1、多智能體系統的協調控制相關內容摘要近年來，多智能體系統的協調控制在多機器人合作控制 交通車輛控制 無人飛機編隊和 網絡的資源分配等領域有著廣泛的應用，成為當前控制學科的一個熱點問題 首先介紹了 多智能體系統的研究背景和智能體的概念 ; 然后從多智能體系統協調控制包含的幾個問題 入手， 即群集問題、 編隊控制問題、 一致性問題和網絡優化問題等，對其國內外的發展現狀 進行了總結和分析 ; 最后， 給出了多智能體系統有待解決的一些問題， 以促進對多智能體系 統協調控制理論與應用的進一步研究。關鍵詞多智能體系統 ; 一致性 ; 隊形控制 ;群集 /蜂擁0 引言在落葉飄飛的秋天，人們經常看見大雁排著整齊

2、的人字型隊伍遷徙到南方 ; 在陰暗潮濕的環境下， 細菌部落聚集而生 ; 夏天池塘的青蛙同時發出哇哇的叫聲 夏日的一群螢火蟲同時發出一閃一亮的光線 ; 自然界中成群的蜜蜂， 事先沒有商 量建筑蜂巢的藍圖， 但是它們各自搬運泥土， 筑成了堅固的蜂巢 ; 在海洋中某些 魚類，具有規則隊形聚集在一起運動， 當發現新的食物來源或者受到外部攻擊時， 原來規則的隊形被打亂了， 但是在沒有外界力量的介入下， 一段時間之后， 這群 魚類又建立了規則的隊形聚集在一起運動。 自然界中的這些自組織現象在沒有集 中中央控制的條件下， 是什么樣的工作機制，使得內部個體相互感知和交換信息， 從而外部表現出規則而有序的智能行

3、為運動 ? 并且這種智能行為是單個個體所 不能達到的， 因而這些現象引起了生物學家的興趣， 生物學家試圖了解這些自然 界生物系統內部的工作機制， 期望把這些理論應用到實際的系統中， 為一些新出 現的系統，例如交通車輛系統 機器人編隊系統 無人飛機或者水下航行器系統等 復雜智能系統提供理論指導， 生物學家最初使用模擬仿真實驗的方法， 不能在理 論上真正揭示這些生物界自組織現象的本質。在計算機和工程領域， 隨著它們的發展， 早期的集中式和分布式計算系統不 能處理越來越復雜和規模越來越大的實際問題。 20 世紀 70 年代以后，分布式 人工智能方法出現， 能夠解決當時的問題， 得到了迅速的發展， 但

4、是這種分布式 人工智能有其缺點， 就是低層子系統個體之間的相互作用方式是被高層系統根據 任務預先設定好的， 采用“自上而下”的分析方法， 因此缺乏靈活性， 很難為實 際中的復雜大系統建模。為了克服上述的缺點，美國麻省理工學院的 Minsky 最 早提出了智能體 ( agent) 的概念，同時把生物界個體社會行為的概念引入到計 算機學科領域。 這時，生物學和計算機科學領域發生了交叉。 所謂的智能體可以 是相應的軟件程序，也可以是實物例如人、車輛、機器人、人造衛星等。近些年來，由于生物學、計算機科學、人工智能、控制科學、社會學等多個 學科交叉和滲透發展， 多智能體系統越來越受到眾多學者的廣泛關注，

5、 已成為當 前控制學科的熱點問題。對多智能體系統的研究成果日益增多。智能體的概念多智能體系統是由一系列相互作用的智能體構成， 內部的各個智能體之間通 過相互通信、合作、競爭等方式，完成單個智能體不能完成的，大量而又復雜的 工作。多智能體系統有以下特點 :每個智能體都有獨立的決策、計算能力以及獨立的通信能力，但是自身 的感知能力又是有限的， 只能根據局部鄰居的信息作出判斷。 例如，用一組機器 人完成某個地方的地面情況勘察， 每個機器人通過自身攜帶的傳感器獲取自己周 圍地面的信息， 然后把這些信息進行融合， 于是這一組機器人獲得地面信息比單 個機器人獲得的地面信息全面。多智能體系統中采用大規模的分

6、布式控制，不會因為個別智能體之間的 通信故障，而影響整個多智能體系統的運行， 因而具有更好的靈活性和可擴展性。 例如，現在的互聯網就是一個多智能體系統， 不會因為某些路由器的損壞， 而影 響網絡的通信。這種分布式控制的方式， 與集中式控制相比， 具有更強的魯棒性。 在工業成本上來講，分布式控制的工業成本要小于集中式的工業成本。 例如， 在工業上， 往往一些簡單而且價格低廉的設備相互協調作用， 從而取代工業中價 格昂貴、結構復雜的大設備，大大節省了工業成本。每個智能體以自己的利益達到最大化為自己的行動和決策準則。當面臨 決策的時候，每個智能體都會讓自己的利益達到最大化。例如在有限的資源下， 智能

7、體之間會搶奪有限的資源。多智能體系統的協調控制研究從控制理論的角度來看， 由于各智能體之間的合作、 競爭、通信等關系能刻 畫復雜大系統內部的本質特性， 所以多智能體系統能為復雜大系統提供建模思想， 成為前復雜系統理論中一個重要的研究方向。 在多智能體系統的協調控制中， 基 本而又重要的問題是群集問題、隊形問題和一致性問題。多智能體系統的群集問題多智能體系統的群集問題是通過智能體之間的相互感知和作用， 產生宏觀上 的整體同步效應，稱作是涌現行為。例如，前文例子中的蜜蜂筑巢、成群的魚共 同的覓食和逃避天敵等行為。 20 世紀 70 年代以前，對生物界的群集現象的研究 只局限于根據長期的觀察， 得到

8、研究結果。 由于計算機技術的發展， 推動了對群 集現象的深入研究。多智能體系統的隊形問題對多智能體系統的隊形控制研究最早起源于生物界。 人們觀察到自然界群居 的捕食者通常是排成一定的隊形捕獲獵物，某些動物排成一定的隊形抵抗攻擊， 這是達爾文進化論中的自然選擇的結果， 適者生存， 自然界中的群居的動物采用 隊形的方式有利于自身的生存。受自然界隊形思想的啟發，多機器人隊形問題、 無人飛機編隊、人造航天器編隊和多車輛系統等， 引起了國內外學者的極大興趣。 多智能體的隊形控制問題是指， 一組多智能體通過局部的相互作用 ( 通信、合作、 競爭 ) ，使它們在運動過程中保持預先指定的幾何圖形， 向指定的目

9、標運動， 要 求每個智能體在運動的過程中， 各智能體之間保持一定的距離避免發生碰撞， 在 運動的道路上能繞過障礙物。 多智能體系統的隊形問題與多智能體系統的群集問 題的區別是，隊形問題要求智能體之間在運動的過程中保持預先給定的幾何圖形。 多智能體系統的隊形問題在航天、 工業、交通和娛樂等領域都有廣泛的應用前景。多智能體系統的隊形控制主要解決的是以下問題 :各智能體之間如何相互作用，才能生成指定的隊形 ;在隊形移動的過程中，智能體之間是如何相互作用，才能保持指定隊形 的;在運動的過程中，隊形中的個體如何才能躲避障礙物 ;當外界環境突然改變時，如何自適應地改變隊形或者保持隊形，以適應 環境。多智能

10、體系統的一致性控制多智能體系統中的一個基本問題就是一致性問題。 一致性問題來源于多智能 體系統的協調合作控制問題。 一致性問題就是如何設計智能體局部之間的作用方 式，使各智能體根據鄰居傳來的信息， 不斷調整自己的行為， 使所有的智能體的 狀態隨著時間的推移達到共同的值。 設計智能體之間的通信方式， 稱作是一致性 協議或者是一致性算法。近年來，大量學者沿著不同思路和方法對多智能體系統一致性問題進行了研 究，分別從連續和離散、固定和切換拓撲、帶有時滯和無時滯、有領導者和無領 導者等多個方面進行研究多智能體系統的一致性問題。 下面從多智能體系統一致 性問題備受關注的幾個子問題入手，介紹一下多智能體系

11、統的發展現狀。有領導者的多智能體系統的一致性問題在多智能體系統中，有個別智能 體代表著整個多智能體系統的共同利益或者是其他智能體跟蹤的目標， 把這些智 能體稱作是領導者， 把其他的智能體稱作是跟隨者。 帶有領導者的多智能體系統 的一致性問題， 也稱作是一致性跟蹤問題， 就是通過合適的算法， 使得領導者和 跟隨者的最終狀態達到一致。 這種方法有其缺陷， 就是當領導者遭到破壞或者是 領導者的速度變化過快導致跟隨者跟蹤不上時， 領導者和跟隨者的最終狀態無法 達到一致。無領導者的多智能體系統一致性問題在多智能體系統中， 如果各智能體的地位和作用是平等的， 稱這樣的系統是 無領導者的多智能體系統。 無領

12、導者的系統也可以看作是帶有領導者的系統， 即 把其中一個智能體看作是虛擬的領導者就可以了， 大量的文獻采用了虛擬領導者 的方法研究了無領導者的問題。 通用的一般方法是把其中的一個智能體作為第 1 個智能體，其余的智能體和第 1 個智能體狀態求差值， 這樣就化成了線性系統的 穩定性問題。利用經典的控制理論和圖論知識，得到一致性的相關條件。隨機一致性問題當拓撲結構是固定的， 或者連續變化的拓撲是按一定順序的， 稱作是確定的拓撲，即各智能體之間的通信連接是確定的。 這種情況是在比較理想的情況下出 現的。在現實中，由于通信介質、通信信道的限制，外部環境不確定的影響以及 隨機噪聲的干擾， 導致智能體之間

13、的通信連接是隨機變化的。 研究智能體之間的 通信是隨機變化的情況， 是非常有意義的工作。 當智能體之間通信的隨機變化滿 足一定的條件時， 即當前時刻的狀態只依賴于前一時刻的狀態， 是馬爾可夫鏈中 的一個性質， 因此可以借助隨機過程的相關知識處理一致性問題。 當智能體通信 的變化滿足馬爾可夫鏈，且智能體之間各個狀態差值平方的期望趨于0，稱作是多智能體系統的均方一致性問題。快速一致性收斂和有限時間一致性問題 在多智能體系統中，因為收斂速度會影響系統的控制精度和抑制干擾的能力， 也是衡量一個系統性能的重要指標， 因此一致性收斂速度較快標志著系統性能較 強。快速一致性收斂問題受到眾多學者的關注。總結由

14、于多智能體系統的協調控制問題有著廣泛的應用前景， 例如軍事、 航天和 工業等方面， 受到國內外學者的廣泛關注， 需要來自各個學科的學者從不同角度 進行研究。 雖然目前的關于多智能體系統的結果層出不窮， 取得了令人矚目的成 果，但是仍然沒有形成普遍使用的理論和方法。 對多智能體系統的很多方面工作 的研究，只是剛剛起步， 例如對多智能體系統網絡優化方面的問題等。 又由于隨 著社會的發展，新問題的出現，需要對多智能體系統從各個領域進行深入研究。復雜動態網絡的建模問題。復雜動態網絡可以看作是多智能體系統。由 于動態網絡中的個體數目是不固定的， 且個體之間的相互作用關系是動態變化的， 如何建立精確的數學

15、模型， 是復雜系統走向量化的關鍵點。 數學模型是一個橋梁， 從生物界的群集和隊形內部個體的作用機制得到啟發， 把它運用到復雜網絡系統 中，還是一個挑戰。在實際的網絡中， 智能體之間的通信會受多時滯、 噪聲的干擾、 外部的攻 擊以及不確定因素的影響， 如何設計多智能體系統的群集、 隊形以及一致性算法， 使它們具有更強的可靠性、靈活性和魯棒性，是一個重要的問題。目前大多數文獻假設智能體個體是相同的，而在現實的系統中，智能體 個體之間的差別會很大， 但是對異質的多智能體問題的研究成果很少， 非常有必 要進行研究。目前處理網絡優化問題的時候，假設目標是一個凸函數，得到優化的結 果。當目標是一個非凸函數的時候，是一個有待解決的問題。參考文獻洪奕光，翟超 .多智能體系統動態協調與分布式控制設計 J. 控制理論與 應用， 20