基于势博弈的集群系统编队控制方法研究

With the requirement of the autonomic swarm system, this project launches the research on formation control via potential game. Due to the environmental factors, the topology of the system is time variant. Therefore, the potential game is mentioned to optimize the strategies of the agents for improving the autonomy and self-healing ability of the swarm systems. The research contents are introduced as follows:.(1)As to the swarm system with the connected topology, the exact potential game is introduced to design the model of the formation problem. The modified cellular learning automata algorithm is designed for optimizing the decision-making process of the agents and realizing the autonomous formation..(2)For solving the formation problem of the swarm system with the switching topology, the ordinal potential game theoretical model is designed. The reinforcement learning algorithm is designed to modify the game strategy of the agents..(3)For solving the formation problem of the swarm system with the random topology, the best-response potential game theoretical model is designed. The Fictitious play learning algorithm is mentioned to optimizing the decision-making process of the agents..(4)The UAV systems will be used to verify the effectiveness of the research results..The results of this project not only enrich and perfect the theory of swarm intelligence, but also have practical value for designing the swarm systems.

在集群系统自主化的大趋势下，本项目以基于势博弈的集群系统编队控制方法作为研究主题，针对集群系统编队行进过程中环境因素影响下产生的拓扑变化问题，运用势博弈理论，结合学习算法，设计智能体自主博弈策略。具体研究内容包括四个方面：（1）基于严格势博弈方法，针对连通图下的集群系统自主编队问题建模，利用改进细胞学习机算法优化智能体决策过程，实现系统自主编队；（2）为解决切换拓扑下的集群系统自主编队问题，设计序数势博弈模型，运用强化学习制定智能体博弈策略，实现智能体自主决策；（3）为解决随机拓扑下具有领航者的集群系统自主编队问题，研究最优反应势博弈自主编队方法，设计Fictitious play算法优化智能体自主决策方法；（4）验证理论成果的实用性，实现多无人机飞行器系统自主编队控制。本项目的成果不仅为集群智能的研究提供了的理论依据，而且对于集群系统的研制具有一定的实用价值。

多智能体系统的协同控制问题逐渐成为控制与优化领域的一个热门方向。多智能体协同控制问题主要包括：一致性问题，编队问题，分布式优化与估计等。编队问题是指所有智能体会形成并且保持一种预先设定的几何结构。在人工智能与科学计算飞速发展的今天，多智能体协同控制问题在无人机系统，机器人系统，无线传感器网络，以及智能电网等领域得到了广泛的应用。本文利用博弈论解决了二阶多智能体系统编队控制问题。本研究的主要工作总结如下：.一致性问题是多智能体系统的一类基本问题，近年来这类问题得到了广泛的关注，很多针对渐进一致性问题的解决方法被提出。但随着研究的深入，很多学者发现渐进一致性的控制方法满足不了实际需求，所以有限时间一致性问题逐渐引起学者们的关注。有限时间一致性是指让系统可以在一定时间内达到一致，现有的解决方法主要是通过对每个智能体加控制器，从而达到控制效果，这种做法的计算复杂度较高，而且容易产生智能体控制器之间的耦合。本文分别利用势博弈与弱非循环对具有不同拓扑结构的二阶多智能体系统有限时间一致性进行建模，随后设计了事件驱动的异步细胞学习机算法优化智能体的决策过程。实验结果表明了方法的有效性。.随着人工智能的发展，多智能体系统中智能体的异构性，工作环境的复杂性，系统目标的多样性，给多智能体系统动态性能的分析带来了挑战。同时，也催生了新的控制策略和优化方法。博弈论作为一种研究社会系统中智能体决策过程的经典工具，如今也被应用到了多智能体系统研究领域。本文主要针对二阶多智能体系统编队过程中存在的两类领导者选取问题：1）选取k个领导者使系统收敛误差达到最小；2）系统收敛误差在一定范围内，选取最小数量的领导者；提出了一类超模博弈建模方法。在建模过程中设计了各个智能体的效用函数与系统整体的目标函数，使各个智能体在寻求各自效用函数最大化的过程中满足整体目标。而后，运用贪婪算法优化了智能体决策过程，最终确定系统的领导者集合。本文分析了所建模型的平衡点存在性和系统稳定性。最后，利用仿真实例对比说明了本文提出的基于超模博弈的二阶多智能体系统领导者选择算法的有效性。利用MQTT和ESP32通讯技术设计了多无人车动态组网控制平台，用来实验验证理论成果。