多智能体系统带宽分配及预测云控制

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.