【《多智能体事件触发一致性的国内外研究现状文献综述》5500字】

多智能体事件触发一致性的国内外研究现状文献综述1国内外在该方向的研究现状及分析这一部分主要讲述多智能体一致性、事件触发以及多智能体事件触发一致性的国内外研究现状以及分析。1.1多智能体一致性研究现状多智能体系统的协调控制问题包括：一致性控制问题、编队控制问题和群集控制问题REF_Ref71407471\r\h[26]REF_Ref71407472\r\h[27]，一致性控制问题可以简单地描述为：设计基于局部信息交换的控制方案，使得所有智能体的状态最终趋于一个相同值。一致性问题作为多智能体协调控制的核心问题，引起国内外学者广泛研究，具体可以将其为三个发展阶段REF_Ref71407485\r\h[28]。第一阶段的特征以模拟生物群体行为为主。1974年，DeGroot在管理学和统计学中首次提出一致性的概念REF_Ref71407501\r\h[29],随后，Borkar等对渐近同步一致性问题开展了研究REF_Ref71407528\r\h[30]。1987年有学者通过研究自然界中的生物群体的聚集行为如鸟群迁徙中的编队行为、集结洄游的鱼群行为以及成群工作的蚁群行为等REF_Ref71407240\r\h[3]，它们的典型特点是群体中的个体通过与其邻近个体进行信息传递、竞争、协作等一系列交互行为，实现整个多智能体系统的期望状态，Reynolds由此产生灵感，提出了Boid模型，并给出了智能体之间需遵循三个要求：速度匹配、中心靠拢、避免碰撞。随后，在此模型基础上，众多专家学者对一致性问题进行了大量的深入研究，并提出了这些主要问题的研究方法。1995年VicsekREF_Ref71407257\r\h[4]等人在Boid模型基础上提出了Vicsek模型，该模型中每一个独立个体可以表示为： 其中，分别表示第个QUOTEii独立个体在时刻的运动方向和邻居集合。该模型保证了智能体在邻近法则下运动能趋于一致。第二阶段是理论探索阶段。2003年Jadbabaie等人REF_Ref71407124\r\h[1]在文章REF_Ref71407257\r\h[4]的基础上，针对Vicsek模型进行无噪声假设研究，通过将图论知识和矩阵分析内容应用于模型GOTOBUTTONZEqnNum163387REFZEqnNum163387\*Charformat\!(1-2)并对其进行线性化处理，得出当智能体通信拓扑图为连通图时，智能体的状态能实现一致。 接着，Olfati-Saber等人在2004年的文献REF_Ref71407586\r\h[31]中讨论了通信拓扑为固定和切换拓扑情况下多智能体的一致性问题，并给出了最一般的研究一致性问题的算法和理论框架如式GOTOBUTTONZEqnNum662712REFZEqnNum662712\*Charformat\!(1-3)和式GOTOBUTTONZEqnNum448936REFZEqnNum448936\*Charformat\!(1-4)所示： 文章REF_Ref71407586\r\h[31]指出如果系统的网络通信拓扑结构是强连通的有向图，则对于任意的初始状态，系统最终能实现渐进收敛，对于强连通有向拓扑结构下的多智能体系统，实现平均一致收敛的充要条件是智能体间的通信拓扑图为平衡图。这也为深入研究多智能体系统一致性问题奠定了基础。第三阶段：一致性问题基础理论的逐步完善阶段。上述研究虽然从网络连接性的层面上对多智能体系统的研究做出了卓越的贡献，但它们都存在一定的局限性。例如，文献REF_Ref71407124\r\h[1]假设无向图，而文献REF_Ref71407586\r\h[31]则假设智能体间的通信拓扑结构必须为有向强连通的。2005年Ren等人在文献REF_Ref71407360\r\h[15]中针对固定拓扑结构假设下给出了离散和连续时间控制协议，证明对了对于具有一阶积分器模型特性的多智能体系统，该控制协议能够使系统达实现渐进一致稳定当且仅当智能体通信拓扑结构图中存在一棵生成树。上述研究成果均建立在假设智能体具有一阶积分器动态的基础上，但是现实情况中，智能体可能具有更复杂的动力学特性，比如二阶积分器或一般线性动态特性。随着研究的深入，部分学者在前人研究的基础上将研究方向转为更为一般的动力学系统，比如二阶积分器模型REF_Ref71407636\r\h[32]、状态空间模型REF_Ref71407648\r\h[33]REF_Ref71407649\r\h[34]，和典型的非线性模型Lagrangian模型REF_Ref71407665\r\h[35]等智能体系统。后来，很多学者不局限于对线性时不变智能体网络的一致性控制研究，考虑到实际的控制过程中，可能会遇到许多与智能体网络拓扑相关的问题，北京大学王龙教授团队分别就具有无向拓扑、切换拓扑以及通信时延影响下的多智能体系统的分组一致性问题展开了深入的研究，并获得了一系列相关的理论研究成果REF_Ref71407687\r\h[36]，复旦大学陈天平教授团队分别针对有固定拓扑和切换拓扑的多智能体系统，考虑了在外部影响下的系统分组一致性问题REF_Ref71407701\r\h[37]。中科院的洪奕光教授团队研究了自治拉格朗日系统的多智能体优化设计问题REF_Ref71407712\r\h[38]。华中科技大学的关治洪教授团队利用脉冲控制的方法，对多智能体系统的多一致性问题开展了深入研究，并获得了一系列的理论成果REF_Ref71407722\r\h[39]。重庆邮电大学纪良浩教授团队分别针对通信时延、输入时延影响下的分组一致性问题以及基于牵制、自适应控制策略的分组一致性等问题进行了比较深入的研究，并取得了一系列的研究成果REF_Ref71407734\r\h[40]。此外还有很多学者对时变拓扑REF_Ref71407744\r\h[41]，网络延时延REF_Ref71407756\r\h[41]与带宽受限REF_Ref71407415\r\h[21]等情下的多智能体系统一致性展开了研究。多智能体系统中的不确定环境和动态增加了使得系统变得更加复杂。在这些问题中，主体和目标的动态可能是不确定的。在文献REF_Ref72315461\r\h[42]中，智能体是具有不确定动态的自主车辆，引入了一种新的车级分散鲁棒自适应控制方法来抑制车辆非线性不确定动态的影响。在文献REF_Ref72315485\r\h[43]中，针对多智能体系统的一致性问题，提出了一种分布式鲁棒自适应控制方法。利用自适应神经网络和鲁棒控制技术解决了车辆动力学的不确定性问题。其他不确定性可能是问题环境造成的，如在问题过程中可能出现的未知障碍或威胁，智能体应该避免。1.2事件触发研究现状在以上关于多智能体一致性的研究中，智能体的能量消耗问题引起众多专家学者的广泛重视，一方面人们想要使智能体的能耗在通信状态下达到最低，另一方面还要减少智能体间的冗余信息传递，学者们专注于处理智能体间的信息传递方式问题。过去，智能体通过采用传统基于通信网络的实时交互方式或周期性交互方式获取信息，这种方式不仅要要求通信网络具备很大的通信带宽，同时还会消耗大量的网络资源；由于智能体本身具备的微处理器能量有限，对于大量数据或频繁周期性数据的传输难以维持，也正是这些问题激励了众多专家学者展开了对智能体间信息传输方式的研究。在以上背景下，事件触发机制应运而生。事件触发的基本原理如图1.2所示，事件触发函数实时采样被控对象的信息，并计算出测量误差，当给定的触发函数超过一定的阈值时，则触发一次事件。这里的触发函数是与测量误差函数相关。当触发事件后，触发开关信号会促使控制器采样新的数据并对控制器进行更新。如果触发函数没有超过阈值，不用进行采样和信息传递，控制器按照上一次触发时刻的数据继续执行控制任务。图1.2事件触发控制原理图1962年，由Dorf等人率先提出事件触发机制REF_Ref71407786\r\h[45]，Dorf研究了一种通过测量系统参数来改变采样频率的自适应系统。随后事件触发的思想应用于发动机控制中，用来解决传感器问题REF_Ref71407797\r\h[46]。较早地将事件触发控制技术引入到自动控制领域是在1999年的IFAC会议上，瑞典隆德理工学院Arzen等人在文献REF_Ref71407807\r\h[47]中首次提出了基于事件触发的PID（比例-积分-微分）控制器对单个系统进行控制，并且从仿真实验角度研究了基于事件触发机制的PID控制技术在单个系统控制中的应用问题。文章REF_Ref71407807\r\h[47]明确指出事件触发控制相比于时间触发控制存在的一些优势之处。2002年，在CDC会议上Aström等人REF_Ref71407824\r\h[48]通过对比事件触发采样和周期采样的区别，得到了事件触发采样的效果更好的结论。随着越来越多学者对事件触发控制的关注，事件触发控制已成为当前流行的研究主题,顶级会议IEEECDC从2010年起连续多年都设置有关ETC的专题,尤其是自2015年起，该会议独立发起了基于事件的控制、通信与信号处理国际会议(EBCCSP)REF_Ref71407847\r\h[49]。1.3多智能体事件触发一致性研究现状鉴于多智能体系统一致性以及事件触发控制的研究深入，有学者将事件触发控制应用到多智能体系统一致性问题中，针对多智能体系统的事件触发一致性控制研究涌现出很多成果。2012年，Dimarogonas等人REF_Ref71407858\r\h[50]针对一阶多智能体系统进行事件触发一致性分析，针对集中式和分布式控制两种情况，不仅给出了系统一致性的充分条件，同时也证明了事件触发控制方式在整个系统运行过程中不存在芝诺行为（即相邻两次采样的时间间隔严格大于零）。他们的研究成果在最近几年基于事件触发控制技术的多智能体系统的研究与应用中有着较为重要的指导作用。例如：文献REF_Ref71407868\r\h[51]基于实际应用中系统智能体间通信的有向性，提出一种事件触发控制下的避免智能体连续通信的有向网络一致性算法；文献REF_Ref71407878\r\h[52]针对一阶线性系统设计了基于事件触发的控制协议，该协议依赖于系统自身的最新状态；文献REF_Ref71407885\r\h[53]则研究了单积分器和双积分器情形下的事件触发平均一致性控制，设计了相应的触发函数；文献REF_Ref71407912\r\h[56]给出一个关于时间函数的事件驱动策略，通过对智能体的状态误差进行限定，使控制器更新不再依赖于邻居智能体的信息，其约束条件减弱。部分学者将事件触发控制应用到了离散时间多智能体系统的一致性问题上，并且取得了较多成果。如文献REF_Ref71407894\r\h[54]则对事件触发下离散时间随机多智能体系统进行了研究，得出了输入状态依概率稳定的充要条件；文献REF_Ref72332280\r\h[57]基于一阶离散时间多智能体系统的事件触发一致性进行研究，设计了一种新的基于相邻智能体组合测量的事件触发控制协议；文献REF_Ref72355413\r\h[58]研究了具有延迟量化和通信延迟的事件触发离散多智能体一致性问题，在多智能体网络强连通的假设下，提出了分布式事件触发条件使得所考虑的离散时间多智能体网络可以实现一致性；文献REF_Ref72333442\r\h[59]将事件触发自适应分布式观测器应用于离散线性多智能体系统的协同输出调节问题上，并指出该观测器不需要每个跟随者都知道领导者的矩阵信息，因此是完全分布式的；此外文献REF_Ref72333185\r\h[60]研究了离散线性多智能体系统的事件触发故障检测问题，并将其运用到一组无人水下机器人上面。随着研究的深入，部分学者将研究方向转到非线性系统中去，通过事件触发控制解决了非线性多智能体系统面临的部分难题。文献REF_Ref72353247\r\h[61]针对具有分布式事件触发机制的高阶非线性多智能体系统，研究了基于观测器的领导者跟随输出一致性问题；文献REF_Ref72341019\r\h[62]在有向图条件下，研究了具有事件触发控制输入和事件触发通信的不确定非线性多智能体系统的分布式自适应输出一致性跟踪问题，通过在每个智能体中引入一个附加参数估计器来补偿不确定外部干扰和事件触发测量误差对闭环系统稳定性的影响。在实际系统中往往存在外部扰动以及不确定性，对于存在扰动的多智能体系系统进行事件触发一致性研究更具现实意义，众多学者先后展开深入研究。比如在文献REF_Ref72340129\r\h[63]研究了具有未知非线性动态、受干扰的多智能体领导者跟随的事件触发一致性问题，设计了一种分布式一致性方案，给出了使所有智能体在给定的干扰抑制水平下达成一致的充分条件；文献REF_Ref72354563\r\h[64]提出了一种混合动态事件触发机制，解决了具有干扰的多智能体系统的事件触发一致性问题；文献REF_Ref72354943\r\h[65]针对具有外部干扰的不确定线性多智能体系统，研究了基于事件的分布式鲁棒H∞一致控制方法。1.3国内外文献综述的简析基于大量相关文献的研读，将相关学者对多智能体系统事件触发控制一致性问题研究的总结如下（1）多智能体一致性问题分类综合考虑以上内容所述，多智能体系统一致性问题的研究可大概由图2.2描述。（2）一致性问题的理论研究方法对于多智能体系统一致性问题的理论研究方法主要分为控制理论和图论两大类。多智能体系统的研究方法与单个控制系统类似。因此，经典的频域和时域分析方法都可用于研究多智能体系统的一致性。例如，文献REF_Ref71407586\r\h[31]便是采用频率分析方法中的Nyquist判据得到了使得一致性实现的延时上界。同时，基于特征值分析的研究方法是解决多智能体系统一致性问题的重要方法，这方面的三篇代表性文章分别是围绕一阶积分器动态智能体REF_Ref71407586\r\h[31]、二阶积分器动态智能体REF_Ref71407303\r\h[6]和一般线性动态智能体REF_Ref71407649\r\h[34]展开的。智能体之间的信息交换可以用一个网络连接图来表征。图的顶点用来表示每个智能体，而边就用来描述智能体之间的通信链路。根据数据传输的方向和速率可以将图分为有向图或无向图以及边有无加权的图。图及其对应的Laplacian矩阵的相关性质已经成为研究多智能体系统一致性的有力工具。边的增加、去除、权重的变化都会对多智能体系统一致的实现产生很大影响。有关图论的详细内容见文献REF_Ref71407979\r\h[58]。图1.3多智能体一致性分类（3）对于事件触发控制的主要研究框架：①定义事件触发函数与激励条件进而确定事件触发时间序列；②在控制器设计中加入事件触发控制策略，引入控制误差函数，将所研究的混合系统稳定性问题转化为具有扰动的连续（离散）闭环系统的稳定性问题，运用扰动分析法，得到多智能体系统达到分布式协同控制的条件，并避免邻居多智能体之间的连续通信和每个智能体事件触发时间序列可能存在的Zeno现象。从上述分析可以看出，基于事件触发控制技术的多智能体系统分布式协同控制已经取得了很好的研究成果，但仍有一些难点，总结如下：（1）多智能体系统通信连接的复杂性。由于有向图下对系统的稳定性分析会更加复杂，Zeno现象的分析更加困难，因此，目前大多研究都假设系统通信拓扑为无向图，有向图下的一致性问题会更具有挑战性。（2）状态信息获得的困难性。目前存在的文献大多研究静态状态反馈的问题，然而由于实际多智能体系统中，状态的信息不容易得到。（3）多智能体系统运行环境的复杂性。实际情况下不同智能体之间在信息传输过程中总会受到外部环境的影响或干扰，理想通信（智能体之间信息的传输不受干扰且即时传输）是不存在的，信息传输过程中总是存在时延以及数据丢包、随机干扰等问题。大多数基于事件触发控制技术都是只利用邻居智能体在采样时刻处的信息来确保整个系统达到分布式协同控制，对时延以及数据丢包、随机干扰等问题显得非常敏感。因此，如何在控制协议和触发函数中考虑外部环境的影响或干扰是非常有必要的。参考文献JadbabaieA,LinJ,MorseA.Coordinationofgroupsofmobileautonomousagentsusingnearestneighborrules[J].IEEETransactionsonAutomaticControl,2003,48(6):988–1001.Olfati-SaberR,FaxJA,MurrayRM.Consensusandcooperationinnetworkedmulti-agentsystems[J].ProceedingsoftheIEEE,2007,95(1):215-233.ReynoldsC.Flocks.birds,andschools:adistributedbehavioralmodel[J].ComputerGraphics,1987,21(4):25–34.VicsekT,CzirókA,Ben-JacobE,etal.Noveltypeofphasetransitioninasystemofself-drivenparticles[J].Physicalreviewletters,1995,75(6):1226.GeX,HanQL.Distributedformationcontrolofnetworkedmulti-agentsystemsusingadynamicevent-triggeredcommunicationmechanism[J].IEEETransactionsonIndustrialElectronics,2017,64(10):8118-8127.RenW,AtkinsE.Distributedmulti‐vehiclecoordinatedcontrolvialocalinformationexchange[J].InternationalJournalofRobustandNonlinearControl:IFAC‐AffiliatedJournal,2007,17(10‐11):1002-1033.GeX,HanQL,ZhangXM.Achievingclusterformationofmulti-agentsystemsunderaperiodicsamplingandcommunicationdelays[J].IEEETransactionsonIndustrialElectronics,2017,65(4):3417-3426.GeX,HanQL.Distributedsampled-dataasynchronousH∞filteringofMarkovianjumplinearsystemsoversensornetworks[J].SignalProcessing,2016,127(OCT.):86-99.WangJ,ZhangXM,HanQL.Event-triggeredgeneralizeddissipativityfilteringforneuralnetworkswithtime-varyingdelays[J].IEEETransactionsonNeuralNetworksandLearningSystems,2015,27(1):77-88.DingL,GuoG.Distributedevent-triggeredH∞consensusfilteringinsensornetworks[J].SignalProcessing,2015,108:365-375.FanY,HuG,EgerstedtM.Distributedreactivepowersharingcontrolformicrogridswithevent-triggeredcommunication[J].IEEETransactionsonControlSystemsTechnology,2016,25(1):118-128.YangS,LiuQ,WangJ.Acollaborativeneurodynamicapproachtomultiple-objectivedistributedoptimization[J].IEEEtransactionsonneuralnetworksandlearningsystems,2017,29(4):981-992.LiuQ,YangS,WangJ.Acollectiveneurodynamicapproachtodistributedconstrainedoptimization[J].IEEETransactionsonNeuralNetworksandLearningSystems,2016,28(8):1747-1758.YangS,LiuQ,WangJ.Distributedoptimizationbasedonamultiagentsysteminthepresenceofcommunicationdelays[J].IEEETransactionsonSystems,Man,andCybernetics:Systems,2016,47(5):717-728.RenW,BeardRW.Consensusseekinginmultiagentsystemsunderdynamicallychanginginteractiontopologies[J].IEEETransactionsonAutomaticControl,2005,50(5):655-661.TunaSE.Conditionsforsynchronizabilityinarraysofcoupledlinearsystems[J].IEEETransactionsonAutomaticControl,2009,54(10):2416-2420.Ren,W.Cooperativecontroldesignstrategieswithlocalinteractions.InProceedingsof2006IEEEInternationalConferenceonNetworking,SensingandControl,pages451–456.DingL,GuoG.Sampled-dataleader-followingconsensusfornonlinearmulti-agentsystemswithMarkovianswitchingtopologiesandcommunicationdelay[J].JournaloftheFranklinInstitute,2015,352(1):369-383.DingL,ZhengWX.Consensustrackinginheterogeneousnonlinearmulti-agentnetworkswithasynchronoussampled