摘要: 在过去的几年中，网络化多智能体系统协同控制方面的研究获得了令人瞩目的进展。所获得的不仅有很多理论结果，而且还有大量的实验和实践结果，涵盖的主题有一致性问题、图论、随机网络、动物群集、智能体蜂拥、机器人编队、传感器覆盖、信息融合等等... 展开 在过去的几年中，网络化多智能体系统协同控制方面的研究获得了令人瞩目的进展。所获得的不仅有很多理论结果，而且还有大量的实验和实践结果，涵盖的主题有一致性问题、图论、随机网络、动物群集、智能体蜂拥、机器人编队、传感器覆盖、信息融合等等。在所有的网络化智能体系统中，通信链的状态在系统分析和控制律设计中一直是一个关键因素。众所周知，一个智能体系统的通信拓扑确定了其个体间信息交流和共享的方式。因此，通信链的状态在系统稳定性和任务完成中就有决定性的作用。正因为这样，研究人员投入了大量的努力于以下两个问题的研究中。一是在什么样的通信链条件下，网络化系统能够获得所要求的状态，例如完成均值一致任务。二是怎样设计智能体的控制机制来满足特定的实践任务中所需要的这些通信条件。 在本论文中，我们将考虑一个基本任务――聚集任务中的协同控制问题。该任务的目标是设计分布式控制算法来驱使所有的智能体在有限时间内或当时间趋于无穷时抵达工作空间中的同一位置。在有限通信范围的条件下，开发了一些新的方法来解决多智能体系统与聚集相关的问题，包括权重有向图平衡，不可靠通信链下的协同控制，以及有界控制输入下的连通性控制等。这些方法与现有文献中的方法相比有显著的优点，例如，具有非保守的设计方法和实践中容易实现的优点。而且，其中某些问题，如多智能体同时在不可靠通信和有界控制输入限制下的连通性控制问题，据我们所知，是在研究中首次考虑的。 我们知道，网络的一致性算法在机器人组群和智能体决策中有着广泛的应用，例如，应用在聚集控制和编队控制中。在一致性算法中，由于在信号处理如传感器信息融合方面的广泛应用，所谓的均值一致性算法的研究显得尤为重要。又由于在均值一致性问题以及很多其它有向通信网络协同问题中，平衡图都扮演着重要角色，所以我们探讨了有向图权值平衡问题的条件和算法。现有的结果表明，一个有向图可以转换成平衡图，当且仅当它是强半连通的。基于这个认识，我们证明了有向图能够转换成平衡图当且仅当其关联矩阵的零空间里包含有正向量。接着，基于这个结果和相应的分析，提出了两个权值平衡算法。我们还指出了权值平衡问题与相应的底层Markov 链的关系。与现有的平衡算法相比，我们的算法在实践中更容易实现。 本文研究的另一个主题是多智能体系统在离散时间设定下的聚集算法设计问题，也就是说，智能体以方向点的方式进行控制。首先，考虑了带有有限通信范围和可靠通信链的智能体系统。提出了一个新的聚集算法框架――组合式框架，它以计算集合中的名词“凸组合”来命名。基于图论和一致性问题研究中的新工具，证明了所提出算法的收敛性。可以看到，广泛研究的外心算法能够看成是组合算法的一个特殊情形。接着，我们研究了带有有限通信范围和不可靠通信链的多机器人协同问题。开发了一个新的基于邻近图的协同算法，使得机器人组群在通信链满足遍历性假设的情况下，能够完成聚集任务。算法的收敛性证明建立在有根图理论工具的基础上。 我们还考虑了连续时间设定下多智能体系统的聚集算法设计问题。因为在几乎所有有关连通性控制的已有研究中，当智能体趋于跑出其邻居的通信范围时，控制输入就会趋于无界，所以我们集中研究了有限通信范围的多智能体系统有界输入连通性控制律设计问题。研究了一个一般的基于势的控制律，并给出了维持连通性的充分条件。接着，获得了一个以有界控制输入来维持连通性的必要条件。基于这个条件，提出了一个新的有界输入控制律，并讨论了相应控制律所需的合适的参数选择问题。显然，与现有的控制律设计方法相比，所提出的有界输入控制律在实践中更容易实现。 最后，我们回顾了方向点设定下带有不可靠通信链的聚集算法，以及有界输入下的连通性维持控制方法。据我们所知，这是首次研究多智能体系统在同时带有有限通信范围、不可靠通信链和有界控制输入情况下的聚集问题。结合参考点方法和指示函数方法，我们为每对邻近邻居定义了一个虚拟邻居，并对每个智能体设计了一个有界输入的连通性控制律。结果，智能体组群在很容易实现的控制算法下，保持了邻近图的连通性。所提出的算法在驱使机器人完成聚集任务时的有效性也得到了证明。 收起