynamic event-triggered coordination strategy is proposed for this category of generalized networks, in which an auxiliary system is employed for each agent to dynamically adjust the trigger threshold, which plays an essential role in guaranteeing that the triggering time sequence does not exhibit Zeno behavior. Distributed event-triggered control protocols are proposed to guarantee leaderless and leader-follower consensus for multi-agent systems on matrix-weighted networks, respectively. It is shown that that the spectral properties of matrix-valued weights are crucial in event-triggered mechanism design for matrix-weighted networks. Finally, simulation examples are provided to demonstrate the theoretical results.


翻译:本文审查了在矩阵加权网络上多试剂系统引发的事件共识,在这些网络中,相邻物剂的高度状态之间的相互依存关系特点为网络中的矩阵加权边缘,具体来说,为这一类通用网络提出了分散的动态事件触发协调战略,为每个物剂采用一个辅助系统来动态调整触发阈值,这在保证触发时间序列不表现出Zeno行为方面起着至关重要的作用。提出分散事件触发控制协议是为了保证在矩阵加权网络上对多剂系统达成无领导和遵循前导的共识,显示矩阵估值重量的光谱特性对于矩阵加权网络的突发机制设计至关重要。最后,提供了模拟实例来展示理论结果。

0
下载
关闭预览

相关内容

Explanation:网络。 Publisher:Wiley。 SIT: http://dblp.uni-trier.de/db/journals/networks/
专知会员服务
55+阅读 · 2021年5月17日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
4+阅读 · 2019年1月14日
Arxiv
24+阅读 · 2018年10月24日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员