具有状态依赖通信拓扑的异质智能网络群体行为分析与控制

Complex systems have heterogeneous characteristics. But, the heterogeneity of the system is usually neglected, and the relatively simple homogeneous network is used to analyze the crowd behavior in the modeling process. Due to the individual differences and intelligence in the real network, homogeneous network can not meet the actual needs. So the study of heterogeneous network becomes one of the hot topics in the complex network. To date most of the work on heterogeneous networks has often required that the communication network topology is determined or time-dependent switched. In fact, due to the limited range of network sensor, communication restrictions and individual intelligence, the communication network topology is usually state-dependent. Therefore, this project mainly focuses on the heterogeneous network synchronization with state-dependent communication topology, partial coupling and delays. In order to make the research more practically significant, the project will further apply the proven results to the heterogeneous multi-agent system based on network controller, and design a robustly distributed pinning impulsive control algorithm.

复杂网络系统具有异质特性,但实际建模过程中通常忽略系统的异质特性,采用相对简单的同质网络理论去分析群体行为。然而由于真实网络中个体差异性和智能性，同质网络群体行为分析已不能满足实际需要，于是研究异质智能网络成为复杂网络系统理论的热点之一。迄今为止关于异质网络的绝大多数工作往往要求通讯网络拓扑是固定的或时间依赖切换的。在实际过程中，由于智能网络传感范围的有限性、通信网络的局限性以及个体智能等因素导致通信网络拓扑是状态依赖的。于是本项目主要针对具有状态依赖通信拓扑的异质网络进行建模，设计有效的牵制脉冲控制协议，研究具有状态依赖切换、部分耦合和时延等混杂特性的复杂网络同步问题。为使研究内容有更大的现实意义，本项目将进一步把已探明的具有状态依赖通信拓扑的异质网络群体行为理论应用于基于网络控制器的异质多智能体系统一致性分析中，并设计鲁棒可靠的分布牵制脉冲控制算法。

研究具有异质特性的复杂网络是网络系统理论的热点之一，是控制理论、信息、物理、数学等多个领域的前沿交叉研究课题，对其进行群体行为分析和脉冲控制算法设计是非常重要的研究内容。在实际工程过程中，由于空间距离、信息传输速度的有限性、节点之间的信息交换也因信息的传输和接收而伴有部分信息丢失、信号中断、通道拥塞和记忆效应等因素的影响，充分考虑这些真实因素对异质复杂网络的影响将会极大改进系统的鲁棒性和可靠性。为此，本项目将充分考虑部分耦合、时延和脉冲控制对异质动态网络演化的影响，建立一类具有状态依赖的异质复杂网络动力学模型；设计有效的分布脉冲控制策略和同步误差的优化设计算法，将具有状态依赖通信拓扑和多变时延等混杂特性的异质网络的准同步问题转化为时滞微分方程的稳定性问题；基于脉冲控制策略，结合稳定性理论、代数图论、微分包含、耗散不等式及非负矩阵等理论进行同步性分析；最后将所得的同步性判据应用到具有领导者的非线性异质多智能体一致性控制问题上去，并采用异质网络同步控制算法进行异质多智能体一致性控制器算法设计。本项目前期研究已取得重要进展，其最终研究成果将丰富已有的研究方法，促进了异质网络群体行为理论的发展与完善，为群体机器人的协作控制研究、无人机编队控制以及社会网络人的群体行为研究提供新的理论依据、思路和方法。