.png){kind=icon}
返回
Distributed Resource Allocation for Nonlinear Multi-Agent Systems via Feedback Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/tac.2026.3724467.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文针对不确定非线性多智能体系统的非凸分布式资源分配问题进行研究。目标是为设计分布式实时梯度反馈协议，使智能体输出收敛至Karush-Kuhn-Tucker (KKT)点集。与需要局部目标函数梯度显式解析表达式的传统离线算法不同，所提协议仅利用智能体轨迹上的梯度值。通过邻居间的局部梯度信息交换，提出了两类分布式实时梯度反馈协议。第一类采用恒定反馈增益，在反馈增益选择低于显式界时保证收敛。第二类采用渐近时变反馈增益，无需关于智能体参数、局部目标函数或通信图的先验知识，并可实现完全分布式。结果进一步推广至联合优化智能体输入和输出，前提是每个开环系统具有期望的输入-输出特性。通过互联化学反应器经济优化的数值算例验证了协议的有效性与优势。
Keyword:
Distributed resource allocation
distributed feedback optimization
steady-state control
real-time gradient
time-varying protocols
nonconvex optimization
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
查看更多机构
引用论文
暂无论文信息