楊 宏

（武漢鐵路職業(yè)技術學院，湖北 武漢 430205）

0 引言

在智能系統(tǒng)的運用中，借助大量分布式配置的自治智能系統(tǒng)，通過網(wǎng)絡相互連接的形式構(gòu)成復雜式大規(guī)模系統(tǒng)，該系統(tǒng)能夠?qū)χ悄茏酉到y(tǒng)進行綜合管理，從而保障各個子系統(tǒng)的高效運用。而關于事件觸發(fā)機制下的多智能體網(wǎng)絡的平均一致性，主要是對未必能夠進行全局集中控制的系統(tǒng)中，通過對多個智能體的網(wǎng)絡進行分布式的協(xié)調(diào)，讓其目標與行為能夠達到整體的理想狀態(tài)，從而保障主體系統(tǒng)下子系統(tǒng)智能狀態(tài)的一致性。該目標的一致性建設能夠優(yōu)化各個智能體之間的相互作用規(guī)則，從而實現(xiàn)網(wǎng)絡的高靈活性與低成本性，其在協(xié)調(diào)調(diào)度領域、編隊控制領域以及同步問題與蜂擁問題解決領域上具備廣泛的應用價值。因此，本文基于事件觸發(fā)機制的多智能體網(wǎng)絡系統(tǒng)的平均一致性協(xié)議進行研究顯得尤為重要。

1 研究現(xiàn)狀

在多智能體網(wǎng)絡的運用背景中，平均一致性問題主要來源于管理與統(tǒng)計學的計算中，在多代理存在情況下的網(wǎng)絡一致性相關問題的研究中，Olfatisaber.R等人提出一種一致性控制協(xié)議理論框架與基本形式，同時對于平均一致性問題的可解性與控制算法，結(jié)合節(jié)點出入度及平衡的概念，給出了基于拓撲結(jié)構(gòu)的多智能體網(wǎng)絡達成平均值的充要條件[1]。而對于拓撲結(jié)果平均一致性問題的中，當網(wǎng)絡系統(tǒng)抓取結(jié)構(gòu)包含有向生成樹時，系統(tǒng)最終可以達到一致性，現(xiàn)有的解決策略涉及以下幾個方面：通過系統(tǒng)模型降維，隨機拓撲下的平均一致性；多代理拓撲下的平均一致性；不確定性拓撲和聯(lián)合關聯(lián)圖的平均一致性；以及多智能體網(wǎng)絡在任何強連接有向圖下的控制一致性?；谝酝芯康某晒π裕疚膬?yōu)化了連續(xù)更新、周期和一致性協(xié)議的新方法，以減少系統(tǒng)穩(wěn)定性下一致性控制協(xié)議的更新次數(shù)，從而實現(xiàn)相遇資源的有效節(jié)約，為實際的運用推廣提供一定的經(jīng)濟價值與社會效益[2]。

2 事件觸發(fā)機制

在關于事件觸發(fā)機制下存在的多智能體網(wǎng)絡平均一致性的協(xié)議優(yōu)化上，需要將連接的智能子系統(tǒng)通過采樣器與事件觸發(fā)器進行因果更換連，通過對控制器與執(zhí)行器的銜接，以此實現(xiàn)智能體的狀態(tài)進行判斷，從而實現(xiàn)控制的精準到達。關注多智能體網(wǎng)絡存在的分布式事件觸發(fā)問題，需要建設智能體控制機制的更新迭代，以此節(jié)省智能體有限的計算資源，通過對于智能體自身信息與關聯(lián)智能體節(jié)點信息的采樣分析，間事件觸發(fā)時刻作為采樣時刻的子集，通過對觸發(fā)閾值進行計算，以此獲取周期觸發(fā)機制，同時對于練習事件觸發(fā)機制，需要連續(xù)事件能夠安裝相應的硬件時刻來對系統(tǒng)的狀態(tài)進行信息實現(xiàn)，同時對于連續(xù)事件的觸發(fā)機制進行復雜的排除線性事件，以此獲取觸發(fā)間隔的周期規(guī)律。而對于多智能體的控制規(guī)律的計算，需要由該個智能體自身及相鄰的幾點觸發(fā)信息進行計算，通過對一致性協(xié)議的要求進行連續(xù)或者周期性的控制。確定事件觸發(fā)機制下多代理網(wǎng)絡的平均一致性需要連續(xù)或周期性的更新控制規(guī)則，通過利用智能體與相鄰節(jié)點的觸發(fā)時刻信息的更新來減低平均一致性協(xié)議的更新次數(shù)，以此實現(xiàn)整體性能的優(yōu)化[3]。

3 針對事件觸發(fā)機制中拓撲結(jié)構(gòu)多智能體網(wǎng)路分析

3.1 事件觸發(fā)機制

在分析多代理網(wǎng)絡的一致性收斂性中，根據(jù)事件觸發(fā)存在的分布式機制，需要在平均一致性系統(tǒng)上，關注多智能體網(wǎng)絡的初始平均狀態(tài)計算，確保能夠逐漸一致性收斂，多智能體網(wǎng)絡的平均一致性只能在閉環(huán)系統(tǒng)逐漸穩(wěn)定的情況下得到保證，而對于具有固定拓撲結(jié)構(gòu)的多智能體網(wǎng)絡，如果器周期及事件觸發(fā)閾值能夠使得相應的線性矩陣不等式成立，那么其平均一致性收斂于初始狀態(tài)[4]。而考慮到多智能體網(wǎng)絡存在的切換式拓撲結(jié)構(gòu)，需要對有限的連通圖進行描述，對事件觸發(fā)機制下多智能體網(wǎng)絡的拓撲結(jié)果進行隨機切換，通過對切換結(jié)構(gòu)下的多智能體網(wǎng)絡平均一致性進行充分條件研究，選址合適的采樣周期和觸發(fā)法治讓線性矩陣能夠成立，確保多智能體網(wǎng)絡漸進一致性能夠收斂到初始狀態(tài)[5]。

3.2 仿真驗證

在觸發(fā)事件機制下，在網(wǎng)絡平均采樣周期和多智能體的觸發(fā)閾值的應用中，需要對事件觸發(fā)機制具備的固定于切換拓撲結(jié)構(gòu)進行一致性仿真。在軟件的運用上需要借助 MATLAB軟件進行函數(shù)的采樣周期于觸發(fā)閾值的選取，由于式分布式事件觸發(fā)形式，那么對于智能體之間的觸發(fā)時刻式異步，即每一個事件觸發(fā)條件的變化時刻都是非周期性的，二軟件能夠?qū)Χ嘀悄荏w網(wǎng)絡的事件觸發(fā)次數(shù)預計控制規(guī)律進行對比分析，由數(shù)據(jù)現(xiàn)實可知智能體事件觸發(fā)次數(shù)遠低于采樣次數(shù)，由于各智能體一致性控制系以以及自身的領點觸發(fā)信息，能夠控制更新出書。由此可知多智能體的控制變化曲線，而智能體控制規(guī)律伴隨自身和鄰點觸發(fā)時刻進行更新，本文觸發(fā)事件即控制更新次數(shù)如表1所示：

表1 多智能體網(wǎng)絡事件觸發(fā)次數(shù)及控制更新次數(shù)

由相應的數(shù)據(jù)結(jié)果可知，事件觸發(fā)控制模式的控制效果與之前的循環(huán)控制方法相似，這兩種方法都能保證多智能體網(wǎng)絡的平均一致性。然而，在以往的周期控制策略中，代理控制律更新的數(shù)量等于3000的樣本數(shù)量，遠遠高于事件觸發(fā)機制下的控制律更新的次數(shù)。綜上所述，基于分布式事件觸發(fā)機制的平均一致性協(xié)議，其保證了多智能體網(wǎng)絡，能夠在固定拓撲結(jié)構(gòu)下的平均一致性，而分布式事件觸發(fā)機制，也能夠有效地減少了對多智能體一致性控制協(xié)議的更新次數(shù)。同樣，對于多智能體狀態(tài)響應，多智能體漸近收斂。在描述狀態(tài)差分向量范數(shù)的變化曲線中，多智能體網(wǎng)絡表現(xiàn)出平均一致的收斂性。多個代理的事件觸發(fā)矩，顯然觸發(fā)矩在代理之間是異步的，每個代理都是非周期的，其中三個拓撲隨時間隨機切換，代理事件觸發(fā)條件變化曲線，在每個事件觸發(fā)間隔內(nèi)。切換拓撲下的多代理事件觸發(fā)器和控制律更新次數(shù)，每個代理的事件觸發(fā)器次數(shù)明顯低于樣本數(shù)?？刂坡筛碌臄?shù)量等于自己節(jié)點和鄰居節(jié)點觸發(fā)器，減去同時觸發(fā)器的數(shù)量，值得注意的是，拓撲切換后鄰居節(jié)點集也發(fā)生了變化。綜上所述，基于分布式事件觸發(fā)機制的平均驅(qū)動協(xié)議，能夠保證了交換拓撲下的平均一致性，而事件觸發(fā)機制優(yōu)化，能夠有效減少了對多智能體一致性控制協(xié)議的更新次數(shù)，以此降低實際的運營成本[6]。

3.3 結(jié)果分析

通過對事件觸發(fā)機制下的多智能體網(wǎng)絡的一致性進行平均。一種基于代理自身的分布式事件觸發(fā)機制和鄰居節(jié)點信息的多代理平均一致性控制協(xié)議，以及一種基于代理自身和鄰居節(jié)點觸發(fā)信息的分布式事件觸發(fā)機制。與文獻中現(xiàn)有的連續(xù)或定期更新協(xié)議不同，基于事件觸發(fā)機制的平均協(xié)議只有在滿足事件觸發(fā)條件時才會更新協(xié)議，這有效地減少了對協(xié)議的更新次數(shù)。從理論上推導出了固定交換拓撲結(jié)構(gòu)下多個智能網(wǎng)絡平均一致收斂的充分條件。仿真結(jié)果表明，在基于分布式事件觸發(fā)機制的固定和切換拓撲結(jié)構(gòu)下，保證了多代理網(wǎng)絡的平均一致性，分布式事件觸發(fā)控制策略有效地減少了一致性協(xié)議的更新次數(shù)[7]。

4 結(jié)語

由此可見，對于事件觸發(fā)機制的多智能體網(wǎng)絡平均一致性進行研究分析，有助于組合形態(tài)下的智能體網(wǎng)絡進行分布式的協(xié)調(diào)，讓其目標與行為能夠達到整體的理想狀態(tài)，從而保障主體系統(tǒng)下子系統(tǒng)智能狀態(tài)的一致性。同時，平均一致性的建設，能夠優(yōu)化各個智能體之間的相互作用規(guī)則，從而實現(xiàn)網(wǎng)絡的高靈活性與低成本性，為相關領域的運用提供保障。