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)=Σj∈Niaij(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:
- 对所有的初始态 z z z,算法可以渐进地达成一个共识;
- 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
- 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)=e−tLx(0),所以 x ( t ) x(t) x(t) 的收敛性可由 e − t L e^{−tL} e−tL 判定;
-
设 L L L 的Jordan标准型为 J J J,即 L = P J P − 1 L=PJP^{−1} L=PJP−1,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))P−1,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} e−tL=Pdiag(e−tJ1,⋯,e−tJs)P−1,所以 x ( t ) x(t) x(t) 的收敛性可由 e − t J i e^{−tJ_i} e−tJi 判定;
-
由于 e − t J i = e − t λ i ∗ T e^{−tJ_i}=e^{−t\lambda_i}∗T e−tJi=e−tλi∗T,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 } e−tλi 判定;
-
根据引理2( L L L 的秩为 n − 1 n−1 n−1,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 e−tλi=e−t(ai+jbi)=e−taie−jtbi→0 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:略文章来源:https://www.toymoban.com/news/detail-650622.html
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!