.png){kind=icon}
返回
Data-Driven Learning Distributed Optimization of Heterogeneous Linear Multiagent Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TCYB.2025.3638346.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了基于自适应动态规划（ADP）方法在非定向通信网络上的异构一般线性多智能体系统的分布式优化问题。本研究的一个显著特点是开发了一种数据驱动方法，消除了对所有智能体系统动力学先验知识的依赖。为应对未知系统动力学带来的挑战，我们利用基于ADP的数据驱动方法开发分布式优化控制律。首先，根据受控系统的状态和输入数据确定控制律的反馈增益；其次，利用求解得到的反馈增益和受控系统的运行数据重构系统动力学；然后，通过求解一系列稳态方程设计控制律中的剩余参数。在标准假设和确定性等价原理的应用下，我们证明了所提出的方法解决了分布式优化问题，确保所有智能体在全局成本函数的最优解处实现输出一致性。最后，通过将所提出的方法应用于水轮机系统的最优输出功率共享控制及其大规模形式，验证了其可行性。
Keyword:
Adaptive dynamic programming (ADP)
data-driven control
distributed optimization
multiagent systems
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
引用论文
Observer-Based Output Consensus of Multi-agent Systems with Input Delay Based on Model Predictive Control基于模型预测控制的输入延迟多智能体系统观测器输出一致性问题
PREAI
分享收藏Distributed Optimization for Multiagent Systems: An Edge-Based Fixed-Time Consensus Approach多代理系统的分布式优化: 基于边缘的固定时间共识方法
PREAI
分享收藏Value iteration and adaptive dynamic programming for data-driven adaptive optimal control design数据驱动的自适应最优控制设计的值迭代和自适应动态规划.png)
AUTOMATICA
OAAI
AUTOMATICAIF5.9
OAAI分享收藏
分享收藏Distributed optimal coordination of multiple heterogeneous linear systems over unbalanced directed communication networks多异构线性系统在不平衡有向通信网络上的分布式最优协调
PREAI
分享收藏
查看更多内容