基于共识导向多智能体通信的去中心化自适应编队

自适应多智能体编队控制要求编队随智能体数量变化以去中心化方式灵活调整，是多智能体系统中最具挑战性的问题之一，尤其在通信受限约束下。本文提出一种新颖的基于共识的去中心化自适应编队（Cons-DecAF）框架。具体而言，我们开发了一种新颖的多智能体强化学习方法——共识导向多智能体通信（ConsMAC），使智能体能够通过有效聚合邻居消息来感知全局信息并从局部状态建立共识。随后，我们利用策略蒸馏完成自适应编队调整。同时，我们采用基于Hausdorff距离的位移编队，而非预先分配智能体特定位置，显著提高了编队效率。大量仿真实验结果表明，所提方法在速度和稳定性方面均取得了优异性能。