网络化高阶多智能体非线性系统的分布式优化算法/电子信息前沿技术丛书

本书在归纳分析国内外 关于多智能体系统分布式优 化控制算法的基础上，研究 了针对外部干扰、系统未建 模动态、系统状态受限、固 定时间内系统稳定等具体需 求的高阶非线性多智能体系 统的分布式控制器设计。主 要内容包括：设计基于神经 网络的自适应控制算法，利 用神经网络的通近能力对系 统内的未建模动态进行估计 ，并通过设计神经网络自适 应律和自适应控制律，使得 系统的输出收敛到全局最优 解的附近。设计一个二阶固 定时间内收敛的扩张观测器 ，将系统中每一阶状态进行 扩展，利用扩张观测器获得 系统内未建模动态以及外部 干扰的估计值，并最终通过 固定时间稳定性分析得出构 造出的分布式控制协议能够 使多智能体系统的输出在固 定时间内收敛到全局最优解 的附近。设计仿真实验，给 出多智能体系统的具体模型 ，并设计好控制协议中的每 个所需参数，利用MATLAB 自带的仿真模块验证算法性 能及理论分析的结果。 本书可作为计算机科学 与技术、控制科学与工程、 人工智能、优化理论等专业 硕士研究生、博士研究生的 专业课、选修课教材，也可 供计算机科学与技术、控制 科学与工程、人工智能、网 络优化等领域的科技人员参 考。

袁家信，博士，上海工程技术大学硕士生导师。长期从事多智能体控制、分数阶系统动力学与控制、深度强化学习的教学和科研工作。近5年发表SCI源刊论文近12篇。授权发明专利5项。参与国家自然科学基金面上项目1项，中国空气动力研究与发展中心重点实验室开放课题1项。出版多智能体自主控制方面的专著1部。

第1章 绪论 1.1 研究背景与意义 1.2 国内外研究现状及发展趋势 1.2.1 反演控制技术 1.2.2 多智能体系统控制技术 1.2.3 分布式优化控制 1.3 预备知识 1.3.1 径向基函数神经网络 1.3.2 图论 1.3.3 定义和引理 1.3.3 凸函数分析 1.3.4 符号标注 第2章 分数阶高阶非线性多智能体分布式优化 2.1 问题描述 2.1.1 系统描述 2.1.2 构造含惩罚项的优化问题 2.2 基于观测器的自适应神经网络反演控制 2.2.1 神经网络观测器设计 2.2.2 自适应神经网络反演控制器设计 2.3 仿真实例 第3章 拓扑变换下多智能体切换系统的分布式优化控制 3.1 问题描述 3.1.1 系统描述 3.1.2 构造含惩罚项的优化问题 3.2 自适应神经网络反演控制器设计 3.2.1 神经网络观测器设计 3.2.2 分布式控制器设计 3.3 仿真实例 第4章 具有状态约束的多智能体系统的分布式优化控制 4.1 模型描述 4.2 基于障碍Lyapunov函数的自适应神经网络控制 4.2.1 构造含惩罚项的优化问题 4.2.2 神经网络观测器设计 4.2.3 控制器设计 4.3 仿真实例 第5章 基于神经网络的固定时间多智能体系统资源分配算法 5.1 模型描述 5.2 神经网络观测器及控制器设计 5.2.1 资源分配问题描述 5.2.2 神经网络观测器设计 5.2.3 控制器设计及稳定性分析 5.2.4 估计器设计及稳定性分析 5.2.5 分布式控制器设计 5.3 仿真实例 第6章 基于扩张观测器的固定时间多智能体系统资源分配算法 6.1 问题描述 6.1.1 模型描述 6.1.2 资源分配问题描述 6.2 固定时间二阶扩张观测器及控制器设计 6.2.1 固定时间二阶扩张观测器设计 6.2.2 固定时间分布式控制器设计 6.2.3 分布式控制器设计 6.3 仿真实例 第7章 基于扩张观测器的固定时间多智能体系统分布式优化算法 7.1 问题描述 7.1.1 模型描述 7.1.2 分布式优化问题描述 7.2 控制器设计 7.2.1 反演控制器设计及稳定性分析 7.2.2 估计器设计及稳定分析 7.2.3 分布式控制协议设计 7.3 仿真实例 参考文献