4.3  稳定性分析 … 24
4.4  仿真结果和分析  26
结论 … 30
致谢 … 31
参考文献… 32
1  绪论
1.1 课题背景及意义
    在自然界，群体编队行为是一种常见的现象，典型的例子有集体迁徙的鸟群、协作觅食的蚁群和成群结队的鱼群等。这种群体编队行为使得生物种群在躲避天敌和寻找食物等方面相比于单独行动的个体获得了一定的优势。将这里的生物群体抽象成一类系统，他们都是由大量的个体组成，每个个体具有相对的独立性，但是个体间也存在相互间的联系。通常人们  把编队行为看作是智能体间的一种简单的任务协作。编队控制是多智能体领域的一个热点研究问题，它指多个智能体组成的团队在向特定目标或方向运动的过程中, 相互之间保持期望的几何形状, 同时又要适应环境限制(例如避开障碍、避免相互碰撞[1])的控制问题。如今，编队控制在军事、航天、工业等领域都有广泛的应用前景，例如典型的军事应用包括侦查、巡逻、对抗等军事任务。舰队群和战斗机群保持一定的队形可以有效执行攻击和防御战术。在航天领域，无人机和卫星编队不仅可以提高系统的可靠性而且可以降低系统成本。此外，在工业生产中，控制多机器人的编队货物搬运可以满足搬运过程中的稳定和负载平衡。
多智能体的每一时刻的位置决定了其编队的队形，具体来说编队队形是由智能体间的相对距离和方位来确定的。实际情况中，单个智能体可以通过声波或者无线通信、机器视觉、GPS（GPS是一种手段但是受限于特定的环境难以接收到卫星信号和成本考虑）等方式来获取邻居智能体的相对位置信息。利用GPS等设备可以确定其相对位置，而基于视觉的传感器只能用获取相对方位，无法得到较为精确的距离信息，因此纯方位编队控制给基于视觉编队控制任务提供了一个实际可行的框架[2]。另一方面，编队控制方法主要有基于智能体间的距离测量、基于智能体间的角度测量，和结合距离和方位信息两者的测量方法等三大类。考虑综合距离和方位测量的情况下，当测量距离信息的传感器出现故障时，我们只能采用后者的控制算法才能保证多智能体编队保持预期队形进行运动。另外值得关注的是，基于距离测量的多智能体编队控制的编队规模大小是不能改变的，而基于角度控制的编队按比例进行变大或缩小，一定程度上可以帮助多智能体在特殊环境下躲避障碍物。综合以上几个方面的介绍，多智能体的纯方位编队控制算法有很大的研究讨论价值。
1.2 多智能体纯方位编队控制国内外研究现状
   1.3 若干有待解决的问题
    尽管多智能体纯方位编队控制问题已经取得了丰硕的成果，但在实际应用方面仍然有很大的空白，即多智能体纯方位编队控制相关问题的理论和应用还有较大的差距。
（1）三文空间纯方位编队控制问题。
    现有的大量文献通常在二文平面构建编队，较少考虑智能体在更一般的三文空间中的编队控制。而实际情况中多智能体所处的环境空间有很多是三文空间的，例如UAV编队和水下机器人编队等领域。
（2）具有受限通信编队控制问题。
    通信是多智能体编队的重要基础，但是在实际情况中通信情况是非理想的，即可能存在非连续的通信、时延等问题。因此在非理想通信条件下的智能体编队控制是一个挑战性的问题，包括基于时延、数据丢包情况下的编队控制算法设计等。
（3）智能体数量问题 多智能体分布式纯方位编队控制算法研究(2):http://www.youerw.com/zidonghua/lunwen_19424.html