【摘 要】
:
随着人工智能的发展,多智能体系统的一致性逐渐引起了许多研究者的关注。饱和约束普遍存在于各类实际系统中且智能体网络中不可避免的存在时延现象。因此本文重点研究了饱和约束、通信时延以及输入时延对多智能体系统完全一致性或滞后一致性的影响。研究了带有输入饱和约束的一阶离散多智能体系统的群体共识问题。根据竞争与合作的关系,设计了一种新的控制协议,以实现分组一致。将图论知识与Lyapunov定理相结合,给出了一
论文部分内容阅读
随着人工智能的发展,多智能体系统的一致性逐渐引起了许多研究者的关注。饱和约束普遍存在于各类实际系统中且智能体网络中不可避免的存在时延现象。因此本文重点研究了饱和约束、通信时延以及输入时延对多智能体系统完全一致性或滞后一致性的影响。研究了带有输入饱和约束的一阶离散多智能体系统的群体共识问题。根据竞争与合作的关系,设计了一种新的控制协议,以实现分组一致。将图论知识与Lyapunov定理相结合,给出了一阶离散多智能体系统实现分组一致的充分条件。由于多智能体系统中智能体结构或者功能存在差异,导致同构多智能体系统无法满足某些现代工程应用的需求。另外,时延可能会使智能体的状态存在滞后现象。因此,考虑了具有部分一阶受限的异构多智能体系统领导跟随滞后一致性问题,根据牵引控制思想,提出了一个分布式控制算法。首先构造误差系统,然后利用Lyapunov稳定性理论及La Salle不变性定理对其稳定性进行分析。接下来给出系统实现滞后一致性的充分条件。最后,进行了数值模拟。研究了具有通信时延的自适应耦合多智能体系统的领导跟随一致性问题。首先构造了误差系统,将领导跟随一致性问题转化为误差系统的稳定性问题。然后,基于Lyapunov理论得到了多智能体系统实现领导跟随一致性的充分条件。此外,还提出了一种自适应耦合权值更新方案,以确保多智能体系统达到领导跟随共识。最后,进行了数值模拟。研究了具有时变输入时延的异构多智能体系统的滞后一致性问题。考虑了固定拓扑和切换拓扑两种情形,并针对两种情形设计了相应的控制协议且给出了异构多智能体系统实现滞后一致性的充分条件。两种情形下的充分条件均为线性矩阵不等式(LMI)形式,可以直接利用MATLAB工具箱进行求解,简化了求解过程。通过构造LyapunovKrasovskii泛函证明了理论结果的正确性。最后利用MATLAB进行数值模拟。
其他文献
受硬件设施、天气环境等因素的影响,医疗卫生、遥感卫星、安防监控等多个领域的图片成像一般都较为模糊。因此,图像超分辨率重建成为计算机视觉领域的热点研究方向。图像超分辨率重建就是在不破坏原有图像细节信息的同时将低分辨率图像重建为高分辨率图像。目前,基于深度学习的方法在图像超分辨率重建研究领域中的重建效果最为优越,但是该方法仍然会出现梯度消失、收敛困难并且容易丢失图像的纹理细节等问题。针对上述问题,本文
目前,全球变暖的速度在不断加快。由其引发的一系列生态灾害严重威胁人类的生产与生活。世界各国为了遏制碳排放的急速增加已经展开了一系列国际合作。在近期十四五规划中,我国明确提出实现碳达峰、碳中和的目标。我国在国际上树立了积极承担责任的大国形象。作为最大的发展中国家,我国要改变以往粗放的经济发展模式,合理规划各项土地利用类型的面积,加大生态建设的投入,协调经济和碳排放之间的关系。为此我们要在保证经济发展
经济全球化使企业之间的竞争逐渐加剧,人们饮食多样化促进了各地火锅行业的蓬勃发展。然而,现有的美食推荐系统种类繁多,推荐重点各不相同,不能根据用户偏好获得有针对性的推荐,使用户不能准确找到符合自己口味的菜品。个性化推荐技术能够很好地解决这个问题,并在美食领域中得到广泛关注。关联规则是近年发展起来的个性化推荐算法,在电子商务和超市购物等多个领域应用广泛,并取得了良好的效果。针对用户进行菜品个性化推荐,
城市与人类的生活息息相关。随着我国城市化进程的不断发展,了解基本城市土地利用类型的分布情况对完善城市空间结构,城市历史文化的保护,城市风貌的塑造,居住社区和城市基础设施的建设等城市更新总体任务具有重要意义。本研究以重庆市中心城区城市建成区为研究区,基于多源数据进行基本城市土地利用类型分类方法研究,针对目前该领域存在的问题与不足,从确定最优城市地块分割方法,构建适用于山地城市的城市土地利用分类特征,
我国是个有着长远历史文化的国家,拥有浓厚的文化底蕴,传统文化的形式更是多种多样,传统文化包含了中华民族不同历史时代的精神文化,传统文化与我们的生活有着紧密的联系,因此,传统文化能从古延续至今,中国古典舞是我国民族文化的精华所在,是我国古典艺术中的重要组成部分,在当代社会,传统文化依旧能为古典舞的教学提供灵感,文化需要不断继承和创新,将传统文化融入古典舞的教学中,不仅对传统文化元素的提炼和借鉴,也是
不平衡分类是一个重要的研究领域。在不平衡数据集中,至少有一类(少数类)的样本数量是远远少于其它类别的样本数量。如果在不平衡数据集上构造一个分类模型,决策边界会向少数类偏移,这会导致少数类样本识别不准确。过抽样是一种改进不平衡分类的有效方法。在众多的过抽样方法中,SMOTE是最受欢迎的。SMOTE用基样本和它的近邻的插值结果去生成少数类的合成样本。然后,SMOTE用这些合成样本去扩充少数类,直到类别
随着人工智能的发展,情绪分析在社会上的重要性越发明显,其中人脸表情识别作为人与人之间情感交流的主要手段,在人机交互、公共安全、汽车驾驶、医疗辅助、公安系统以及课堂教学等领域有极大的应用潜力。因此,人脸表情识别作为一种影响巨大的关键技术,逐渐成为众多科研人员的研究重心。在人脸表情识别过程中,易受到尺度、光照以及角度等因素的影响,采用计算机对人脸表情进行识别依然是一个较大的挑战。迄今为止,国内外研究人
如今,人工智能与深度学习等技术在生活中的应用越来越广泛。其运算载体从服务器逐渐发展到个人电脑、便携式电脑和移动手机。随着深度学习技术的发展,神经网络模型变得越来越复杂,模型中的计算量也随之增加。因此,边缘设备孱弱的计算力,制约了人工智能与深度学习等技术在其上的发展。对此问题,以往的研究一方面是减少计算量,通过重新设计高效的模型,仅使用少量的计算即可完成任务;另一方面是增加计算力,通过边缘设备与服务
目前,肺炎的诊断手段主要是依靠影像科医生对胸片进行人工判断,但是人工判断对专业水平的要求较高,也容易受到医生个人主观意识和身心状态的影响,尤其在医院环境下的影响更为显著。同时由于胸片二维投影的特点,体内各种脏器重叠,容易导致误判。因此使用一种准确率较高,能自动诊断的应用来辅助医生就拥有了重要的应用场景。本文在基于卷积神经网络最新相关技术的基础上构建了针对胸片图像的肺炎识别模型,主要工作如下:(1)
本研究在整理模型相关文献综述以及解读模型本质的基础上,结合化学学科特点,采用文本分析法、文献分析法、对比研究法对比分析了我国人教版高中《化学必修》(2019)与美国基础化学教材《Essencial Chemistry》(2018)中的模型。通过表格和柱状图主要从模型的数量、模型的类型、模型的表征方式、模型的呈现位置和模型的呈现形式几个角度进行了比较分析。从而得出如下结论:第一,模型数量上,美国基础