基于贝叶斯优化的多智能体系统分布式模型预测控制设计
系统与控制
2025-05-21 v2 系统与控制
摘要
本文引入了一种新方法，利用多智能体贝叶斯优化（MABO）为多智能体系统设计分布式模型预测控制（DMPC）方案。主要目标是在局部模型预测控制器依赖不完美局部模型的情况下，学习最优的 DMPC 方案。所提出的方法调用基于对偶分解的分布式优化框架，结合基于交替方向乘子法（ADMM）的 MABO 算法，实现参数化 DMPC 方案的协调学习。尽管局部控制器模型与实际多智能体系统动力学之间存在差异，该方法仍提升了局部控制器的闭环性能。除新提出的算法外，本文还提供了严格的证明，确立了底层学习方法的最优性与收敛性。最后，给出了数值算例以证明所提出的基于 MABO 的学习方法的有效性。
引用
@article{arxiv.2501.12989,
title = {Distributed Model Predictive Control Design for Multi-agent Systems via Bayesian Optimization},
author = {Hossein Nejatbakhsh Esfahani and Kai Liu and Javad Mohammadpour Velni},
journal= {arXiv preprint arXiv:2501.12989},
year = {2025}
}