摘要:基于量化状态信息的异步随机Gossip算法大多以均匀选择概率的时间模型为基础,未充分考虑网络拓扑结构对局部信息传递的影响。为此,该文提出了一种以非均匀选择概率为时间模型的改进算法。首先给出了非均匀选择概率下的多智能体系统时间模型,在随机性量化策略下给出了一致性误差的收敛性质;并讨论了量化精度和概率化权重矩阵第2大特征值对一致性误差收敛速度的影响,进而利用投影次梯度给出了选择概率的分布式优化方法。仿真结果表明,该基于量化状态信息的算法可通过选择概率的分布式优化,提高一致性误差的收敛速度。
关键词:多智能体系统 量化 分布式一致 非均匀选择概率 优化
单位:南京理工大学自动化学院 南京210094
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社