基于一致性网络中具有鲁棒加速延迟自增强的快速过渡
系统与控制
2021-08-10 v2 系统与控制
摘要
快速过渡对于基于一致性的多智能体网络对外部刺激的迅速响应十分重要。虽然高增益可提高响应速度，但潜在的不稳定性往往会限制最大可能增益，从而限制过渡期间达到一致的最大收敛速率。由于对称图多智能体网络的更新律可视为其拉普拉斯势函数的梯度，来自优化理论的 Nesterov 型加速梯度方法可进一步改善此类网络的收敛速率。加速梯度方法的一个优势是可使用加速延迟自增强（A-DSR）实现，其不需要网络的新信息，也不需要修改网络连接。然而，加速梯度方法不能直接用于一般有向图，因为更新律并非拉普拉斯势函数的梯度。本工作的主要贡献是将加速梯度方法推广到一般有向图网络，且不要求图是强连通的。此外，尽管加速梯度方法中的动量项与过时反馈项在一般情况下均重要，但研究表明，对于图拉普拉斯具有实谱的网络，仅动量项就足以在不振荡的主导模式下实现平衡的鲁棒性与快速过渡。仿真结果表明，与无 A-DSR 的情况相比，所提出的鲁棒 A-DSR 在结构鲁棒性上提升 40%，在一致收敛速率上提升 50%。此外，实验结果显示，与无 A-DSR 的情况相比，鲁棒 A-DSR 的收敛速度相似地快 37%。
引用
@article{arxiv.2006.16295,
title = {Rapid Transitions with Robust Accelerated Delayed Self Reinforcement for Consensus-Based Networks},
author = {Anuj Tiwari and Santosh Devasia},
journal= {arXiv preprint arXiv:2006.16295},
year = {2021}
}
备注
14 pages, 8 figures