基于节点选择的一致性分布式网络控制与滤波优化问题研究

It is significant and difficult to select a subset of nodes to add control input to optimize the network performances in consensus based distributed networks including the controlled consensus network and distributed filtering network. By using the theory of complex networks, graph and optimization, this project will investigate the relationship among network topology, node properties and network performances, design an optimized nodes selection algorithms for maximizing the network convergence speed and minimizing the covariance of network consensus disagreement, and explore node index to approximate the property of optimal node. In a wireless sensor network with limited energy, this project will design optimal estimator, and design offline and online sensor selection schemes, respectively. By using matrix theory and probability theory, this project will analyze the stability of sensor network with optimal estimator, and explore the relation of the steady state covariance of estimation error and selected nodes subset. It is expected that the project will make significant contributions based on effective combination of network science and control science, and thus provide new theory and methods for nodes selection in large-scale distributed networks.

如何高效地选择网络部分节点施加控制最优化大规模基于一致性的分布式网络(受控一致性网络、分布式滤波网络)的性能指标是一个重要而又困难的课题。本项目将深入研究网络拓扑结构、节点属性、网络性能指标之间的关系，分别以最大化网络收敛速度或最小化网络一致偏差为目标，基于复杂网络、图论及优化等理论，设计最优节点选择算法，揭示近似最优节点属性的网络指标。针对能量有限的无线传感器网络，在设计最优估计器的基础上，进一步提出离线/在线的节点选择方案，应用矩阵论和概率论等工具，对最优估计器进行稳定性分析，揭示稳态估计误差协方差与节点选择集之间的关系。项目期望通过网络科学与控制科学的有效结合取得重要创新性成果，为大规模分布式网络的节点选择提供有效的方法和理论分析工具。

随着工业互联网、5G、智能制造等领域技术的发展，传统的工厂、设备等已进入互联时代，构造出规模大、强耦合、强关联的分布式网络。面对低能耗、高效益等实际需求，需要对大规模复杂分布式网络提出有效优化控制方案。面向规模巨大、耦合性强的分布式网络，在有限的资源约束时，如何设计分布式优化算法具有很大的挑战。本项目围绕分布式受控网络优化问题，重点研究了如何高效选择网络部分节点施加控制最优化大规模基于一致性的分布式网络(受控一致性网络、分布式滤波网络)的综合性能指标，揭示了网络拓扑结构、节点属性、网络性能指标之间的关系，应用复杂网络、图论及优化等理论设计了最优节点选择算法，最大化网络收敛速度，并找到了能够近似刻画最优节点属性的网络指标。研究了能量有限的无线传感器网络的优化调度问题，在分布式状态估计的基础上，分别提出了离线/在线的传感器调度方案，应用矩阵论和概率论等工具，设计了最优状态估计器，并得到了估计误差协方差收敛的充分条件，并揭示了稳态估计误差协方差与调度序列之间的关系。项目通过网络科学与控制科学的有效结合取得了系列创新性成果，为大规模分布式网络优化提供了有理论方法和技术方案。共发表SCI/EI收录论文29篇，在国际SCI源期刊发表论文19篇，其中包括控制领域高水平期刊“Automatica”及IEEE汇刊11篇，及控制领域顶级会议“IEEE CDC”，“IFAC” 论文3 篇。研究成果是项目“面向复杂环境的多源信息估计理论与资源优化方法”的重要科学发现，获2019年度上海市自然科学二等奖(第一完成人)。共培养了1名博士后，现为特聘副研究员；培养2名博士、8名硕士生，现均已顺利毕业，其中2人获得国家奖学金，3人获得优秀毕业生称号。