多智能体持续监测的去中心化事件驱动算法
最优化与控制
2017-08-23 v1
摘要
我们探讨了如何以去中心化事件驱动的方式恢复最优多智能体持续监测问题的集中式解，并致力于识别其成立的条件。在该问题中，多个智能体与有限个目标交互，目标是控制它们的运动以最小化与目标相关的不确定性度量。在一维设定下，已有研究表明最优解可简化为更简单的参数优化问题，且最优控制下智能体的行为可由混合系统描述。该混合系统可利用无穷小扰动分析 (IPA) 进行分析，从而通过事件驱动的集中式梯度算法获得完整的在线解。我们证明，IPA 梯度可以分布式方式恢复，其中每个智能体基于局部信息优化自身轨迹，仅除一个事件需要来自非邻居智能体的通信。包含了仿真示例以说明这种“几乎去中心化”算法及其忽略上述非局部事件的完全去中心化对应算法的有效性。
引用
@article{arxiv.1708.06432,
title = {Decentralized Event-Driven Algorithms for Multi-Agent Persistent Monitoring},
author = {Nan Zhou and Christos G. Cassandras and Xi Yu and Sean B. Andersson},
journal= {arXiv preprint arXiv:1708.06432},
year = {2017}
}
备注
9 pages full version, IEEE Conference on Decision and Control, 2017