.png){kind=icon}
返回
Adaptive Predefined-Time Safety Learning Control for Switched Multi-Agent Systems: An Advanced Encryption Self-Triggered Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1109/TASE.2025.3615563.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究针对具有全状态掩码的切换多智能体系统，开发了一种先进的自触发预定时间安全学习控制算法。为在强化加密的同时减少对系统性能的影响，设计了一种基于全状态掩码函数的改进型调节时间隐私保护机制，该机制对系统真实信息进行加密，增强了信息传输的隐私性。与传统学习控制方案不同，设计了一种新颖的演员-评论家权重更新律，以确保系统能耗成本最小化，从而实现预定时间优化。此外，开发了一种带有补偿项的改进型自触发条件，以克服全状态隐私保护机制带来的复杂挑战。它不仅消除了持续监控系统触发状态的必要性，还节省了通信资源。最后，可通过仿真实验证明所设计控制方案的有效性。**实践者注意**——本文的动机是为具有全状态掩码的切换多智能体系统设计一种自触发预定时间最优控制方法。随着人工智能的持续发展，信息安全与资源浪费已成为智能电网、自动驾驶车辆等实际应用中的关键问题。本研究开发隐私保护机制和最小化能耗成本的最优控制策略以克服上述挑战。值得注意的是，在任务期间，UAV集群会切换不同模式以适应不同环境。借助自触发算法，光伏逆变器可提前计算下一个控制时刻，以避免光照突变时的连续采样，从而节省通信资源。此外，预定时间控制方法以其快速准确的收敛特性，在导弹制导、康复机器人等领域得到广泛应用。
Keyword:
Optimal control
switched multi-agent systems
privacy preservation
self-triggered control
full-state mask
predefined-time control
reinforcement learning
期刊
IF:
6.4
论文数:
5.1K
被引数:
1.6W
机构
引用论文
暂无论文信息