多智能体网络通过延迟自我强化实现加速共识
摘要：网络化多智能体系统是对物理系统的常见表示形式，本文旨在提高其性能。多智能体网络的收敛速率对于确保对外界刺激的协同迅速响应非常关键。挑战在于，提高收敛速率可能需要对网络连通性进行改变，这并不总是可行的。当前的协商寻求控制规则可以看作是对图的拉普拉斯势的基于梯度的搜索。本文的主要贡献是采用加速梯度搜索方法来改善收敛性。此外，本研究还表明，加速一致性方法可以分布式实现，每个智能体应用延迟的自我强化，无需额外的网络信息或网络连通性的改变。本文通过仿真结果展示了一个示例网络系统，证明了采用DSR方法的加速一致性方法在过渡期间可以使同步性大幅提高十倍，并将过渡时间减少了约一半，相比不采用DSR方法的情况。这被证明可以改善网络化多智能体系统在过渡期间的形成控制。
作者：Santosh Devasia
论文ID：1812.11536
分类：Systems and Control
分类简称：cs.SY
提交时间：2020-10-12