多智能体协调控制-修改.ppt

Brooks行为抑制法： 对各个行为按一定的原则规定优先级，选择高优先级行为的输出作为机器人的输出，即高优先级的行为抑制低优先级的行为 缺点：需要一个仲裁器来判断行为优先级，或者采用投票的方法来选择行为。在每一时刻控制变量都有明确意义，由于各子行为在控制过程中不停切换，控制结果不平滑，而且完成任务所需的时间较长。 模糊逻辑法： 根据模糊规则综合各行为的输出，从而确定 机器人的输出。其实这种方法是加权平均法 的变异，它根据具体情况来确定权值大小。 总之，基于行为法的优点为每个机器人均可 兼顾各种行为，同时利于实时控制。当机器人 具有多个竞争性目标时， 可以很容易的得出控 制策略。由于机器人根据其它机器人位置进行 反应，系统中有明确的队形反馈。该方法的另 一个优点是可以实现分布式控制。 缺点:不能明确地定义群体行为，很难对其进 行数学分析，并且不能保证队形的稳定性等。 另外各子行为的融合具有不可知性，且融合的 方法不容易确定，随着环境复杂性的增加，融 合的难度也加大。 三.多智能体动态网络的一致性(Consensus) 系统科学中Consensus 这个词译为群体中的成员通过与其他成员的信息交流及共同约定的简单相互作用，使群体达成共同的意向。Consensus是保留在英文中的拉丁词汇con=共同，sensus=感觉, consensus=共同的感知，共同的认识，共谋, 在中文文献中译为一致。 1995年，Vicsek等提出了一个简单但引起巨大关注的多移动智能体(Agent)(即点或者粒子)模型。所有智能体以相同的速率但不同的运动方向在平面上作自主运动，每个智能体的运动方向按照它当前的运动方向与它的“近邻(Neighbors)”运动方向之和的平均值来更新。在某时刻，一个智能体的近邻集合是指位于以该智能体的当前位置为圆心，一个事先给定的值为半径的圆上或圆内的所有智能体。 Vicsek等在文中给出了一系列有趣的仿真结果。这些结果说明，尽管没有集中的协调，并且每个智能体的最近邻的集合在系统演变的过程中随时间而改变，模型所采用的“最邻近规则”却能够使所有智能体的运动方向最终趋于一致，并且通过在一个有界区域增加智能体的密度，使得多智能体网络拓扑变为连通时，可以观察到相变现象。 粒子群系统的相变现象 群体行为一致性的数学描述 群体的动力学系统（行为）是由（大量）个体 （Agent）个体间通信网络拓扑结构及控制协议确定。考虑有M 个动力学个体的群体，每个个体之间通过通信网络保持某种信息交流，这种信息交换的网络拓扑结构可以用一个图来描述 其中V为节点集，E为边集。定义 为边集权重矩阵，用以刻画智能体间 的相互作用。 若 则称这个网络图是对称 的，无向的否则称这个网络图是有向图。 若 为时间的函数， 被称为动态（时变） 有向图（或无向图)，若 为随机变量, 称为随机图。记节点 的邻居集合为 用 表示个体 的状态（这个状态可以是 位置，速度等感兴趣的变量） 从宏观的角度出发，对群体而言，个体可以看成是一个简单动力学单元，在研究中往往撇开个体复杂的动力学性质，抽象其最基本的性质， 用质点动力学来建模。在连续时间下，满足简单的动力学规则 则下面的控制协议 则连续时间下群体行为动态模型 相应地，在离散时间下的群体行为动态模 型可以表示成 其中 我们称群体趋向于一致，就是认为它们的状态渐 近收敛到一个共同状态空间，也就是最终实现 一致性的含义就是：任给初始状态 其中 与系统的动力学方程有关，也与各x 的 始状态有关。当 系统一致的状态可以表示 为 其中 是总体决策意向 记 表示节点 的度，同时定义 矩阵 。 中第 个元素为 。第 个元素为 则矩阵 为图 的拉普拉斯矩阵。 L矩阵在研究线性一致性问题上是一个核心概念， 对一个图而言，L矩阵的特征根总是非负实部 的，并且至少具有一个零特征根。 1.时不变网络下的群体行为一致性 在时不变网络条件下，对任何一个体 它的邻 居集 都是固定不变的，并且权重 也是固定不 变的。系统可以用下面这个线性时不变系统来表 示 常数矩阵 是对应网络图 矩阵