去中心化状态依赖马尔可夫链综合及其在群体制导中的应用
最优化与控制
2024-04-29 v2 多智能体系统
动力系统
概率论
摘要
本文介绍了一种针对有限状态马尔可夫链的去中心化状态依赖马尔可夫链综合（DSMC）算法。我们提出了一种状态依赖一致性协议，在温和的技术条件下实现指数收敛，且不依赖于关于动态网络拓扑的任何连通性假设。利用所提出的一致性协议，我们开发了 DSMC 算法，基于当前状态更新马尔可夫矩阵，同时确保一致性协议的收敛条件。该结果建立了所得马尔可夫链期望的稳态分布，保证从所有初始分布出发的指数收敛，同时遵守转移约束并最小化状态转移。DSMC 的性能通过一个概率群体制导示例得以展示，该示例将包含大量移动智能体的群体空间分布解释为一个概率分布，并利用马尔可夫链计算状态间的转移概率。仿真结果表明，与先前基于马尔可夫链的群体制导算法相比，基于 DSMC 的算法收敛更快。
引用
@article{arxiv.2012.02303,
title = {Decentralized State-Dependent Markov Chain Synthesis with an Application to Swarm Guidance},
author = {Samet Uzun and Nazim Kemal Ure and Behcet Acikmese},
journal= {arXiv preprint arXiv:2012.02303},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2012.01928