在二十一世纪的新时代，随着自动化水平的快速提高，科技的高速发展进步，人们渐渐意识到多智能体系统能够更高效地完成很多复杂的任务。由于多智能体系统的每个智能体间具有并行性，所以与单个智能体相比,多智能体系统的协调控制具有更好的鲁棒性、容错性、可靠性及经济性等优点，不仅大大降低了成本，还提高了执行效率。例如: 在地面交通领域，人们构建出多车辆系统；在军事领域，人们通过将功能各异的多个军用机器人形成异构系统来代替士兵，从事对未知领域的侦查等任务；在航空航天领域，人们为了满足各种任务的需求设计出分布式小卫星群的编队飞行。

1.2　机器人编队问题研究现状

1.2.1　机器人编队主要研究内容

1.2.2　机器人编队主要研究方法

1.3　多智能体一致性及应用

1.3.1　多智能体一致性问题研究

一致性问题是多智能体系统协作控制中的典型问题之一，实际上也是根本性问题。多智能体一致性问题可描述为通过设计分布式协议使得一群相互关联的智能体系统状态达到一致。其数学描述为：对于多智能体中的单个智能体i的状态可以表示为 ，若所有智能体的状态最终都趋向于相等，则可表示为：

                                        (1.1)

此时，多智能系统实现一致性。

    近几年，研究人员对一阶多智能体系统的一系列问题进行了较多的研究。由文献[16]可知一致性问题研究开始于Vicsek[16]等提出平面智能体的一阶离散模型，他们同时对智能体的朝向一致性问题进行了研究。随后，Olfati Saber等[17]对于具有一阶积分器模型和有向信息及固定/切换拓补的多智能体系统提出了一致性协议同时分析了其收敛性。在一阶积分器模型中，常见的连续时间一致性协议为[17-20]:

                     (1.2)

对于一阶离散系统,常见的离散时间一致性协议为[19,21,22]：

                                        (1.3)

其中： 和 为第i个智能体的状态， 和 为相应的多智能体系统邻接矩阵的元素。一致性协议(2)和(3)都只采用了相邻智能体的状态信息，因此是分布式的。在拓补结构固定的情况下，协议(2)或者协议(3)导致一致性的图论条件为无向图连通或者存在生成树的有向图。从文献[23-27]可知，类似的协议和图论条件也存在于多阶的线性动力学多智能系统一致性问题中。

1.3.2　多智能体一致性的应用

多智能体系统（MASs），包括了一组可以协作共同完成而单个智能体无法完成的复杂任务的机器人。多智能体系统在人们生活中的许多方面应用越来越广，移动机器人的协调控制、分布式传感器网络、无人机编队控制等等。例如通过无人机与无人地面车辆的合作提高能见度就是一个重要的应用。

一致性是多智能体实现协同合作、完成共同制定任务的基础。目前，有许多学者开展了关于一致性应用问题的研究，如聚集问题、蜂拥问题、编队控制问题等。

(1)蜂拥控制

蜂拥控制的研究源于自然界中生物的群集运动，如鱼类的群集、蚂蚁的筑巢等。在蜂拥控制中，一致性协议使智能体的速度趋于相同，并且使他们之间保持一定的距离，从而有效地避免了避免智能体间碰撞。1987年，通过观察自然界中群集运动特点的经验，Reynolds进行了计算机仿真，并提出了闻名于世的Boid模型[28]。该模型给出了群集行为的三个规则：(1)聚合：与邻域内个体靠拢；(2)避免碰撞：与邻域内个体保持适当距离；(3)速度匹配：保持与邻域内个体速度一致。这三个原则为后续的蜂拥控制研究工作奠定了基础。文献[29]基于蜂拥行为研究了移动传感器网络的传感器调度问题。文献[30]针对具有非线性动态的多自主智能体，基于势能函数和连通不变性设计蜂拥算法分别研究了无领导者和有领导者的蜂拥控制问题。文献[31]针对具有处理延时的自治系统的Cucker-Smale模型的蜂拥控制问题进行了研究。 基于多智能体一致性的移动机器人编队控制研究与仿真(2):http://www.youerw.com/zidonghua/lunwen_49699.html