基于延迟自增强的凝聚网络
系统与控制
2020-03-17 v1 多智能体系统
系统与控制
摘要
网络如何达到目标（一致值）可能与达到一致值本身同样重要。虽然已有方法侧重于快速达到新的一致值，但在一致值之间切换或跟踪过程中保持凝聚性仍然具有挑战性且尚未得到解决。本工作的主要贡献在于通过以下方式解决保持凝聚性的问题：(i) 提出一种新的延迟自增强（DSR）方法；(ii) 将其扩展至具有高阶异构动态的智能体；(iii) 建立基于 DSR 方法的稳定性条件。借助 DSR，每个智能体利用来自邻居的当前与历史信息推断总体目标，并修正更新律以改善凝聚性。所提 DSR 方法的优势在于：仅需要给定网络中已有的可用信息即可改善凝聚性，无需修改网络连接性（这可能并不总是可行），也无需提高系统整体响应速度（这可能要求更大的输入）。此外，文中通过示例仿真对采用与未采用 DSR 的性能进行了对比评估。仿真结果表明，采用 DSR 后凝聚性得到显著改善。
引用
@article{arxiv.2003.06679,
title = {Cohesive Networks using Delayed Self Reinforcement},
author = {Santosh Devasia},
journal= {arXiv preprint arXiv:2003.06679},
year = {2020}
}
备注
Updated Simulations from Journal Version and MATLAB Code for simulations are included