基于事件触发机制的多智能体网络平均一致性研究

杨 宏

（武汉铁路职业技术学院，湖北 武汉 430205）

0 引言

在智能系统的运用中，借助大量分布式配置的自治智能系统，通过网络相互连接的形式构成复杂式大规模系统，该系统能够对智能子系统进行综合管理，从而保障各个子系统的高效运用。而关于事件触发机制下的多智能体网络的平均一致性，主要是对未必能够进行全局集中控制的系统中，通过对多个智能体的网络进行分布式的协调，让其目标与行为能够达到整体的理想状态，从而保障主体系统下子系统智能状态的一致性。该目标的一致性建设能够优化各个智能体之间的相互作用规则，从而实现网络的高灵活性与低成本性，其在协调调度领域、编队控制领域以及同步问题与蜂拥问题解决领域上具备广泛的应用价值。因此，本文基于事件触发机制的多智能体网络系统的平均一致性协议进行研究显得尤为重要。

1 研究现状

在多智能体网络的运用背景中，平均一致性问题主要来源于管理与统计学的计算中，在多代理存在情况下的网络一致性相关问题的研究中，Olfatisaber.R等人提出一种一致性控制协议理论框架与基本形式，同时对于平均一致性问题的可解性与控制算法，结合节点出入度及平衡的概念，给出了基于拓扑结构的多智能体网络达成平均值的充要条件[1]。而对于拓扑结果平均一致性问题的中，当网络系统抓取结构包含有向生成树时，系统最终可以达到一致性，现有的解决策略涉及以下几个方面：通过系统模型降维，随机拓扑下的平均一致性；多代理拓扑下的平均一致性；不确定性拓扑和联合关联图的平均一致性；以及多智能体网络在任何强连接有向图下的控制一致性。基于以往研究的成功性，本文优化了连续更新、周期和一致性协议的新方法，以减少系统稳定性下一致性控制协议的更新次数，从而实现相遇资源的有效节约，为实际的运用推广提供一定的经济价值与社会效益[2]。

2 事件触发机制

在关于事件触发机制下存在的多智能体网络平均一致性的协议优化上，需要将连接的智能子系统通过采样器与事件触发器进行因果更换连，通过对控制器与执行器的衔接，以此实现智能体的状态进行判断，从而实现控制的精准到达。关注多智能体网络存在的分布式事件触发问题，需要建设智能体控制机制的更新迭代，以此节省智能体有限的计算资源，通过对于智能体自身信息与关联智能体节点信息的采样分析，间事件触发时刻作为采样时刻的子集，通过对触发阈值进行计算，以此获取周期触发机制，同时对于练习事件触发机制，需要连续事件能够安装相应的硬件时刻来对系统的状态进行信息实现，同时对于连续事件的触发机制进行复杂的排除线性事件，以此获取触发间隔的周期规律。而对于多智能体的控制规律的计算，需要由该个智能体自身及相邻的几点触发信息进行计算，通过对一致性协议的要求进行连续或者周期性的控制。确定事件触发机制下多代理网络的平均一致性需要连续或周期性的更新控制规则，通过利用智能体与相邻节点的触发时刻信息的更新来减低平均一致性协议的更新次数，以此实现整体性能的优化[3]。

3 针对事件触发机制中拓扑结构多智能体网路分析

3.1 事件触发机制

在分析多代理网络的一致性收敛性中，根据事件触发存在的分布式机制，需要在平均一致性系统上，关注多智能体网络的初始平均状态计算，确保能够逐渐一致性收敛，多智能体网络的平均一致性只能在闭环系统逐渐稳定的情况下得到保证，而对于具有固定拓扑结构的多智能体网络，如果器周期及事件触发阈值能够使得相应的线性矩阵不等式成立，那么其平均一致性收敛于初始状态[4]。而考虑到多智能体网络存在的切换式拓扑结构，需要对有限的连通图进行描述，对事件触发机制下多智能体网络的拓扑结果进行随机切换，通过对切换结构下的多智能体网络平均一致性进行充分条件研究，选址合适的采样周期和触发法治让线性矩阵能够成立，确保多智能体网络渐进一致性能够收敛到初始状态[5]。

3.2 仿真验证

在触发事件机制下，在网络平均采样周期和多智能体的触发阈值的应用中，需要对事件触发机制具备的固定于切换拓扑结构进行一致性仿真。在软件的运用上需要借助 MATLAB软件进行函数的采样周期于触发阈值的选取，由于式分布式事件触发形式，那么对于智能体之间的触发时刻式异步，即每一个事件触发条件的变化时刻都是非周期性的，二软件能够对多智能体网络的事件触发次数预计控制规律进行对比分析，由数据现实可知智能体事件触发次数远低于采样次数，由于各智能体一致性控制系以以及自身的领点触发信息，能够控制更新出书。由此可知多智能体的控制变化曲线，而智能体控制规律伴随自身和邻点触发时刻进行更新，本文触发事件即控制更新次数如表1所示：

表1 多智能体网络事件触发次数及控制更新次数

由相应的数据结果可知，事件触发控制模式的控制效果与之前的循环控制方法相似，这两种方法都能保证多智能体网络的平均一致性。然而，在以往的周期控制策略中，代理控制律更新的数量等于3000的样本数量，远远高于事件触发机制下的控制律更新的次数。综上所述，基于分布式事件触发机制的平均一致性协议，其保证了多智能体网络，能够在固定拓扑结构下的平均一致性，而分布式事件触发机制，也能够有效地减少了对多智能体一致性控制协议的更新次数。同样，对于多智能体状态响应，多智能体渐近收敛。在描述状态差分向量范数的变化曲线中，多智能体网络表现出平均一致的收敛性。多个代理的事件触发矩，显然触发矩在代理之间是异步的，每个代理都是非周期的，其中三个拓扑随时间随机切换，代理事件触发条件变化曲线，在每个事件触发间隔内。切换拓扑下的多代理事件触发器和控制律更新次数，每个代理的事件触发器次数明显低于样本数。控制律更新的数量等于自己节点和邻居节点触发器，减去同时触发器的数量，值得注意的是，拓扑切换后邻居节点集也发生了变化。综上所述，基于分布式事件触发机制的平均驱动协议，能够保证了交换拓扑下的平均一致性，而事件触发机制优化，能够有效减少了对多智能体一致性控制协议的更新次数，以此降低实际的运营成本[6]。

3.3 结果分析

通过对事件触发机制下的多智能体网络的一致性进行平均。一种基于代理自身的分布式事件触发机制和邻居节点信息的多代理平均一致性控制协议，以及一种基于代理自身和邻居节点触发信息的分布式事件触发机制。与文献中现有的连续或定期更新协议不同，基于事件触发机制的平均协议只有在满足事件触发条件时才会更新协议，这有效地减少了对协议的更新次数。从理论上推导出了固定交换拓扑结构下多个智能网络平均一致收敛的充分条件。仿真结果表明，在基于分布式事件触发机制的固定和切换拓扑结构下，保证了多代理网络的平均一致性，分布式事件触发控制策略有效地减少了一致性协议的更新次数[7]。

4 结语

由此可见，对于事件触发机制的多智能体网络平均一致性进行研究分析，有助于组合形态下的智能体网络进行分布式的协调，让其目标与行为能够达到整体的理想状态，从而保障主体系统下子系统智能状态的一致性。同时，平均一致性的建设，能够优化各个智能体之间的相互作用规则，从而实现网络的高灵活性与低成本性，为相关领域的运用提供保障。