摘要: 多智能体系统(Mulit-agentSystem,MAS)是由多个具备一定自主能力的计算单元所组成的复杂网络系统。由于具有成本低、鲁棒性强、效率高等优势，MAS目前正在逐渐替代人类，在极为苛刻的环境中执行危险的或单个智能体无法完成的复杂任务。拒止环境是一类... 展开 多智能体系统(Mulit-agentSystem,MAS)是由多个具备一定自主能力的计算单元所组成的复杂网络系统。由于具有成本低、鲁棒性强、效率高等优势，MAS目前正在逐渐替代人类，在极为苛刻的环境中执行危险的或单个智能体无法完成的复杂任务。拒止环境是一类导航、通信受限拒止的恶劣环境，是对军事对抗、外太空探索、深海探测等典型任务环境特征的归纳总结。拒止环境中复杂苛刻的外部条件对MAS内部的协同过程提出了更高的要求。在拒止环境中，MAS必须加强协作，促使更多功能的协同涌现。其中，构型的协同控制与规划是实现MAS功能涌现的重要手段，是MAS的基础研究问题之一。因此，需要对拒止环境下构型的协同控制和规划方法进行深入研究。 本文结合国防科技创新特区H863计划重点项目，对拒止环境下两类构型控制方法，以及两类构型规划方法，进行深入研究。主要研究内容总结如下： 研究导航拒止环境下基于相对测量的包围构型控制方法。包围构型在对目标的协同观测、跟踪、定位等任务中发挥着重要作用。首先，明确定义了包围控制任务的期望构型；针对具有二阶运动学的MAS，以一维运动空间为例，提出了实现包围构型的分布式一致性加速度控制律；当跟随者无法获得绝对定位时，提出了自组织估计算法，仅使用相对测量估计跟随者与领导者中心的相对距离，解决了基于相对测量的包围构型控制问题。最后，二维平面的包围控制数值仿真验证了所提方法的正确性和有效性，分布式控制律具有抗节点损毁能力和较低的算法复杂度。 研究面向位置精度因子(PositionDilutionofPrecision,PDOP)定位构型的构型控制方法。MAS的协同定位过程和构型控制过程存在耦合效应，需要研究如何通过构型控制提升协同定位性能。针对MAS的移动定位系统，选择目标区域的PDOP分布作为衡量定位性能优劣的构型指标，建立了PDOP定位构型控制问题。设计了通用PDOP覆盖指标，解决了因为奇异构型而导致的传统PDOP在任务空间分布不连续的问题；根据覆盖控制框架，推导了覆盖指标对每一个多智能体节点位置状态的偏导数公式，设计了基于梯度下降的构型控制方法。最后通过三类场景的数值仿真，验证了构型控制方法的正确性和有效性。 研究基于连续信念空间的构型规划方法。拒止环境中存在各种不确定性。然而传统配置空间的规划方法没有考虑不确定性扰动，规划方案在执行时可能由于环境扰动而偏离预期效果。本文建立了基于高斯噪声的信念空间构型规划框架。研究了基于数值差分的目标函数梯度计算方法，提出了连续信念空间中基于梯度下降的待评估路径生成方法，避免了传统离散化路径生成方法具有的指数增长计算复杂度问题。最后通过主动协同定位的数值仿真实验，验证了所提出方法的有效性。理论分析和实验结果表明，所提构型规划方法可以抑制环境不确定性的影响，比传统方法具有更高的鲁棒性和较低的算法复杂度。 研究基于概率拓扑的构型规划方法。当传感器存在物理边界，且节点状态存在不确定性，系统的未来拓扑是时变且随机的。本文提出了基于概率拓扑的构型规划方法，精确计算每一个未来拓扑的分布概率，综合考虑所有未来拓扑的影响，突破了传统方法确定性测量拓扑的框架。设计了圆盘观测模型连通变量概率分布的精确计算算法，推导了算法稳定的充分条件。设计了基于概率拓扑的构型规划方法，以未来拓扑概率为权值，将所有拓扑分支的目标函数期望值作为评估指标。数值仿真实验表明，拓扑概率计算精度越高，构型规划方法对环境不确定性和时变随机拓扑的鲁棒性越强。 收起