第一章 绪论

1.1 智能体

智能体概念是由美国麻省理工学院的著名计算机学家、人工智能学科创始人之一Minsky在”society of mind”[1]中通过将社会与社会行为概念引入计算系统而提出的。

智能体：顾名思义，就是具有智能的实体，英文名是agent。Agent可以是一辆车、人、机器人等物理实体，也可以是一组程序代码。

1.2 多智能体系统的研究背景

近年来，随着生物学、计算机学、人工智能、控制科学等多个学科的交叉和渗透发展，多智能体系统已经越来越受到广泛的关注，已成为当前控制学科的热点问题。多智能体系统发展最初起源于生物界的自组织现象：一群排着有规律的队形飞翔的鸟类、草原上放养的牛群和羊群、蚂蚁在找到食物或者是搬家时保持的路线等等，这些现象在没有集中控制的条件下，是什么样的工作机制，使得内部个体交换信息，从而使外部表现出规律而有序的智能行为运动呢？众多学者开始研究这些自然界生物系统内部的工作原理，并把这些原理应用到实际的系统中，为实际的系统提供理论指导。

多智能体系统是由一系列相互作用的智能体构成，在没有统一的中央控制器的控制下，利用局部信息的交换，使内部各个智能体之间相互竞争、合作、协调、通讯等完成单个智能体不能完成的，大量而又复杂的工作。多智能体系统是采用分布式的控制，从而大大减少了整体的通讯量，节省了通讯成本。目前，多智能体系统已经成功应用到机器人领域、无人飞机领域、水下航行器编队等众多领域，对人类发展起着重要作用。

1.3 一致性问题的研究现状

多智能体系统中的一个基本问题就是一致性问题，一致性问题就是设计智能体局部之间的交流规则，使所有的智能体的状态随着时间的推移达到一致。在多智能体系统中，”一致”意味着智能体在某一个状态量上趋于相等。而一致性算法（或协议）则表征智能体之间信息传递的规则。最早的一致性问题研究自 1960 年起源于管理科学和统计学。二十年之后，随着分布式系统的广泛应用和多智能体系统的发展，众多领域开始对一致性问题进行研究。1995 年，Vicsek 等[2]人提出了一个经典的模型来模拟粒子涌现出一致行为的现象，并且通过仿真得到了一些很有趣的结果。之后，Jadbabaie 等人[3]首先应用矩阵方法对该模型进行了理论分析，发现只要在网络保持连通时，系统最终一定会趋于一致。Olfati-Saber 和Murray[4]基于 Fax 和 Murray 的工作[5，6]，最早提出了一致性问题的理论框架，设计了一致性算法，并发现网络的代数连通度表征了系统收敛的速度，给出了算法达到平均一致的条件，并将结果扩展到带时滞的对称一致性算法。进一步，Ren 与 Beard 等人[7-14]提出了一致性搜索问题并给出了理论分析。Moreau[15-17]应用凸性对一致性收敛进行了理论分析并给出了存在时滞时的不对称一致性算法。经过以上大量的研究和分析表明，当网络为固定拓扑结构时，只要网络保持连通，连续一致性算法最终会使多智能体系统趋于一致；当网络为切换拓扑结构时，如果在有限的时间内，网络拓扑图的并保持连通，则一致性算法最终也会使多智能体系统达到一致。对于离散一致性算法，当步长小于网络最大度的逆时，系统趋于一致的条件类似于连续系统。2005 年Iain Couzin[18]在《Nature》杂志上发表的文章指出，鱼群在排列成规则形状迁徙的过程中，一部分鱼扮演了”领导者”的角色[19-20]。最近，Cortes[21]提出并分析了基于一般化连续一致性函数的任意分布式算法，并给出了趋于一致的充分必要条件，将一致性算法扩展到更为一般化的函数设计。