基于局部平均记忆的多智能体网络加速一致性
系统与控制
2022-04-26 v1 系统与控制
摘要
多智能体网络中信息共享与更新的经典数学模型使用线性算子。在典型的DeGroot模型中，智能体以邻居当前状态的线性组合更新自身状态。在先前工作中，提出了一种利用记忆的加速平均模型，以加速无向网络向一致状态的收敛。其中，对当前状态的DeGroot更新之后跟随与先前状态的线性组合。我们提出了一种修正：对当前与先前状态应用DeGroot更新，随后进行线性组合步骤。我们表明，这种应用于无向网络的简单修正允许即便对周期网络也能收敛。此外，对于合适的网络与模型参数，它比DeGroot与加速平均模型收敛更快。
引用
@article{arxiv.2109.12441,
title = {Accelerated consensus in multi-agent networks via memory of local averages},
author = {Aditya Bhaskar and Shriya Rangarajan and Vikram Shree and Mark Campbell and Francesca Parise},
journal= {arXiv preprint arXiv:2109.12441},
year = {2022}
}
备注
8 pages, 8 figures, paper accepted to 60th IEEE Conference on Decision and Control, 2021