一种基于动态事件触发的分布式优化算法

邓志良 梁旭

摘要针对多智能体系统优化问题，提出一种基于动态事件触发机制的分布式优化算法．基于李雅普诺夫函数方法设计一种新型的动态事件触发控制器，相较于传统静态事件触发控制方法，所提出算法可有效降低多智能体间通信负担以及控制器计算负担．此外，利用周期采样信息进行事件触发条件设计，可避免智能体连续检测事件触发条件，并可消除Zeno现象．通过数值仿真验证了算法的有效性．

关键词多智能体系统;动态事件触发;分布式优化算法;李雅普诺夫函数

中图分类号

TP273

文献标志码

A

收稿日期

2021-12-23

资助项目

国家重点研发计划 （2018YFC1405703）;江苏省自然科学基金（BK20200824）;南京信息工程大学人才启动经费（2019r082）

作者简介邓志良，男，博士，教授，博士生导师，研究方向为智能识别与控制．dzl8188@qq.com

1 南京信息工程大学 自动化学院，南京，210044

0 引言

多智能体系统作为控制行业的前沿科技，在无人机编队［1］、微电网控制［2］、机器人群集［3］、无线传感器网络［4］等方面具有广泛应用，因此，多智能体系统的分布式优化问题受到大量研究者的关注［5-6］，其研究目的是为通过分布式控制方法实现多智能体系统总成本函数最小化．

文献［7-8］针对等式约束以及不等式约束下的优化问题提出了连续时间分布式优化算法．为实现系统最优，各智能体之间需要进行连续的信息交互，但实际系统中，由于网络的带宽有限，所设计算法很难满足实际应用．基于此，学者将事件触发控制方法应用于分布式优化问题，当智能体之间的状态达到触发条件时，智能体之间进行通信，反之，则不进行通信［9］．依据事件触发条件所设计的算法可有效避免执行过程中智能体连续通信以及控制器连续更新问题．文献［10］针对通信约束下的控制问题，设计了一种简单的事件触发控制器，并证明所提出的调度策略可以保证半全局渐近稳定性;文獻［11-12］在文献［10］的基础上将事件触发机制应用到一阶系统的优化问题中，解决了传统周期采样控制智能体间通信频繁的问题，但是需要对事件触发条件进行连续检测;文献［13］基于事件触发提出一种自适应控制策略，系统的触发时刻只与智能体自身的状态和邻居最新触发时刻的状态有关，避免了对邻居状态的连续检测;文献［14］基于事件触发设计出一种组合测量方式，使得智能体只在自身事件触发时刻进行控制输入更新．由于对系统状态的逼近过多，利用系统的先验信息来估计下一个事件触发时间的自触发控制往往会引起控制器的更新，Zeno现象成为一个必须要讨论的问题，例如文献［15］通过利用离散周期采样序列对智能体进行检测，有效地避免了一阶离散系统出现Zeno现象．上述文献事件触发条件均为静态事件触发条件．文献［16］针对优化问题，提出一种基于动态事件触发的分布式优化算法，通过引入内部动态变量，设计了动态控制器触发条件，减少了系统的通信负担．但是其需要连续检测所提出的事件触发条件，且Zeno现象难以处理．

受到文献［14-16］的启发，针对多智能体系统二次凸优化问题，本文设计出一种基于周期采样信息的分布式动态事件触发优化算法．该算法采用周期采样信息进行事件触发条件设计，两次触发时间的最小间隔为采样周期，可有效避免事件触发条件的连续检测问题以及Zeno现象，更符合实际系统运行机制．相较于传统的静态事件触发条件，所设计的动态事件触发条件触发频率更低，可有效降低智能体间通信频率以及控制器更新频率．

图2和图7展示了η i的收敛过程，可以看出动态触发条件下的结果与静态事件触发下的结果相同，4个智能体的成本函数最终都将稳定在优化值η 1=η 2=η 3=η 4=η*=19.320，仿真中的结果与利用式（6）计算得出结果相同．图3中的点表示本文所设计算法对应4个智能体的动态事件触发时刻，图8描述4个智能体的静态触发时刻，表2给出2种触发条件对应的触发次数，可以看出本文给出的方法触发频率更低，表明本文所设计的算法可有效降低带宽、减少通信负担．由图4和图9可以看出控制输入 i（t）是分段函数，智能体仅在本身及邻居的事件触发时刻进行更新．图5和图10给出了m i（t）的收敛曲线，可以看出m 1由初始值140稳定在99.575，m 2由初始值110稳定在132.760，m 3由初始值100稳定在91.055，m 4由初始值90稳定在116.593．由图6和图11可以看出在趋于最优解的过程中，系统实时满足等式约束．

4 总结

本文研究了含有等式约束的二次凸优化问题，并针对这类问题设计了一种基于动态事件触发控制的分布式优化算法，该算法可以保证系统最终渐近收敛到最优解．在所设计的触发条件下，每个智能体仅需在自身触发时刻进行更新，不需要连续或周期性地更新控制信息，有效降低了智能体间通信频率以及控制器更新频率，并且通过引入周期采样控制，使触发时间存在下限值，避免了Zeno现象． Matlab仿真结果表明，与静态触发控制相比，所提出算法触发次数更少．

参考文献

References

［1］ 朱旭，张逊逊，闫茂德，等.基于一致性的无人机编队控制策略［J］.计算机仿真，2016，33（8）：30-34

ZHU Xu，ZHANG Xunxun，YAN Maode，et al.UAV formation control strategy based on consensus［J］.Computer Simulation，2016，33（8）：30-34

［2］ 刘建刚，杨胜杰.具有容性负载的直流微电网系统分布式协同控制［J］.自动化学报，2020，46（6）：1283-1290

LIU Jiangang，YANG Shengjie.Distributed cooperative control of DC micro-grid systems with capacitive loads［J］.Acta Automatica Sinica，2020，46（6）：1283-1290

［3］ 刘伟，李大卫，戴洪德，等.具有避障的机器人集群系统分布式编队控制［J］.机械与电子，2021，39（7）：44-48

LIU Wei，LI Dawei，DAI Hongde，et al.Distributed multi-robots system formation control with obstacle avoidance［J］.Machinery ＆ Electronics，2021，39（7）：44-48

［4］ 涂志亮，王强，沈毅.一种目标监测的移动传感器网络覆盖分布式优化算法［J］.控制与决策，2012，27（9）：1353-1358

TU Zhiliang，WANG Qiang，SHEN Yi.A distributed coverage optimization algorithm for target monitoring in mobile sensor network［J］.Control and Decision，2012，27（9）：1353-1358

［5］ Kia S S，Cortés J，Martínez S.Distributed convex optimization via continuous-time coordination algorithms with discrete-time communication［J］.Automatica，2015，55：254-264

［6］ Xi C G，Khan U A.Distributed subgradient projection algorithm over directed graphs［J］.IEEE Transactions on Automatic Control，2017，62（8）：3986-3992

［7］ Wen X N，Qin S T.A projection-based continuous-time algorithm for distributed optimization over multi-agent systems［J］.Complex ＆ Intelligent Systems，2021：1-11

［8］ Yi P，Hong Y G，Liu F.Distributed gradient algorithm for constrained optimization with application to load sharing in power systems［J］.Systems ＆ Control Letters，2015，83：45-52

［9］ 吳文，刘斌，姚靖，等.基于事件触发网络控制系统的分布式控制［J］.湖南工业大学学报，2014，28（4）：61-66

WU Wen，LIU Bin，YAO Jing，et al.Event-triggered based distributed control in networked control systems［J］.Journal of Hunan University of Technology，2014，28（4）：61-66

［10］ Tabuada P.Event-triggered real-time scheduling of stabilizing control tasks［J］.IEEE Transactions on Automatic Control，2007，52（9）：1680-1685

［11］ Dimarogonas D V，Frazzoli E，Johansson K H.Distributed event-triggered control for multi-agent systems［J］.IEEE Transactions on Automatic Control，2012，57（5）：1291-1297

［12］ Liu Z X，Chen Z Q.Event-triggered average-consensus for multi-agent systems［C］//Proceedings of the 29th Chinese Control Conference（CCC10），2010：4506-4511

［13］ Xie D S，Xu S Y，Zhang B Y，et al.Consensus for multi-agent systems with distributed adaptive control and an event-triggered communication strategy［J］.IET Control Theory ＆ Applications，2016，10（13）：1547-1555

［14］ Fan Y，Feng G，Wang Y，et al.Distributed event-triggered control of multi-agent systems with combinational measurements［J］.Automatica，2013，49（2）：671-675

［15］ Li H Q，Liu S，Soh Y C，et al.Achieving linear convergence for distributed optimization with zeno-like-free event-triggered communication scheme［C］∥2017 29th Chinese Control and Decision Conference （CCDC）.May 28-30，2017，Chongqing，China.IEEE，2017：6224-6229

［16］ Du W，Yi X L，George J，et al.Distributed optimization with dynamic event-triggered mechanisms［C］∥2018 IEEE Conference on Decision and Control.December 17-19，2018，Miami，FL，USA.IEEE，2018：969-974

A distributed optimization algorithm based on

dynamic event triggered control

DENG Zhiliang1 LIANG Xu1

1

School of Automation，Nanjing University of Information Science ＆ Technology，Nanjing 210044

Abstract

The dynamic event triggered mechanism is used to design a distributed optimization algorithm for multi-agent systems.Compared with traditional static triggered control，the dynamic event triggered controller based on Lyapunov function can effectively reduce the communication burden between agents as well as the calculation burden of controllers.In addition，the event triggering condition is designed using periodic sampling information，thus is not required to be checked repeatedly by agents.Moreover，Zeno behavior can be avoided.A numerical simulation is given to verify the effectiveness of the algorithm.

Key words multi-agent systems;dynamic event triggered;distributed optimization algorithm;Lyapunov function