针对具有未知扰动的多智能体系统, 设计扩张状态观测器, 估计每个智能体的状态和受到的扰动, 并通过无线网络发送 给邻居智能体. 利用 Stackelberg 博弈描述多智能体系统的带宽分配问题, 设计了可以补偿网络时延的预测云控制方案, 给出了 Stackelberg 博弈的纳什均衡解和多智能体系统一致性和稳定性条件, 通过仿真算例验证了方法的有效性.

随着计算机科学技术、人工智能技术和网络控 制技术的飞速发展, 多智能体系统(multi -agent systems, MASs)引起了广泛的关注, 已应用于智能电 网[1-3]、智能交通[4]、自动驾驶[5]、传感器网络[6]等领 域, 一致性问题是 MASs 的基本问题[7-13] , 该问题旨在 通过与邻居交换信息来使所有智能体达成一致. 大 量的 MASs 通过无线网络交换信息, 不可避免地受到 噪音信号的干扰. 扰动的存在会影响系统的性能, 甚 至严重破坏系统的稳定性. 扩张状态观测器作为自 抗扰控制器的核心, 可用于同时估计状态和扰动. 然 而, 在考虑网络延迟的情况下, 如何较精确地估计系 统状态和扰动需要进一步研究. 在 MASs 中, 随着智能体结构的变化和规模的增 加, 数据的实时处理和计算的速度需要得到严格的 保障, 使用传统分析方法很难处理这样的实时大数 据和计算. 同时, 控制系统中的海量数据将增加网络 的通信负担和系统的计算负担, 一个高效的带宽分 配方案就变得尤为重要. 此外, 由于数据是通过网络 传输的, 网络时延对 MASs 的影响至关重要, 需要设 计相应的控制策略以主动补偿网络时延. 因此, 在大 规模的云控制系统中, 合理分配带宽以充分利用通 信资源非常重要, 这有助于提高效率, 减少不必要的 资源浪费;另一方面, 如何补偿 MASs 存在的网络时 延和受到的扰动也是一个关键问题. 基于以上分析, 研究了一种考虑网络时延和未 知扰动的 MASs 的带宽分配和预测云控制方案. 本文 的贡献总结如下: 1)对于具有未知扰动的 MASs, 提出了一种基于 预测的扩张状态观测器, 以估计每个智能体受到的 扰动并设计控制器进行补偿. 2)Stackelberg 博弈方法用于解决 MASs 的带宽 分配问题, 该问题包含预测云控制器之间的非合作 博弈和智能体之间的演化博弈. 3)提出了一种预测云控制方案, 以补偿受带宽 分配影响的网络时延和扰动. 并给出了保证 MASs 稳 定性和一致性的充分条件.

成为VIP会员查看完整内容
16

相关内容

多智能体系统(multi-agent system,MAS) 是一种全新的分布式计算技术。自20 世纪70年代出现以来得到迅速发展,目前已经成为一种进行复杂系统分析与模拟的思想方法与工具。
基于机器学习的交通流预测方法综述
专知会员服务
34+阅读 · 2023年8月17日
有人/ 无人集群任务规划系统集成框架
专知会员服务
160+阅读 · 2023年6月14日
基于知识图谱的仿真想定智能生成方法
专知会员服务
100+阅读 · 2023年6月4日
战术先验知识启发的多智能体双层强化学习
专知会员服务
106+阅读 · 2023年5月9日
基于多智能体深度强化学习的体系任务分配方法
专知会员服务
142+阅读 · 2023年5月4日
面向智能博弈的决策Transformer方法综述
专知会员服务
182+阅读 · 2023年4月14日
深度生成模型综述
专知会员服务
51+阅读 · 2022年1月2日
专知会员服务
23+阅读 · 2021年1月30日
专知会员服务
43+阅读 · 2021年1月18日
专知会员服务
40+阅读 · 2020年8月14日
「基于课程学习的深度强化学习」研究综述
「基于通信的多智能体强化学习」 进展综述
面向多智能体博弈对抗的对手建模框架
专知
11+阅读 · 2022年9月28日
「联邦学习模型安全与隐私」研究进展
专知
5+阅读 · 2022年9月24日
多模态认知计算
专知
7+阅读 · 2022年9月16日
「深度学习3D点云处理」最新2022进展综述
边缘计算应用:传感数据异常实时检测算法
计算机研究与发展
11+阅读 · 2018年4月10日
机器学习实现金融风控
凡人机器学习
15+阅读 · 2017年6月1日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
157+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
398+阅读 · 2023年3月31日
Arxiv
66+阅读 · 2023年3月26日
Arxiv
139+阅读 · 2023年3月24日
VIP会员
相关VIP内容
基于机器学习的交通流预测方法综述
专知会员服务
34+阅读 · 2023年8月17日
有人/ 无人集群任务规划系统集成框架
专知会员服务
160+阅读 · 2023年6月14日
基于知识图谱的仿真想定智能生成方法
专知会员服务
100+阅读 · 2023年6月4日
战术先验知识启发的多智能体双层强化学习
专知会员服务
106+阅读 · 2023年5月9日
基于多智能体深度强化学习的体系任务分配方法
专知会员服务
142+阅读 · 2023年5月4日
面向智能博弈的决策Transformer方法综述
专知会员服务
182+阅读 · 2023年4月14日
深度生成模型综述
专知会员服务
51+阅读 · 2022年1月2日
专知会员服务
23+阅读 · 2021年1月30日
专知会员服务
43+阅读 · 2021年1月18日
专知会员服务
40+阅读 · 2020年8月14日
相关资讯
「基于课程学习的深度强化学习」研究综述
「基于通信的多智能体强化学习」 进展综述
面向多智能体博弈对抗的对手建模框架
专知
11+阅读 · 2022年9月28日
「联邦学习模型安全与隐私」研究进展
专知
5+阅读 · 2022年9月24日
多模态认知计算
专知
7+阅读 · 2022年9月16日
「深度学习3D点云处理」最新2022进展综述
边缘计算应用:传感数据异常实时检测算法
计算机研究与发展
11+阅读 · 2018年4月10日
机器学习实现金融风控
凡人机器学习
15+阅读 · 2017年6月1日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员