多智能体共识算法的粗略数学证明

这篇具有很好参考价值的文章主要介绍了多智能体共识算法的粗略数学证明。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

这篇文章是对论文《Consensus and Cooperation in Networked Multi-Agent Systems》中定理一的粗略数学证明。

论文中的定理一

对一个由 n 个智能体以拓扑结构 G 组成的网络,使用以下共识算法:
x ˙ i ( t ) = Σ j ∈ N i a i j ( x j ( t ) − x i ( t ) ) ,   x ( 0 ) = z \dot{x}_i(t)=\Sigma_{j\in N_i}a_{ij}(x_j(t)-x_i(t)),\ x(0)=z x˙i(t)=ΣjNiaij(xj(t)xi(t)), x(0)=z
假设 G 为强连通有向图,令 L 为 G 的拉普拉斯量,且其左特征向量 γ = ( γ 1 , ⋯   , γ n ) \gamma=(\gamma_1,\cdots,\gamma_n) γ=(γ1,,γn) 满足 γ T L = 0 \gamma^T L=0 γTL=0。则有:

  1. 对所有的初始态 z z z,算法可以渐进地达成一个共识;
  2. 该算法能够解决 f ( z ) = ( γ T z ) / ( γ T 1 ) f(z)=(\gamma^T z)/(\gamma^T \pmb{1}) f(z)=(γTz)/(γT1) 形式的 f-共识问题,其对应的群体决策为 α = Σ i w i z i \alpha=\Sigma_i w_i z_i α=Σiwizi,其中 Σ i w i = 1 \Sigma_i w_i=1 Σiwi=1
  3. 如果 G 为强连通有向平衡图,该算法可以渐进地达成均值共识,对应的群体决策为 α = 1 n Σ i x i ( 0 ) \alpha=\frac{1}{n}\Sigma_i x_i(0) α=n1Σixi(0)
  • 对 1. 的证明

    • 该算法的紧凑形式为 x ˙ = − L x \dot{x}=−Lx x˙=Lx,则其解为 x ( t ) = e − t L x ( 0 ) x(t)=e^{−tL}x(0) x(t)=etLx(0),所以 x ( t ) x(t) x(t) 的收敛性可由 e − t L e^{−tL} etL 判定;

    • L L L 的Jordan标准型为 J J J,即 L = P J P − 1 L=PJP^{−1} L=PJP1,则 f ( L ) = P d i a g ( f ( J 1 ) , ⋯   , f ( J s ) ) P − 1 f(L)=P diag(f(J_1 ),\cdots,f(J_s))P^{−1} f(L)=Pdiag(f(J1),,f(Js))P1,故有 e − t L = P d i a g ( e − t J 1 , ⋯   , e − t J s ) P − 1 e^{−tL}=P diag(e^{−tJ_1},\cdots,e^{−tJ_s})P^{−1} etL=Pdiag(etJ1,,etJs)P1,所以 x ( t ) x(t) x(t) 的收敛性可由 e − t J i e^{−tJ_i} etJi 判定;

    • 由于 e − t J i = e − t λ i ∗ T e^{−tJ_i}=e^{−t\lambda_i}∗T etJi=etλiT,其中矩阵 T T T 的元素为 t t t 的幂函数,所以 x ( t ) x(t) x(t) 的收敛性可由 e − t λ i e^{−t\lambda_i } etλi 判定;

    • 根据引理2( L L L 的秩为 n − 1 n−1 n1,且所有非零特征值 λ i \lambda_i λi 均有正实部 ),故 L L L 的特征值中仅存在一个 0,对应的特征向量为 α 1 \alpha \pmb{1} α1 − L ( α 1 ) = 0 −L(\alpha \pmb{1})=0 L(α1)=0,又由 e − t λ i = e − t ( a i + j b i ) = e − t a i e − j t b i → 0 e^{−t\lambda_i }=e^{−t(a_i+jb_i)}=e^{−ta_i} e^{−jtb_i}\to 0 etλi=et(ai+jbi)=etaiejtbi0 可知 x ( t ) x(t) x(t) 收敛,即有 x ˙ ( ∞ ) = − L x ( ∞ ) = 0 \dot{x}(\infin)=−Lx(\infin)=0 x˙()=Lx()=0,所以 x ( ∞ ) = α 1 x(\infin)=\alpha \pmb{1} x()=α1

  • 对 2. 的证明

    可以考虑借助不变量 y = γ T x y=\gamma^T x y=γTx 并考察其初态与终态。
    γ = 1 \gamma=\pmb{1} γ=1 是 L 的左特征向量的充要条件是 G 为平衡有向图。

  • 对 3. 的证明:略

多智能体共识算法的粗略数学证明,共识算法,多智能体

参考材料文章来源地址https://www.toymoban.com/news/detail-650622.html

  • 第1章-多智能体系统
  • 《自动控制原理学习笔记》
  • 网络化多智能体系统的共识与合作
  • 第十八课:Gerschgorin(盖尔)圆盘定理
  • 6.4 Gershgorin圆盘定理
  • 【矩阵论】范数和矩阵函数(2)
  • (数值分析)十四、 矩阵幂级数及矩阵函数
  • 9矩阵微分方程

到了这里,关于多智能体共识算法的粗略数学证明的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 区块链技术中的共识机制算法:以权益证明(PoS)为例_区块链 pos

    先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7 深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前! 因此收集整理了一份《2024年最新网络安全全套学习资料》

    2024年04月23日
    浏览(44)
  • 【毕设教程】python区块链实现 - proof of work工作量证明共识算法

    Hi,大家好,这里是丹成学长,今天向同学们介绍如何构建一个区块链系统作为毕设,区块链的原理 🧿 选题指导, 项目分享: https://gitee.com/dancheng-senior/project-sharing-1/blob/master/%E6%AF%95%E8%AE%BE%E6%8C%87%E5%AF%BC/README.md 学长以比特币的结构向大家详解区块链的组成部分 previous hash(前

    2024年01月21日
    浏览(44)
  • 计算机竞赛python区块链实现 - proof of work工作量证明共识算法

    🔥 优质竞赛项目系列,今天要分享的是 python区块链实现 - proof of work工作量证明共识算法 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate 学长以比特币的结构向大家详解区块链的组成部分 previous hash

    2024年02月05日
    浏览(53)
  • 互联网加竞赛 python区块链实现 - proof of work工作量证明共识算法

    🔥 优质竞赛项目系列,今天要分享的是 python区块链实现 - proof of work工作量证明共识算法 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate 学长以比特币的结构向大家详解区块链的组成部分 previous hash

    2024年02月04日
    浏览(42)
  • 陶哲轩也在用的人工智能数学证明验证工具lean [线性代数篇1]从零开始证明矩阵的逆

    我还做了一个视频专门讲解哦,有空支持一下点个赞: 陶哲轩也在用的人工智能数学证明验证工具lean [线性代数篇1]从零开始证明矩阵的逆_哔哩哔哩_bilibili import Paperproof import Mathlib.LinearAlgebra.Matrix.Adjugate import Mathlib.Data.Real.Sqrt -- set_option trace.Meta.synthInstance true -- 要解释每一个

    2024年02月03日
    浏览(61)
  • 读天才与算法:人脑与AI的数学思维笔记13_Coq证明助手

    1.4.2.1.            证明的验证和审核非常重要,它是发现缺陷和漏洞的重要环节 1.4.3.1.            怀尔斯和理查德·泰勒(Richard Taylor,曾是怀尔斯的学生)奇迹般地修正了这一缺陷 1.5.1.1.            需要196 883维线性空间才能表达的“魔群” 1.5.1.2.      

    2024年04月29日
    浏览(38)
  • 【数学建模】智能算法

    智能算法,也称现代优化算法 材料统计力学观点:材料中粒子的不同结构对应于粒子的不同能量水平 在高温条件下,粒子的能量较高,可以自由运动和重新排列。在低温条件下,粒子能量较低。如果从高温开始,非常缓慢地降温(这个过程被称为退火),粒子就可以在每个

    2024年01月24日
    浏览(40)
  • 离散数学 | 图论 五色定理证明

    看来一下午终于看懂了,甚至差点睡过去…… 趁热打铁记录一下自己的理解。 任意一个简单的连通平面图 点着色 至多 五色 。 一、 设 G 为一个至少有三个结点的连通平面图,则 G 中必有一个结点 u,u 的度数 deg(u)≤5。 Step1:证明简单连通平面图 G 中一定存在一个顶点,其

    2024年02月01日
    浏览(32)
  • 数学建模:智能优化算法及其python实现

    优化问题是指在满足一定条件下,在众多方案或参数值中寻找最优方案或参数值,以使得某个或多个功能指标达到最优,或使系统的某些性能指标达到最大值或最小值。优化问题广泛地存在于信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多

    2024年02月03日
    浏览(48)
  • 【数学】n次方差公式及证明方法

    n次方差公式: a n − b n = ( a − b ) ( a n − 1 + a n − 2 b + a n − 3 b 2 + ⋅ ⋅ ⋅ + a b n − 2 + b n − 1 ) , n ∈ N ∗ a^{n}-b^{n}=(a-b)(a^{n-1}+a^{n-2}b+a^{n-3}b^{2}+···+ab^{n-2}+b^{n-1}),n in N^{*} a n − b n = ( a − b ) ( a n − 1 + a n − 2 b + a n − 3 b 2 + ⋅ ⋅ ⋅ + a b n − 2 + b n − 1 ) , n ∈ N ∗ 证

    2024年02月12日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包