分层不确定网络上的影响模型：一种保成本设计视角
最优化与控制
2018-09-24 v2
摘要
大规模社交网络上的控制与估计通常需要智能体间交互的模型可用。然而，由于固有的复杂性与不可预测性，刻画准确的社会交互模型带来了新的挑战。此外，对于大规模网络，模型不确定性变得更加显著。对于某些类别的社交网络，其分层结构允许一种组合式方法。在本文中，我们提出这样一种方法，以确定具有固有模型不确定性的分层网络的性能保证。采用一种因式分解方法来确定鲁棒稳定性与性能，并通过分层 Riccati 型求解器（映射网络结构）的分层成本保证设计来实现。我们在大规模社交网络观点动力学的背景下给出了所提方法的一个示例。
引用
@article{arxiv.1807.06612,
title = {Influence Models on Layered Uncertain Networks: A Guaranteed-Cost Design Perspective},
author = {Siavash Alemzadeh and Mehran Mesbahi},
journal= {arXiv preprint arXiv:1807.06612},
year = {2018}
}
备注
Accepted to 57th IEEE Conference on Decision and Control, 2018