将大规模系统作为多智能体系统来处理并不是系统控制领域的新方法,多智能体系统的产生已有半个多世纪的历史。近年来由于智能城市、交通系统的全局行为、网络系统、机器学习等大型系统的理论工具的需要,多智能体系统又重新受到人们的关注。这类系统的共同特点是,整个系统由大量相互耦合、相互连接的自治个体组成。虽然个体受局部控制,但组成一个整体系统完成任务。
在客座编辑 Takashi Nakakuki、Tielong Shen 和 Shunsyoku Kanae 三位教授的组织下,主题为 Multiagent-based System Modeling and Control Practice 的专刊已发表于期刊Control Theory and Technology 2020年第2期。本期专刊旨在为该领域的理论工作者和实践者提供一个平台,在新问题特别是生物学、生物启发系统、平均场博弈和互联网络系统上交流具有挑战性的成果。
本期专刊论文分为三组:
综述及新技术
Kun Hou等的综述从任务、控制和感知三个层次对多机器人群体及其协同控制和通信方法进行了总结;将每种方法的发展分阶段,并概述了每个阶段的主要研究内容;最后,讨论了智能群的通信问题以及各种方法的关键问题、挑战和未来工作。Peng Rong和 Takashi Nakakuki提出了一种生物分子控制方案,证明了如何将动态DNA纳米技术应用于系统控制领域。这组的最后一篇短文来自Shun-ichi Azuma,他讨论了一种很有前途的生物网络模型--布尔网络系统及其网络结构。
Cooperative control and communication of intelligent swarms: a survey
智能群的协同控制与通信研究综述(点击阅读原文)
作者:Kun Hou, Yajun Yang, Xuerong Yang & Jiazhe Lai
机构:University of Aerospace Engineering & Sun Yat-Sen University
Analysis of finite-time regulation property of biomolecular PI controller
生物分子PI控制器的有限时间调节特性分析(点击阅读原文)
作者:Peng Rong & Takashi Nakakuki
机构:Kyushu Institute of Technology
Robust network structures for conserving total activity in Boolean networks
布尔网络总活动守恒的鲁棒网络结构(点击阅读原文)
作者:Shun-ichi Azuma
机构:Nagoya University
案例研究
第二组从创新的理论工具角度展示了三个案例的研究。Tianxiang Wang等提出了一种求解具有输入约束的离散时间多智能体动态图形博弈的在线迭代算法,证明了Bellman方程在线求解的可能性。此解决方案采用分布式策略迭代过程,在一定条件下,当每个智能体同时更新自己的策略时,整个多智能体系统将达到纳什均衡。Yan Du等针对大数据的分类问题,提出了一种基于扩散策略的分布式集成学习方案。与非集成模式相比,作者提出的扩散逻辑回归算法可以有效避免过度拟合,获得较高的分类精度。Zhongda Lu等的论文研究了区间型2(IT2)Takagi-Sugeno(T-S)模糊非线性网络控制系统的混合触发有限时间非脆弱滤波问题。设计的非脆弱滤波器解决了滤波器参数的不确定性,而且文中提出的一种新的混合时间/事件触发传输机制减少了网络资源的浪费。
Multi-agent graphical games with input constraints: an online learning solution
输入约束的多智能体图形博弈:在线学习解决方案(点击阅读原文)
作者:Tianxiang Wang, Bingchang Wang & Yong Liang
机构:Shandong University
Diffusion logistic regression algorithms over multiagent networks
多智能体网络的扩散逻辑回归算法(点击阅读原文)
作者:Yan Du, Lijuan Jia, Shunshoku Kanae & Zijiang Yang
机构:Beijing Institute of Technology,Junshin Gakune University & Ibaraki University
基于混合时间/事件触发传输机制的非线性网络控制系统有限时间非脆弱滤波
作者:Zhongda Lu, Junxiao Lu, Jiaqi Zhang & Fengxia Xu
机构:Qiqihar University
实际应用
专刊的最后一组包括了三篇有实际应用背景的论文。Jiangyan Zhang和Fuguo Xu的论文研究了混合动力电动汽车的能耗最小化问题,提出了一种基于自适应巡航控制(ACC)的混合动力汽车(HEV)实时能量优化算法。实时能量优化可以保证混合动力汽车动力系统尽可能高效运行。Qiaobin Fu等的论文实现了在拥挤车流中应用平均场博弈理论来实现车辆速度一致性的挑战,并通过协调发动机和电机,得到了能耗最小的动力系统最优控制。Defeng He等提出了一种基于实时交通信息的高速列车最优轨迹规划算法。利用高速列车的非线性纵向动力学特性,根据实时交通信息,预测列车未来的运行状态,然后将高速列车的最优轨迹规划问题转化为考虑安全性、准时性、舒适性和能耗的最优控制问题。
Real-time optimization of energy consumption under adaptive cruise control for connected HEVs
联网混合动力汽车自适应巡航控制能耗的实时优化(点击阅读原文)
作者:Jiangyan Zhang & Fuguo Xu
机构:Dalian Minzu University & Sophia University
Distributed optimal energy consumption control of HEVs under MFG-based speed consensus
基于平均场博弈论的速度一致混合动力汽车分布式最优能耗控制(点击阅读原文)
作者:Qiaobin Fu, Fuguo Xu, Tielong Shen & Kenichi Takai
机构:Sophia University
基于实时交通信息的高速列车节能滚动优化的轨迹规划(点击阅读原文)
作者:Defeng He, Long Zhou & Zhe Sun
机构:Zhejiang University of Technology
关于CTT(点击进入期刊主页)
© 2020 Springer, part of Springer Nature.
All Rights Reserved.
如果篇首注明了授权来源,任何转载需获得来源方的许可!如果篇首未特别注明出处,本文版权属于 X-MOL ( x-mol.com ), 未经许可,谢绝转载!