基于最优传输的去中心化多智能体分布匹配

本文提出了一种用于多智能体系统（MAS）中分布匹配的去中心化控制框架，其中智能体集合实现预期的终端空间分布。该问题采用最优传输（Wasserstein距离）进行建模，这为分布差异提供了原则性度量，并作为控制设计的基础。为避免直接求解全局最优传输问题，本文将分布匹配目标转化为可解的单智能体决策过程，使每个智能体仅依据本地可用信息即可识别其期望的终端位置。引入顺序权重更新规则以构建可行的局部运输计划，并在 intermittent and range-limited communication（间歇性和范围受限通信）条件下纳入基于记忆的纠正机制，以维持系统可靠运行。建立了收敛性保证，表明在线性和非线性智能体动力学下，代理运输成本在周期内均可实现改进。仿真结果表明，所提出的框架在完全去中心化方式下能够实现有效且可扩展的分布匹配。