图上持续监控阈值分布式优化贪婪初始化的渐近分析
最优化与控制
2020-12-14 v3 多智能体系统
摘要
本文考虑为一队在按固定网络拓扑互连的节点（目标）集合上的智能体所定义的 optimal multi-agent persistent monitoring 问题。目标是控制该团队，以最小化在有限时间间隔上评估的整体节点状态不确定性度量。先前工作提出了一类分布式基于阈值的参数化控制器，通过对相应节点状态强制阈值来控制智能体在节点的停留时间和下一节点目的地。在此类阈值控制策略（TCP）下，使用在线梯度技术来确定最优阈值。然而，由于问题的非凸性，该方法常导致高度依赖于所用初始阈值的较差局部最优。为克服此初始化挑战，我们基于网络系统的渐近分析开发了一种计算高效的离线贪婪技术。该分析随后用于生成一组高性能的初始阈值。大量数值结果表明，此类初始阈值几乎立即（局部）最优或迅速导向最优值。在所有情况下，它们都显著优于迄今已知的局部最优解。
引用
@article{arxiv.1911.02658,
title = {Asymptotic Analysis for Greedy Initialization of Threshold-Based Distributed Optimization of Persistent Monitoring on Graphs},
author = {Shirantha Welikala and Christos G. Cassandras},
journal= {arXiv preprint arXiv:1911.02658},
year = {2020}
}
备注
Submitted to Automatica