arrow
返回

Adaptive Optimal Consensus Control for Nonlinear Multi-Agent Systems With Quantized States and Input

delete2026-03-11
delete0
PRE
AI
W
Wenjing Cheng
王
王丰 (Fang Wang)
H
Hengqiang Li
DOI:10.1109/TASE.2026.3672934delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
本文针对不确定非线性多智能体系统提出了一种新的自适应量化一致控制策略。为达到优化的一致性能,引入了强化学习算法,其中利用评价网络(critic)、执行网络(actor)和辨识网络(identifier)分别用于评估系统性能、执行控制行为以及估计未知动态。与现有的强化学习算法不同,所设计的更新律更简单,有助于更高效的训练。此外,每个智能体的状态和输入在通信前进行量化,以缓解带宽约束。通过集成指令滤波反步技术和用量化状态替代未量化状态,最终得到控制器。与现有的量化控制研究不同,虚拟控制器和最终控制器均包含执行网络和评价网络,并相应地建立了一个新引理以补偿量化误差。实践者注意——在实践多智能体系统中,由于通信信道容量的约束,控制信号通常会被量化。然而,大多数现有的多智能体系统最优控制方案未能考虑信号量化,因此对工程应用而言不切实际。基于强化学习算法和指令滤波反步技术,本文提出了一种新颖的自适应分布式优化跟踪控制方法,适用于带有状态和输入量化的非线性多智能体系统。该方法确保系统能够达到期望的跟踪性能及最优性能。
Keyword:
Consensus control
reinforcement learning
state and input quantization
multi-agent systems

期刊

IEEE Transactions on Automation Science and Engineering 封面图
IEEE Transactions on Automation Science and Engineering
IF:
6.4
论文数:
5.1K
被引数:
1.6W

机构

S
shandong university of science and technology
学者数:
2.6K
论文数: 805
被引数: 0
S
shandong vocational university of foreign affairs
学者数:
23
论文数: 20
被引数: 0
引用论文

引用论文

学者 查看更多内容