摘要：文章研究了具有一般通信拓扑和带有随机通信噪声的多自主体系统的一致性问题。为了克服随机噪声的影响,该文设计了随机分布式协议。在该协议下,该文基于广义代数连通性,利用微分方程稳定性理论、矩阵分析、随机分析方法以及图论相关知识,得到了多自主体系统达到均方一致的充分条件以及最终收敛状态;最后通过仿真验证了结果的有效性。

摘要：针对具有不同输出时延且状态不可测的一般多自主体系统(MAS)的一致性问题,提出基于预测补偿方法的一致性协议。首先,利用可获得的输入输出信息,构造时延状态观测器,基于观测器的预测值和输出偏差来设计一致性协议;然后,基于状态增量和观测误差,将输出一致性问题转化为闭环系统的渐近稳定性问题;最后,通过极点配置调节控制器增益,使闭环系统的所有特征值位于单位圆内,得到了和时延无关的一致性收敛充要条件。仿真结果表明,在引入预测补偿的一致性协议控制下,对称和非对称多自主体系统能实现对参考信号的精确跟踪,跟踪误差在0. 1%以下,验证了定理的正确性。

摘要：本文综述多自主体系统线性及非线性一致性问题.首先,从自主体动态、通信拓扑和一致性协议这3个方面介绍一致性问题的基本问题.接着,从一致性问题的分析方法入手,对目前一致性问题的研究结果进行分类和讨论.然后阐释经典一致性协议是负的次梯度算法这一实质,并给出一种一致性协议的设计方法.最后列举了仍然需要解决的问题和未来的研究方向.

摘要：分布式优化是指利用网络化多自主体之间的协作来求解的一类优化问题,其在大规模数值计算、机器学习、资源分配、传感器网络等方面具有重要的研究意义和应用价值.自主体之间的协作通常基于代数图来描述,且图的结构对分布式优化算法的设计与性能有显著影响.本文针对凸优化问题,基于平衡图和非平衡图的情形,简要讨论了分布式优化算法的最新研究进展,并对今后的发展趋势和应用进行展望.

摘要：本文基于统计学习中众所周知的信度传播理论来研究非线性凸优化问题的分布式算法.通过对优化问题中的网络图中节点上和节点之间的计算以及信息传递过程的深入研究,结合信度传播理论得出适合分布式优化算法的信息传递策略.在集中式经典牛顿法和原始对偶方法框架下,所提分布式算法通过网络中的信息传递策略来完成设计.所提的分布式牛顿-拉夫森算法在无圈连通图情形下是集中式牛顿法的分布式实现.所提分布式原始对偶算法在无圈图情形下有集中式原始对偶算法的收敛效果,且对于有圈连通图也有较好的适应性和鲁棒性.仿真实验说明了我们所提信息传递策略和算法的收敛效果和适合的应用场景.