内容简介
《事件触发策略下多智能体鲁棒协同控制》以多智能体协同控制为基础，通过引入图论、滑模控制理论、Lyapunov稳定性理论、事件触发控制策略、固定时间稳定性理论、隐私掩码函数以及人工势场法等，重点研究事件触发策略下多智能体系统的鲁棒一致性、固定时间编队控制、隐私保护编队控制、网络攻击下安全编队控制、避碰条件下编队控制以及基于合作-竞争关系的二分一致性等关键科学问题。《事件触发策略下多智能体鲁棒协同控制》由控制理论出发，以解决实际工程问题为目标，面向多飞行器、多机器人等对象，由浅入深，帮助读者逐步理解和掌握多智能体系统的鲁棒协同控制理论。
目录
目录
“信息科学技术学术著作丛书”序
前言
第1章 绪论 1
1.1 多智能体系统概述 1
1.2 多智能体系统协同控制研究现状 3
1.2.1 多智能体系统鲁棒协同控制 3
1.2.2 多智能体系统事件触发协同控制 5
1.2.3 多智能体系统固定时间协同控制 7
1.2.4 多智能体系统隐私保护协同控制 8
1.2.5 网络攻击下多智能体系统协同控制 9
1.2.6 避碰条件下多智能体系统协同控制 10
1.2.7 基于合作-竞争关系的多智能体系统协同控制 12
1.3 本书结构特点及内容安排 13
1.4 本章小结 15
第2章 基础知识 16
2.1 图论的基础知识 16
2.1.1 图的基本表示 16
2.1.2 图的矩阵表示 17
2.1.3 符号图论 19
2.2 Lyapunov稳定性理论 20
2.3 滑模控制理论 20
2.4 常用的符号定义 22
2.5 本章小结 22
第3章 事件触发策略下多智能体系统鲁棒一致性 23
3.1 一阶多智能体系统事件触发一致性控制 23
3.1.1 问题描述 23
3.1.2 事件触发滑模控制器设计 24
3.1.3 仿真验证 28
3.2 二阶多智能体系统事件触发一致性控制 31
3.2.1 问题描述 32
3.2.2 事件触发滑模控制器设计 33
3.2.3 仿真验证 38
3.3 本章小结 42
第4章 多智能体系统固定时间事件触发编队控制 43
4.1 问题描述 43
4.1.1 基本定义和相关引理 43
4.1.2 问题描述 49
4.2 基于事件触发的多智能体系统固定时间编队控制 49
4.2.1 固定时间事件触发编队控制器设计 49
4.2.2 稳定性分析 51
4.3 仿真验证 59
4.4 本章小结 64
第5章 隐私保护下多智能体系统事件触发编队控制 65
5.1 掩码算法描述 65
5.1.1 消失隐私掩码定义 65
5.1.2 典型输出掩码函数介绍 65
5.2 多智能体系统事件触发滑模隐私保护编队控制 66
5.2.1 连续滑模隐私保护编队控制 66
5.2.2 事件触发滑模隐私保护编队控制 71
5.3 仿真验证 78
5.4 本章小结 88
第6章 网络攻击下多智能体系统事件触发编队控制 89
6.1 问题描述 89
6.2 基于事件触发的多智能体系统安全编队控制 90
6.2.1 事件触发编队控制器设计及稳定性分析 90
6.2.2 周期DoS攻击下事件触发安全编队控制 94
6.3 仿真验证 99
6.4 本章小结 103
第7章 避碰条件下多智能体系统事件触发编队控制 104
7.1 问题描述 104
7.2 基于事件触发的多智能体系统编队避碰控制 106
7.2.1 人工势场法 106
7.2.2 事件触发编队避碰控制器设计及稳定性分析 107
7.2.3 周期事件触发策略 115
7.3 仿真验证 118
7.4 本章小结 122
第8章 基于合作-竞争关系的多智能体系统事件触发二分一致性 124
8.1 问题描述 124
8.2 复杂网络攻击下多智能体系统事件触发二分一致性 125
8.2.1 虚假数据注入攻击下事件触发滑模控制器设计及稳定性分析 125
8.2.2 虚假数据注入攻击和DoS攻击下事件触发二分一致性 130
8.3 仿真验证 134
8.4 本章小结 137
参考文献 138
试读
第1章 绪论
在自然界中，当大量生物个体聚集在一起时，往往可以形成协调、有序，甚至震撼人心的运动场面，如海豚的合作捕食、大雁的集体迁徙以及狼群的狩猎行动等。受这些群体现象所表现出的自主、协调、稳定等特点的启发，美国麻省理工学院的Minsky提出了智能体(agent)这一概念，并将自然界生物群体中的每个个体的社会行为应用到工程和计算机领域中，从而实现对复杂实际问题的简单处理。由此可见，多智能体协同控制对于高效完成控制任务具有极其重要的理论意义与战略价值。本章*先介绍多智能体系统的基本概念以及研究意义，其次介绍多智能体系统协同控制的研究现状，然后给出本书的结构特点及内容安排，*后给出本章小结。
1.1 多智能体系统概述
多智能体系统是人工智能的一个重要分支，通常用于处理复杂的实际问题，而此实际问题往往是单个智能体无法处理的。近年来，多智能体系统越来越成为人工智能领域的核心。在人工智能领域著名的国际人工智能联合会议(International Joint Conference on Artificial Intelligence， IJCAI)上，IJCAI计算机与思维奖的获得者许多都来自多智能体系统这一前沿领域。近些年来，多智能体系统越来越受各国科研人员的重视，其已被应用于航空航天等重要领域(图1.1)。
图1.1 多智能体控制系统在航空航天等领域的应用
多智能体系统由很多个具备通信能力的智能体组成，通过智能体与其邻近智能体间的交流，使所有智能体趋于一致，协同实现单一智能体所无法实现的复杂任务。与此同时，多智能体系统的应用不仅仅局限于航空航天等领域，还可应用于消防救援中，如消防救援机器人(图1.2)，它通过多个机器人间的信息共享，对周围进行快速搜索并实施救援。利用多智能体系统解决实际问题，可以将复杂的问题简单化，增加系统的抗干扰能力，并使系统的工作效率得到提升。
图1.2 机器人合作组织救援、安全防护
从系统阶数上看，多智能体系统可分为一阶系统、二阶系统和高阶系统[1-4]。多智能体系统可从结构上分为集中式、分散式和分布式三种[5-7]。集中式多智能体系统是一种自上而下的层次控制结构，由所选中的一个智能体统一控制整个系统。其优点是协调性较好，但存在动态性能较差等缺点。分散式多智能体系统是指每个智能体都是*立的，自主进行信息处理并决策。分散式多智能体系统具有良好的容错能力，但其缺点是对通信要求较高，实现系统的整体目标较为困难。分布式多智能体系统结合了前面二者的优点，同时具备容错性、实时性等优势，提高了系统的协调效率，因此广泛应用于实际工程中。
尽管多智能体系统在理论研究中取得了显著进展，但在实际应用中仍面临诸多挑战。例如，在执行协同任务时，多智能体系统需要应对通信资源有限、任务时间约束严格、智能体状态信息泄露、通信网络遭受攻击、潜在的碰撞威胁以及智能体间的合作-竞争关系等诸多挑战。为应对这些挑战，有必要对事件触发控制、固定时间控制、隐私保护控制、网络安全控制以及避碰控制等领域进行深入研究，进而突破多智能体系统控制技术的发展瓶颈，并推动其在实际场景中的广泛应用。综上所述，多智能体系统已成为控制领域的研究热点之一，正处于蓬勃兴起的研究阶段，可以应用于军事和民用等重要领域，因此需要进一步研究，以拓宽多智能体系统的应用领域。
1.2 多智能体系统协同控制研究现状
1.2.1 多智能体系统鲁棒协同控制
多智能体系统协同控制是指每个智能体通过与其邻近智能体进行通信，并根据自身状态信息，*终使所有智能体的状态趋于一致。多智能体协同控制通过智能体间的信息交换、任务分配、协同合作等来完成单个智能体所不能完成的复杂任务，具有自主性强、协调性高等特点，可以提升控制系统的鲁棒性、灵活性和可靠性。协同控制主要包括一致性(consensus)、编队(formation)、群集(flocking)、蜂拥(swarming)、聚集(rendezvous)等[8-12]，其中一致性是多智能体协同控制的基础，其他行为都可以由一致性的概念衍生得到。在多智能体系统协同控制中，一致性控制和编队控制问题*为重要，本书主要针对这两种形为对多智能体系统的协同控制展开介绍。
鲁棒性是多智能体协同控制中一个基础且重要的性能指标，主要是指多智能体在外界干扰存在的条件下，仍能保证实现协同控制任务的能力。为提升多智能体协同控制的鲁棒性，通常可采用控制、滑模控制、自适应控制、神经网络控制等，其中滑模控制设计较为简单，具有快速响应、对参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点，在多智能体协同控制领域应用广泛。
一致性是多智能体系统协同控制的基础，这一思想于20世纪70年代在统计学领域被*次提出[13]。随后，文献[14]从系统理论的角度给出了一阶系统一致性问题的定义，并设计了线性一致性算法。进一步，文献[15]将一致性算法拓展至二阶多智能体系统。至此，有
