6、分布式多智能体协调研究综述与集体周期运动协调算法

分布式多智能体协调研究综述与集体周期运动协调算法

1. 分布式多智能体协调研究概述

分布式多智能体协调是一个重要的研究领域，近年来取得了许多进展。在状态估计方面，不同的研究针对不同的场景和条件展开。有的研究假设测量中无噪声信号，有的则考虑了白噪声的存在。例如，在白噪声环境下，有研究通过类似共识的方法进行重叠分布式估计，该方法基于局部卡尔曼滤波器和动态共识策略的协同。还有研究利用类似共识的扩散方案，使每个节点的局部估计最终收敛到真实参数。另外，对于移动机器人的定位精度、非线性机器人的协同跟踪、雷达位置估计及配置优化等问题也都有相关研究。

在智能协调方面，传统协调问题通常假设每个智能体对局部信息做出响应，这种假设使闭环系统复杂度较低。而近年来，具有智能的分布式协调，即智能协调，从不同领域得到了研究。智能协调的主要特点是每个智能体具有智能，能根据自身目标选择最佳响应。下面从两个方面介绍相关研究成果。

1.1 追逃问题

在追逃问题中，存在一组追捕者和一个入侵者。追捕者的目标是找到并跟踪入侵者，而入侵者的目标是逃脱追捕者。有研究提出了五阶段控制器来解决该问题，还有研究针对速度有界的杜宾斯式车辆的追逃问题，同样提出了五阶段控制器。另外，也有对离散时间追逃问题的研究。

1.2 博弈论

博弈论也被引入到分布式多智能体协调中。不同的研究利用线性二次（LQ）纳什微分博弈和基于RHC的方法进行编队控制，使用学习自动机研究马尔可夫博弈的学习问题，提出基于生态系统共生的多智能体系统并研究其能逃离纳什均衡的特性，研究耦合博弈中合作的作用，以及在非合作博弈中推导类似共识的协议使玩家收敛到唯一的帕累托最优纳什均衡等。

以下是