3。1 引言 15

3。2 系统模型 15

3。3 控制器设计 16

3。4 一致性证明 16

3。5 本章小结 18

4 仿真结果 19

4。1 引言 19

4。2 固定拓扑结构下的多智能体系统仿真 19

4。3 切换拓扑结构下的多智能体系统仿真 30

4。3 本章小结 40

结 论 41

致 谢 42

参 考 文 献 43

1  引言

当人看到一只动物时或许并不会被它吸引，但是如果数以万计的动物集群出现，那一定会产生极其壮观的景象。在自然界中，我们经常会看到：蚂蚁聚集在一起合作完成食物的搬运；萤火虫在黑夜里依着相同的节奏一闪一闪；深海里的鱼儿凑在一起玩耍巡游……这些现象本身都是很有趣的能带给我们无限的遐想。如果只是从生物学的角度来看，动物的群集行为就是动物们仅仅通过自身来和周围“邻居”完成信息交换从而实现整体性的任务，不掺杂外界的干扰。以此为研究背景，研究者们从生物学、数学、人工智能等多个方面，对生物这种生物界的特殊现象展开了全面研究，他们想要通过对这些特殊的现象的观察和研究，提出一种新的理论并建立一种严格描述这种现象的数学模型[1]。经过长时间的研究和观察，研究者们在此基础上提出了新的概念：多智能体系统。该系统可以由多个相互作用的智能体构成彼此间经由通信、竞争、合作等方式合作完成相对复杂的任务。所谓多智能体一致性，就是在一个多智能体系统中，凭借智能体之间存在的通信，从而使系统中的所有个体受“邻居”的影响实现最终状态趋于一致。智能体具有如下的基本特性：自主性、社会性、反应性、前瞻性、理性[2]。近年来，多智能体一致性问题已经得到了一些研究成果，并已在在群集问题、编队控制、智能机器人、分布式传感器等领域有着广泛的应用。论文网

1。1 研究背景及意义

所谓多智能体系统(Multi-agent systems，MASs)，其实就是指将多个看似分散无联系的智能体凭借某种手段联系到一起，可以使彼此间协商、协调和协作，从而完成相对复杂的任务。该系统是以传统的人工智能(AI，Artificial Intelligence)、分布式控制(DC，Distributed Control)和分布式计算(DC，Distributed Computer)[6]为理论基础的，成为了人工智能研究领域中新的研究方向。多智能体系统的一致性原理因其实用性被使用的范围越来越广。如在编队控制中，编队控制是目前多智能体系统应用的重要研究方向。编队控制是指多个智能体按照预定的队形向特定的目标运动，且个体间能够相互协调各自所在的位置以达到预定的目标；在蜂拥控制中，蜂拥问题是指利用一致性协议使多个智能体之间的速度达成匹配，并且帮助多智能体躲避可能的碰撞；在群集问题中，群集问题主要研究在多智能体系统中每个个体在已有的一致性协议下，通过局部协作，能否呈现出一致的行为，在同一时间聚集到目标地点；在其他方面，多智能体一致性在无线传感器网络、智能机器人等方面均有涉及。

    如今，计算机网络技术正当热门，我们究其原因，无非是高新技术的发展。将该技术运用在网络信息传输的过程中需要依靠的应用系统我们称之为网络应用系统(networked application systems，NAS)。网络应用系统的范畴十分广泛，如无线通讯系统、基于局域与广域网的通讯系统、基于总线的过程控制系统等。在多智能体系统中，我们可以将网络控制系统理解为利用通信网络对多个分散的独立的智能体进行数据的传输，使这些独立的多智能体能在网络环境下实现一致性。通过加入网络控制系统，我们可以增强系统的可靠性和抗干扰性，使系统更便于扩充和维修，不仅如此，还能实现对系统的远程监控和操作[25]。