合作与竞争模式下智能群体网络的协同跟踪性能分析与权衡设计

Based on the essential characteristics of biological and artificial intelligent network such as self-organization of group, local autonomy, emergence and heterogeneous, this project investigate modeling, multiple cooperative tracking performance analysis and trade-off design of multi-agent networks with cooperative and competitive. Trough the qualitative analysis and quantitative characterization of cooperation and competition mode in multi-agent networks, we can dig out the network topology and key parameters which reflect the evolution laws of dynamical behavior of nodes and networks. Then the dynamical evolution models which reflect hybrid feature, cooperation and competition will be established. We can reveal the dynamic switching rules under different cooperation and competition mode, and various constraints including the limitation of node perception and interaction ability, the limited communication bandwidth resource and so on. The effects on multiple cooperative tracking performance will also be given. Combining with multi sensor networks used in detection and tracking of multi target, the universal significance performance index will be proposed, and then design the effective cooperation and competition strategy of multi-agent networks under various constraints. This project will give some guidance in theory and practical applications for design and optimization of multiple cooperative tracking algorithms of multi-agent networks.

基于生物和人工智能网络的群体自组织性、局部自治性、涌现性和异质异构等特性，本项目针对合作与竞争模式下的智能群体网络的建模、多协同跟踪性能分析与权衡设计问题进行研究。通过对智能群体网络中合作与竞争模式定性地分析和定量地刻画，挖掘出反映节点和网络动态行为演化规律的网络拓扑结构和重要参数，建立反映合作与竞争机制，以及具有混杂特性的节点和网络的动态演化模型；揭示出不同合作与竞争模式、多种约束（节点感知与交互能力的局限性、有限的通信带宽资源等）下网络拓扑结构动态切换规律，以及对智能群体网络多协同跟踪性能的影响；结合多传感器网络应用于多目标监测和跟踪的实际背景，提炼出具有普适意义的性能指标，设计有效的多种约束下的智能群体网络合作与竞争博弈策略。本项目将为智能群体网络多协同跟踪算法的设计与优化提供理论和实际应用上的指导。

无人机编队、多机器人合作、分布式传感器网络等实际应用需求对复杂多自主体网络理论的研究提出了严峻的挑战。因个体能力局限、资源稀缺、通信受限等因素导致的合作与竞争机制该如何刻画，多目标情形下的多个体协同跟踪问题以及多种约束而导致的博弈权衡设计等都是是亟待解决的问题。. 针对上述问题，在国家自然科学基金面上项目“合作与竞争模式下智能群体网络的协同跟踪性能分析与权衡设计（编号：61603128）”的资助下，我们对此进行了深入研究，取得如下主要成果：. 研究了多自主体系统的分布式有限时间三维编队协同跟踪控制问题。研究表明有限时间控制技术较传统的渐近稳定和指数稳定控制技术具备更高的控制精度和更快的响应速度，不仅如此，其在抗扰性方面也表现出了极其优越的性能。. 针对自适应调节事件驱动机制下网络化系统的H无穷输出跟踪控制问题进行了研究。建立了与时延分布相关及存在随机传感器故障的网络化系统的H输出跟踪控制新的模型，设计了自适应调节事件驱动策略使得网络控制系统的渐近稳定性，并同时保证系统H无穷输出跟踪性能，并且可使得网络通信资源得到最有效的使用。. 研究了多种约束下（信噪比约束、带宽限制和时延丢包等）网络控制系统最优可达跟踪性能。得到了多种约束下网络化控制系统跟踪性能极限的显示表达式；定量地揭示了系统跟踪性能与被控对象的本质特征（被控对象非最小相位零点和不稳定极点的位置和方向）之间的内在联系，证明了信噪比约束、带宽限制和时延丢包等会对系统的跟踪性能产生消极影响。. 研究成果在IEEE Transactions on Systems Man Cybernetics: Systems、Information Sciences、IET Control Theory & Applications等国外权威学术期刊进行发表，共发表期刊论文16篇，其中SCI收录12篇，EI收录3篇。授权专利5项，出版学术专著1部，在Proceedings of the Chinese Control Conference等国内外学术会议交流研究成果10余次。培养硕士研究生3名，博士研究生3名及青年骨干教师3名。项目负责人姜晓伟博士2017年入选“湖北省青年英才开发计划”，获2017年度湖北省自然科学优秀学术论文二等奖及黄石自然科学优秀成果奖三等奖。