[发明专利]多智能体系统的自主分簇控制方法和装置

权利要求书

1.一种多智能体系统的自主分簇控制方法，其特征在于，所述方法包括：

获取多智能体系统的状态变量；

根据多智能体系统中各个智能体个体之间的影响强度，确定邻接矩阵，根据所述邻接矩阵，获取对应的拉普拉斯矩阵，以及所述拉普拉斯矩阵的零特征值的重数；

计算用于将所述拉普拉斯矩阵进行分块的非奇异矩阵，获取所述非奇异矩阵的列向量组成的线性无关向量组，以及获取所述线性无关向量组的对偶基向量组；

根据所述重数、所述线性无关向量组以及所述对偶基向量组，对所述状态变量进行分解，得到多智能体系统状态坐标，计算所述状态坐标的收敛值；

根据所述收敛值和所述线性无关向量组，构建范德蒙德矩阵，根据范德蒙德矩阵的秩，确定分簇数量；

根据所述分簇数量、所述线性无关向量组以及所述收敛值，确定多智能体系统的共识向量，根据所述共识向量计算各个分簇的相位同步向量；

根据所述相位同步向量进行多智能体系统的运动控制。

2.根据权利要求1所述的方法，其特征在于，所述获取多智能体系统的状态变量，包括：

获取多智能体系统的状态变量为：

根据所述状态变量，确定多智能体系统的动态刻画为：

其中，表示多智能体系统个体间的耦合系数，定义=A，A表示邻接矩阵，I矩阵表示单位矩阵，L矩阵表示A矩阵对应的拉普拉斯矩阵，表示时间滞量最大值，满足。

3.根据权利要求2所述的方法，其特征在于，所述根据多智能体系统中各个智能体个体之间的影响强度，确定邻接矩阵，包括：

根据多智能体系统中各个智能体个体之间的影响强度，确定邻接矩阵为：

其中，A指的是邻接矩阵，表示多智能体系统中个体i和个体j之间的影响强度，N表示个体之间的半径。

4.根据权利要求2所述的方法，其特征在于，所述计算用于将所述拉普拉斯矩阵进行分块的非奇异矩阵，获取所述非奇异矩阵的列向量组成的线性无关向量组，以及获取所述线性无关向量组的对偶基向量组，包括：

计算用于将所述拉普拉斯矩阵进行Jordan分块的非奇异矩阵为：

其中，是的列向量；

获取所述非奇异矩阵的列向量组成的线性无关向量组为，以及获取所述线性无关向量组的对偶基向量组为；其中，是克罗内克符号。

5.根据权利要求4所述的方法，其特征在于，根据所述重数、所述线性无关向量组以及所述对偶基向量组，对所述状态变量进行分解，得到多智能体系统状态坐标，包括：

根据所述重数、所述线性无关向量组以及所述对偶基向量组，对所述状态变量进行分解为，其中，为多智能体系统状态坐标，。

6.根据权利要求5所述的方法，其特征在于，计算所述状态坐标的收敛值，包括：

计算所述状态坐标的收敛值为：

其中，。

7.根据权利要求6所述的方法，其特征在于，根据所述收敛值和所述线性无关向量组，构建范德蒙德矩阵，根据范德蒙德矩阵的秩，确定分簇数量，包括：

根据所述收敛值和所述线性无关向量组，构建范德蒙德矩阵为：

表示重数，，，是一族标准0-1向量，满足，并且，表示所述拉普拉斯矩阵；

根据范德蒙德矩阵的秩，确定分簇数量。

8.一种多智能体系统的自主分簇控制装置，其特征在于，所述装置包括：

状态获取模块，用于获取多智能体系统的状态变量；

计算模块，用于根据多智能体系统中各个智能体个体之间的影响强度，确定邻接矩阵，根据所述邻接矩阵，获取对应的拉普拉斯矩阵，以及所述拉普拉斯矩阵的零特征值的重数；计算用于将所述拉普拉斯矩阵进行分块的非奇异矩阵，获取所述非奇异矩阵的列向量组成的线性无关向量组，以及获取所述线性无关向量组的对偶基向量组；根据所述重数、所述线性无关向量组以及所述对偶基向量组，对所述状态变量进行分解，得到多智能体系统状态坐标，计算所述状态坐标的收敛值；

相位同步计算模块，用于根据所述收敛值和所述线性无关向量组，构建范德蒙德矩阵，根据范德蒙德矩阵的秩，确定分簇数量；根据所述分簇数量、所述线性无关向量组以及所述收敛值，确定多智能体系统的共识向量，根据所述共识向量计算各个分簇的相位同步向量；

控制模块，用于根据所述相位同步向量进行多智能体系统的运动控制。