信息受限下分布式多智能体优化算法设计与分析

发布时间：2020-11-17 11:12

　　 近年来,分布式优化技术的发展得到了越来越多学者的关注,其应用逐渐渗透到各个领域,具体包括在无线网络中解决资源分配问题、路径规划问题、交通车辆控制问题等等。本文主要考虑在无线传感器网络中,利用网络中的传感器实时监测和采集多种数据信息,并且将采集到的数据信息与相邻的传感器进行交互计算,实现数据的融合。这里的无线传感器网络就是一个多智能体系统,每个传感器就是一个智能体。在每个传感器的代价函数不平滑的情况下,目标函数就是所有传感器的代价函数和。通常的优化方法是利用次梯度,但对于不平滑的目标函数,计算次梯度难度较大,甚至不可得。本文利用免梯度算法,分析并且解决网络目标函数不平滑但是利普希兹连续,并且带有约束的优化问题,确保智能体的状态收敛到平均值附近,目标函数近似收敛到最优值。具体的工作阐述如下:1.考虑无线传感器网络中的所有个体之间的连接是固定的情况,基于分布式随机免梯度算法去解决无线传感器网络优化问题。由于网络中相邻智能体之间进行信息传输时受到通信带宽的限制,因此通过量化处理使得信息得到有效的传输,这里仅考虑量化的精度。通过迭代,对网络中所有智能体状态值的收敛一致性以及目标函数近似收敛到最优值进行分析。2.基于上述研究工作,进一步考虑在无线传感器网络中的智能体之间的连接是时变的情况,这里同样只考虑量化精度的影响,分析网络中智能体状态值以及目标函数的收敛情况。3.考虑实际情况下,相邻智能体之间通信时,有具体的量化要求。因此设计具体的均匀量化器,由于量化产生的误差与量化区间以及通信带宽有关,因此在对智能体状态值和目标函数的收敛性分析时,分析量化区间以及通信带宽的影响。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP212.9;TN929.5
【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 优化问题的解决方法
        1.2.2 分布式带约束优化问题
        1.2.3 分布式优化其它一些问题
    1.3 文章结构安排
第二章 背景知识
    2.1 图论知识
        2.1.1 基础知识
        2.1.2 矩阵图论
        2.1.3 权重矩阵的选择
    2.2 分布式一致性
    2.3 凸优化理论
        2.3.1 基础知识
        2.3.2 投影次梯度算法
    2.4 免梯度算法
    2.5 本章小结
第三章 基于固定拓扑的分布式量化免梯度算法
    3.1 分布式量化免梯度算法
        3.1.1 问题描述
        3.1.2 量化免梯度算法
    3.2 算法收敛性分析
        3.2.1 一致性分析
        3.2.2 收敛性分析
    3.3 仿真与分析
    3.4 本章小结
第四章 基于时变拓扑的分布式量化免梯度算法
    4.1 时变拓扑下的优化算法
    4.2 算法收敛性分析
        4.2.1 一致性分析
        4.2.2 收敛性证明
    4.3 仿真与分析
    4.4 本章小结
第五章 基于均匀量化的分布式优化算法
    5.1 分布式量化一阶算法
        5.1.1 量化器设计
        5.1.2 算法的设计
    5.2 算法的收敛性分析
        5.2.1 一致性分析
        5.2.2 收敛性分析
    5.3 仿真与分析
    5.4 本章小结
第六章 总结与展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
致谢

【参考文献】

相关期刊论文 前5条

1 洪奕光;张艳琼;;分布式优化:算法设计和收敛性分析[J];控制理论与应用;2014年07期

2 李韬;孟扬;张纪峰;;多自主体量化趋同与有限数据率趋同综述[J];自动化学报;2013年11期

3 苗国英;马倩;;多智能体系统的协调控制研究综述[J];南京信息工程大学学报(自然科学版);2013年05期

4 洪锋;褚红伟;金宗科;单体江;郭忠文;;无线传感器网络应用系统最新进展综述[J];计算机研究与发展;2010年S2期

5 谭拂晓;关新平;刘德荣;;非平衡拓扑结构的多智能体网络系统一致性协议[J];控制理论与应用;2009年10期

相关博士学位论文 前1条

1 彭科;带领导者的多智能体系统中的一致性问题研究[D];上海交通大学;2009年

相关硕士学位论文 前1条

1 王帅;基于一致性滤波算法的传感器网络估计问题研究[D];华东理工大学;2011年

本文编号：2887438