基于概率切换模型的网络化智能群体协作控制机制研究

A smart swarm consists of a large number of autonomous agents that behave intelligently at the group level. Complex network theory has provided an effective framework to model the interactions among agents in a group. From the perspective of control theory and control engineering, the dynamical system modeling based on evolutionary game theory, cooperative control theory and methodology for swarms are in need of investigation. Focusing on this hot topic, in the proposed project we plan to establish a probabilistic switching model of evolutionary dynamics under the condition of the imperfect information, combined with the ideas from the study of distributed optimization. We aim at gaining the theoretical results about stability, convergence and other key dynamic characteristics of the system. Further, the physical experiments using multiple robots will be established, and some hints about the effective intervention and control for the networked swarm are thus expected. The established robotic platform for the cooperation control of a multi-agent system, and the algorithm evaluation scheme, can be useful by providing new theory and methodology for various agent-based distributed engineering applications.

智能群体通常是指由大量个体经局部动态相互作用而涌现整体有序行为的系统。复杂网络理论为描述群体内部个体之间的相互作用关系提供了有效框架。从控制科学与工程的角度而言，采用演化博弈理论对网络化群体行为进行建模分析与协作控制的研究亟待展开。针对此热点问题，本项目将融合分布式优化的思想，针对局部信息不完备的情况，建立基于概率切换的演化动力学模型。计划结合系统控制理论和演化博弈理论，分析系统演化的稳定性、收敛性及其他动力学特征。在理论分析的基础上，进而开展多机器人系统协作控制算法设计与实验研究，实现对网络化智能群体的有效干预与控制。建立的多机器人系统协作控制平台和算法评价方案，可为多个体分布式工程应用提供必要的理论基础与方法。

本项目针对网络化智能群体的协作控制展开研究，关注个体之间信息交互不完全或受限情况，研究如何提高网络化群体系统适应不确定性的能力。通过借鉴演化博弈理论、分布式优化的分析方法，建立可扩展的马尔科夫切换模型，系统分析该类系统的动力学特性。针对网络化群体中的信息不完备情形，提出基于概率切换模型的状态演化动力学分析方法。在网络拓扑结构下，把对群体状态的演化过程的分析转化为对相对应的随机矩阵的分析。同时，不同策略转换概率与个体邻居个数之间的关系该如何定义，这在异质网络化系统中是一个需要重点考虑的问题。对此，本项目在概率转换模型基础上引入了稀薄系数，可以建模邻居个数变量。理论稳定性分析表明个体对其他成员的影响与网络邻接数目负相关，并以定理形式给出了多智能体系统中多策略的共存条件。为合理体现群体行为的多样性，建立网络化群体中多状态演化的动力学模型。通过所提出的概率切换模型，把系统的演化动力学方程稳定性的分析，等价于对非均匀的马氏链的稳定性的分析。进行基于概率切换模型的机器人场地实验平台的搭建和完善。使用演化博弈理论对多智能体覆盖控制问题建模，将系统中所有智能体看作博弈的参与者，它们需要仅利用自身信息和邻居信息在每一时刻同时做出决策并同步运动，可以选择的策略集合为每个个体的运动方向。基于这一不断进行博弈的过程，得到覆盖控制的模型，并提出评价覆盖控制效果的性能指标。此外还在算法中加入了孤立节点回归机制和快速逃离机制。通过国家自然科学基金的资助，本项目组在群体智能演化博弈动力学方向取得了一系列研究成果，发表/录用学术论文21篇（包括SCI二区9篇）。包括IEEE汇刊4篇，Knowledge-based Systems期刊上2篇，International journal of systems science期刊上3篇。EI期刊/会议论文11篇(包括《控制理论与应用》论文1篇)。参编英文著作1部《Modern and Interdisciplinary Problems in Network Science: A Translational Research Perspective》。申请并获得计算机软件著作权一项：基于博弈理论的集群智能系统仿真软件v1.0，证书号：软著登字第2019SR1189798号，项目主持人为第一完成人。全面完成了项目任务书中的各项指标。