基于自适应动态规划的多智能体系统分布式最优协同控制

Distributed cooperative control of multi-agent systems (MASs) has attracted considerable attention from complex networks and artificial intelligence, the applications of this technology to industrial control systems while meeting the increasingly complex task requirements are the hot issues. The project will utilize adaptive dynamic programming method to study distributed optimal cooperative control of MASs. A design framework of data-driven control and communication mode is proposed for MASs with the aim of saving the systems' resource meanwhile reducing the communication burden. The main contributions of this project are as follows: (1) Distributed optimal quantized cooperative control policies are proposed for MASs with limited data rate; (2) We design a distributed data-driven optimal cooperative control algorithm for unknown MASs; (3) A codesign scheme of event-triggered mechanism and optimal cooperative control input for MASs is built. The results of this project can provide better basic theotical and key technical support for the actual engineering applications of distributed optimal cooperative control for MASs.

多智能体系统的分布式协同控制是当前复杂网络和人工智能领域的研究热点，如何将这一技术应用到工业控制系统以满足日益复杂的任务需求成为当前的热点问题。本项目将采用新兴的自适应动态规划方法研究多智能体系统的分布式最优协同控制问题，拟从智能节点层的数据驱动控制和通信网络层的通信传输方式进行优化设计，以节省系统资源、降低网络通信负担。本项目重点开展三个方面的研究：1）考虑共享网络的有限数据传输速率约束，设计多智能体系统的分布式最优量化协同控制策略；2）设计基于数据驱动的多智能体系统分布式最优协同控制算法；3）联合设计多智能体系统的分布式事件触发机制和最优协同控制策略。本项目的研究成果为多智能体系统分布式最优协同控制的实际工程应用提供更好的理论基础和技术支撑。

作为复杂网络和人工智能领域的一个研究热点，多智能体系统的分布式协同控制引起了越来越多的关注。本项目利用自适应动态规划技巧解决了多智能体分布式最优协同控制问题，已从智能节点层的数据驱动控制和通信网络层的通信传输方法进行优化设计，以节省系统资源同时降低网络通信负担。本项目已开展三个方面的研究：1）考虑共享网络的有限数据传输速率约束，设计多智能体系统的分布式最优量化协同控制策略；2）设计基于数据驱动的多智能体系统分布式最优协同控制算法；3）联合设计多智能体系统的分布式事件触发机制和最优协同控制策略。