多智能体系统中面向数据采集的事件驱动轨迹优化
最优化与控制
2016-08-24 v1 系统与控制
摘要
我们提出一种新的在线轨迹优化事件驱动方法，以解决数据采集问题：在二维任务空间中，N个移动智能体负责收集M个固定源产生的数据并将其递送至基站，目标是最小化期望的收集与递送延迟。我们定义了一个新的性能度量来应对事件驱动控制器中的事件激发问题，并构建了一个最优控制问题。该问题的解为其结构提供了一些见解，但在计算上难以处理，尤其是在数据生成过程为随机的情况下。我们提出了一种基于一般函数族的智能体轨迹参数化方法，随后可通过使用无穷小扰动分析（IPA）进行在线优化。确定了所求解的性质，包括对随机数据生成过程的鲁棒性，以及在表征底层混合动力系统的事件集规模上的可扩展性。针对椭圆轨迹族和傅里叶级数轨迹族给出了显式结果，并与最先进的基于图的算法进行了比较。
引用
@article{arxiv.1608.06336,
title = {Event-driven Trajectory Optimization for Data Harvesting in Multi-Agent Systems},
author = {Yasaman Khazaeni and Christos G. Cassandras},
journal= {arXiv preprint arXiv:1608.06336},
year = {2016}
}
备注
arXiv admin note: substantial text overlap with arXiv:1503.06133