拓扑连通性保持下的多智能体系统群集控制研究.doc

拓扑连通性保持下的多智能体系统群集控制研究 　　摘 要： 对群集动态行为的涌现机制进行深入研究，提出了一种新颖的基于骨干网络的系统层次型组织拓扑结构的分布式建模方法，进而以层次型网络模型为基础，在骨干网络层内部采用分布式人工势场函数实现骨干网络内部的连通性保持和拓扑结构重构，然后利用领航跟随控制思想，将基于势函数的梯度控制算法和基于调和流函数的避障控制算法有机结合，巧妙地解决了网络的跨层连通性保持与对障碍物的光滑规避，实现了骨干网络层与非骨干网络层之间的跨层协调控制，减少了冗余通信约束，降低通信和计算代价，显著增强了整个系统的灵活性和适应性。 　　关键词： 多智能体系统； 群集； 拓扑连通性； 人工势场函数； 骨干网络?Ⅱ 　　中图分类号： TN919?34； TM417 文献标识码： A 文章编号： 1004?373X（2016）19?0033?04 　　Abstract： Based on the deep study on the emergence mechanism of cluster dynamic behavior， a new distributed modeling method of system hierarchical topology structure based on backbone network is proposed. On the basis of the hierarchical network structure， the distributed artificial potential function inside the backbone network is used to realize the connectivity maintenance and topological reconstruction inside the backbone network. And then the plot follow control thought is used to integrate the gradient control algorithm based on potential function and obstacle avoidance algorithm based on harmonic stream function organically， which can solve the cross?layer connectivity maintenance of the network and smooth circumvention of the obstacle， realize the cross?layer coordination control between the backbone network layer and non?backbone network layer， reduce the constraint of the redundancy communication， communication and calculation costs， and enhance the flexibility and adaptability of the whole system. 　　Keywords： multi?agent system； cluster； topology connectivity； artificial potential function； backbone network Ⅱ 　　0 引 言 　　在现实应用中通常只能保证多智能体系统通信拓扑的初始连通性，而无法保证系统在后续的演化过程中始终保持连通[1]。因此，在保证拓扑连通性约束始终得到满足的条件下，对多智能体系统进行分布式群集运动控制是一个贴近实际需求、面向典型应用的理论研究，相关研究成果对涌现性群集行为的理解及其在大规模复杂群体系统的应用，具有重大的理论意义和实践指导价值[2]。 　　本文重点研究障碍环境下多智能体系统群集控制中的连通性保持和避障控制问题。大多数相关控制算法存在的不足包括：连通性保持控制算法采用的网络模型均为平面型对等网络；系统在动态演化过程中同时实现连通性保持与避障控制至今仍然是一个开放性问题[3]。 　　为克服上述缺陷，将上述问题分解为互相紧密耦合的两个子问题：即离散拓扑空间的拓扑连通性保持问题和连续位形空间中的群集运动与避障控制问题[4]。首先，引入一种新颖的基于骨干网络的系统拓扑控制算法以实现系统层次型网络模型的分布式构建，进而设计一类分布式骨干网络拓扑自裁剪算法（BSPA），使得在保持网络整体连通性的条件下减