[发明专利]一种基于权重不平衡有向网络的分布式平均跟踪方法

权利要求书

1.一种基于权重不平衡有向网络的分布式平均跟踪方法，其特征在于：包括以下步骤：

步骤1：构造描述多智能体系统的加权有向连通的网络拓扑结构图，其中，每个节点代表一个智能体，每条边代表智能体间的信息交互，从而获得网络拓扑结构图的节点集、边集和每个节点的邻居信息及权重邻接矩阵；

步骤2：建立多智能体的离散时间状态方程；

步骤3：根据多智能体系统的网络拓扑结构图的权重邻接矩阵、多智能体的离散时间状态方程和时变参考信号设计离散时间分布式平均跟踪算法；

步骤4：设定多智能体系统中每个智能体的初始状态值信息和时变参考信号信息，其中，第i个智能体的时变参考信号只能由第i个智能体接收，并且智能体的状态与时变参考信号二者的初始值没有必要的联系；

步骤5：根据每个智能体的时变参考信号调节离散时间分布式平均跟踪算法中的可变参数，使每个智能体运行离散时间分布式平均跟踪算法；逐步迭代更新每个智能体的状态，实现多智能体系统中所有智能体能够跟踪上一组时变参考信号的平均值；

所述步骤1构造的加权有向连通的网络拓扑结构图表示为G＝(V,E,A)，其中，V＝{1，2，3，4…,n}是节点集，n是节点数，是边集，A＝[a_ij]∈R^n×n是权重邻接矩阵，i＝1,2,…,n，j＝1,2,…,n，如果(j,i)∈E，则a_ij∈(0,a)，a为智能体间的权重上界，a∈R0；否则a_ij＝0；节点i的内邻居集合N_i＝{j∈V:(j,i)∈E}；

所述步骤2的具体方法为：

对于一个有n个智能体的多智能体系统的加权有向连通的网络，第i个智能体的离散时间状态方程如下公式所示：

x_i(k+1)＝x_i(k)+u_i(k)

其中，分别为第i个智能体第k次和第k+1次迭代时的状态，为第k次迭代时作用在智能体i上的控制输入，代表实数集；

所述步骤3设计的离散时间分布式平均跟踪算法如下公式所示：

将上述u_i(k)的计算公式带入步骤2中第i个智能体的离散时间状态方程得：

其中，μ为可调非负常数，λ为可调正常数，分别为第k次和第k+1次迭代时智能体的时变参考信号值，为第j个智能体在第k次迭代时的状态。

2.根据权利要求1所述的一种基于权重不平衡有向网络的分布式平均跟踪方法，其特征在于：所述时变参考信号的性质是已知的，如果第i个智能体的时变参考信号r_i的值满足有界性即其中，代表时变参考信号任意时刻的绝对值最大值；那么就存在智能体状态上界值使得