[发明专利]多智能体系统的自主分簇控制方法和装置

说明书

本申请涉及一种多智能体系统的自主分簇控制方法和装置。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，确定邻接矩阵以及对应拉普拉斯矩阵的零特征值的重数，计算非奇异矩阵，获取非奇异矩阵的列向量组成的线性无关向量组，以及获取对偶基向量组，根据重数、线性无关向量组以及对偶基向量组，对状态变量进行分解，得到多智能体系统状态坐标，计算状态坐标的收敛值，根据收敛值和线性无关向量组，构建范德蒙德矩阵，根据范德蒙德矩阵的秩，确定分簇数量，根据分簇数量、线性无关向量组以及收敛值，确定共识向量，根据共识向量计算相位同步向量。采用本方法能够实现多智能体系统自主分簇控制。

技术领域

本申请涉及智能体技术领域，特别是涉及一种多智能体系统的自主分簇控制方法和装置。

背景技术

作为多智能体各种合作行为的控制技术分析和综合中最重要的主题之一，系统共识引起了特别的关注。共识的目标是使系统中所有个体的全部状态或输出接近一个公共向量。但随着人们对应用系统的职能要求不断增大，使得系统规模的增加以及复杂度的提高，导致单聚点共识模式无法满足系统的控制需求，因而越来越多的人开始关注分群一致性或多聚点同步，即网络中的多智能体被分为若干群，以实现系统功能互补。据现有文献报道，多智能体系统的自主分簇实现的技术有以下方法：

2016年Mathematical Models and Methods in Applied Sciences刊载的“Emergence of bi-cluster flocking for the Cucker-Smale model”，提出了一种双聚点集群行为实现方法，通过设置子系统间较大距离、明显分离速度以及子系统内部位置、速度差异较小的初始条件，证明了系统发生双聚点集群行为。该方案对多智能体系统的初始条件进行一定限制，未权衡子系统的聚集状态与整个系统宏观行为的关系，未考虑系统历史状态因素对个体的影响。

2017年Journal of the Franklin Institute刊载的“Multi-cluster flockingbehavior of the hierarchical Cucker-Smale model”，提出了一种多聚点集群的解决方案，利用满足序关系的初始条件，通过计算一些特征，解决了一维条件下的多聚点集群问题。该方法关键在于对初始条件序关系的设计，没有考虑子系统集群状态悬殊较大时的整个系统的状态，也没有考虑个体的运动对历史状态的依赖。

2020年JOURNAL OF DIFFERENTIAL EQUATIONS刊载的“Completeclassification of the asymptotical behavior for singular C-S model on thereal line”，通过构造个体间相对距离的下界，提供了一种实现多团簇的聚类算法。类似于上述两个方案，这类方法只涉及系统的分簇，对个体的记忆因素以及如何权衡子系统与多智能体系统的共识等问题都没有考虑。

综上所述，以上文献中多智能体系统分簇的实现往往是在人的干预下实现的，即对初始条件进行调节使系统达到分簇的效果。这种方式并没有很好的体现多智能体系统的自主控制的能力。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决多智能体自主分簇问题的多智能体系统的自主分簇控制方法和装置。

一种多智能体系统的自主分簇控制方法，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；