在多智能体网络中使用热核PageRank寻找共识
Finding Consensus in Multi-Agent Networks Using Heat Kernel Pagerank
AI总结：
本文提出一种高效算法，利用热核PageRank在大规模网络中确定共识值，针对加权平均共识和领导者-跟随者形成两种框架，提供亚线性时间算法及性能与误差的定量分析。
摘要：
我们提出了一种新的高效算法，用于确定多智能体网络的共识值。与现有算法不同，我们的算法利用热核PageRank评估非常大的网络的共识值。我们考虑了共识问题的两种框架：所有智能体之间的加权平均共识，以及领导者-跟随者形成中的共识。使用热核PageRank近似，我们给出了在网络大小下亚线性时间运行的共识算法，并提供了性能保证与误差估计之间的定量分析。
英文摘要：
We present a new and efficient algorithm for determining a consensus value for a network of agents. Different from existing algorithms, our algorithm evaluates the consensus value for very large networks using heat kernel pagerank. We consider two frameworks for the consensus problem, a weighted average consensus among all agents, and consensus in a leader-following formation. Using a heat kernel pagerank approximation, we give consensus algorithms that run in time sublinear in the size of the network, and provide quantitative analysis of the tradeoff between performance guarantees and error estimates.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
