Adaptive Distributed Observer-based Model Predictive Control for Multi-agent Formation with Resilience to Communication Link Faults
针对带输入约束和未知通信故障的非线性多智能体编队跟踪问题,提出基于自适应分布式观测器的分布式MPC方法,分解问题为本地子问题求解,提升故障韧性并简化控制构建。
2024-10-31 cs.SY eess.SY
Observer-Based Distributed Leader-Follower Tracking Control: A New Perspective and Results
University of Kansas(堪萨斯大学)
本文提出了一种新的视角和方法,通过使跟随者估计领导者输入并开发新的基于观测器的跟踪控制方法,解决了分布式领导者-跟随者跟踪控制问题,并分析了其收敛性质和有效性。
2019-03-31 cs.SY eess.SY
Consensus Labeled Random Finite Set Filtering for Distributed Multi-Object Tracking
Università di Firenze(佛罗伦萨大学);Curtin University(科廷大学);Istituto Italiano di Tecnologia (IIT)(意大利理工学院)
本文提出基于标注随机有限集和动态贝叶斯推断的分布式多目标估计方法,设计了两种新型一致性跟踪滤波器,实现多目标跟踪的分布式、可扩展和高效解决方案。
2016-06-09 cs.SY eess.SY stat.CO
Differentially Private Gradient-Tracking-Based Distributed Stochastic Optimization over Directed Graphs
State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院);School of Automation and Electrical Engineering, University of Science and Technology Beijing(北京科技大学自动化与电气工程学院);Key Laboratory of Knowledge Automation for Industrial Processes, Ministry of Education(教育部工业过程知识自动化重点实验室);School of Automation and Electrical Engineering, Zhongyuan University of Technology(中原工学院自动化与电气工程学院)
本文提出一种在有向图上基于差分隐私的梯度跟踪分布式随机优化算法,通过在每个节点状态和跟踪变量中引入隐私噪声以防止信息泄露,并设计了两种新的步长和采样数方案,确保有限的累积隐私预算,并在非凸目标下实现几乎确定性和均方收敛。
2026-04-14 cs.SY eess.SY
Online Computation of Terminal Ingredients in Distributed Model Predictive Control for Reference Tracking
一个分布式模型预测控制计划开发用于跟踪分段恒定的参考,其中的终端设置重新配置在线,而终端控制器离线计算。与许多标准的现有计划,该计划产生大的可行区域,而无需执行离线集中计算。虽然由此产生的最优控制问题(OCP)是一个半定规划(SDP),SDP的可扩展性方法的基础上对角优势是用来近似推导的SDP的二阶锥规划。所提出的方案及其近似的OCP服从分布式优化。这两种方案进行了评估,使用电力网络的例子,并进行比较的终端控制器在线重新配置的方案。结果发现,固定的终端控制器的结果在更好的性能,显着减少计算成本和类似的可行域的情况下,在该控制器在线重新配置。
2022-07-19 cs.SY eess.SY
Gradient Tracking: A Unified Approach to Smooth Distributed Optimization
本文研究了有向图上的经典分布式最优化问题,其中目标函数是光滑局部函数之和。受我们早期工作中提出的隐式跟踪机制的启发,我们从纯原始的角度开发了一个统一的算法框架,即,UGT本质上是一种广义梯度跟踪方法,可以统一现有的大多数定步长分布式优化算法。证明了当全局目标函数是强凸的时,两种变形的UGT都能线性收敛。最后,通过数值实验对UGT的性能进行了评估。
2022-02-20 cs.SY eess.SY math.OC
Distributed Nash Equilibrium Seeking for Open Multi-Coalition Games: A Mass-Preserving Gradient-Tracking-Based Algorithm
School of Mechano-electronic Engineering, Xidian University(西安电子科技大学机电工程学院);School of Control and Computer Engineering, North China Electric Power University(华北电力大学控制与计算机工程学院)
针对开放多联盟网络中智能体动态进出导致的梯度信息丢失问题,提出质量保持的梯度跟踪算法,实现分布式纳什均衡寻求,并设计指数间隔递减步长加速收敛,仿真验证有效性。
2026-10-07 cs.SY eess.SY
Distributed RISE-based Control for Exponential Heterogeneous Multi-Agent Target Tracking of Second-Order Nonlinear Systems
本文提出一种分布式RISE控制器,通过开发新P函数与Lyapunov方法消除多跳通信需求,在存在有界扰动下实现二阶非线性多智能体系统的指数目标跟踪。
2025-05-29 cs.SY eess.SY
Optimal Time-Invariant Distributed Formation Tracking for Second-Order Multi-Agent Systems
针对二阶多智能体系统,本文利用 PRONTO 离线求解融合轨迹跟踪、距离编队与能量最小化的优化问题,并据此设计稳定的在线分布式控制律。
2025-01-07 cs.SY eess.SY
Gradient-tracking Based Differentially Private Distributed Optimization with Enhanced Optimization Accuracy
针对差分隐私会降低分布式优化精度的问题,提出时变步长与时变噪声方差的鲁棒梯度跟踪算法,并建立统一收敛分析框架,给出更宽松步长界且揭示智能体交互对精度的影响。
2023-04-26 cs.SY eess.SY math.OC
MMC-Based Distributed Maximum Power Point Tracking for Photovoltaic Systems
提出了一种基于模块化多电平变换器(MMC)的新型光伏并网系统拓扑结构。在这种拓扑结构中,光伏阵列通过具有最大功率点跟踪(MPPT)控制的DC-DC升压转换器连接到MMC每个子模块(SM)的电容器。这种拓扑结构将最大限度地提高系统的效率,在部分遮光条件的情况下,因为它可以调节SM电容器电压彼此独立,以实现分布式MPPT。一个模型预测控制是用来跟踪交流输出电流,平衡SM的电容器电压,并减轻环流。通过MATLAB/Simulink仿真工具箱在正常运行、部分遮挡和光伏阵列故障情况下的仿真,验证了所提出的7级MMC系统光伏发电拓扑结构的有效性。
2020-04-27 cs.SY eess.SY
A Distributed Active Perception Strategy for Source Seeking and Level Curve Tracking
用于多代理系统定位源或遵循空间分布标量场的期望水平曲线的算法通常需要在代理之间共享场测量以用于梯度估计。然而,在本文中,我们提出了一种分布式主动感知策略,使不同大小和图形结构的群体执行源搜索和水平曲线跟踪,而不需要明确地估计场梯度或明确地共享测量。所提出的方法利用了一个共识式的主成分分析感知算法,不需要显式的通信,以计算一个局部的身体帧。这个身体框架被用来设计一个分布式控制法律,其中每个代理调制其运动的基础上,只有其瞬时场测量。几个稳定性的结果内得到的奇异摄动框架,证明了该战略的收敛性和鲁棒性。此外,效率通过各种计算机模拟和机器人实施$2$ -D标量场进行验证。主动感知策略利用了可用的本地信息,并有可能被用于各种应用,如生物和机器人群体中的信息传播建模。
2021-04-06 cs.SY eess.SY
Asynchronous Distributed Multi-Sensor Fusion Over Sensor Track Hypotheses
University of Colorado Boulder(科罗拉多大学博尔德分校);Lockheed Martin Space(洛克希德·马丁太空)
该研究针对异步多传感器网络提出分布式多假设跟踪方法,通过分解关联问题降低复杂度,在卫星星座跟踪场景中提升了估计精度与数据关联质量。
2026-10-15 cs.SY eess.SY
Distributed Optimization with Gradient Tracking over Heterogeneous Delay-Prone Directed Networks
针对单向异构有界延迟网络的分布式优化问题,提出鲁棒化加速分布式有向优化(R-ADD-OPT)算法,证明其在梯度步长满足与最大时延相关的范围时可保证节点收敛至最优解,且步长范围可预先计算。
2025-04-16 cs.SY eess.SY
Distributed Observers-based Cooperative Platooning Tracking Control and Intermittent Optimization for Connected Automated Vehicles with Unknown Jerk Dynamics
车辆加速度的未知急剧变化(也称为未知加加速度动态)可能会显著影响队列中领头车辆的行驶性能,导致队列跟踪控制中的车辆跟随运动更加剧烈,这可能会引起安全和交通容量问题。为了解决这些问题,本文研究了具有非线性车辆跟驰模型的互联自动车辆(CAVs)的协作编队跟踪控制和间歇优化问题。我们假设领导者CAV的外部输入包含未知的,但有界的加加速度参数,和领导者CAV的加速度信号是已知的,只有几个相邻的追随者CAV在一个自由设计的,但有向的通信网络。为了解决这些问题,分布式观测器的法律发展提供一个参考信号表示为一个估计的未知加加速度动态的领导者CAV和实现的每个追随者CAV。在此基础上,提出了一种新的分布式编队跟踪控制协议,在相同的车辆间约束条件下构造协同跟踪控制器,保证CAV之间的安全距离,并允许各跟随CAV仅利用局部信息交互来跟踪其领导CAV。我们还提出了一种新的间歇采样条件和鲁棒间歇优化设计,可以确保最优调度的反馈增益的合作编队跟踪控制器,以最小化控制成本下不相同的车辆间的约束和未知的加加速度动态。仿真算例验证了所提方法的有效性
2022-09-02 cs.SY eess.SY
Distributed Joint Sensor Registration and Multitarget Tracking Via Sensor Network
Università degli Studi di Firenze(佛罗伦萨大学);University of Electronic Science and Technology of China(电子科技大学)
本文提出了一种基于传感器网络的分布式联合传感器注册与多目标跟踪方法,通过共识卡数概率假设密度滤波器递归计算每个节点的后验RFS密度,并利用平均Kullback-Leibler散度最小化来优化传感器注册参数。
2019-02-07 cs.SY eess.SY
Distributed Dual Gradient Tracking for Priority-Considered Load Shedding
本文研究了电力系统中的两个基本问题:经济调度问题和切负荷问题。对于EDP,考虑传输损耗的问题的扩展。由于优化问题是非凸的,由于二次等式约束建模的传输损耗,凸松弛方法。在一个特定的假设下,它表明,一个分布式算法可以被设计来解决所考虑的EDP。此外,这项工作的目的是处理过载问题,采用最佳减载方法。重点研究了在负荷存在一定优先级时的减负荷调度问题。首先,提出了一种新的优化问题,以获得根据预定义的优先级的负荷削减。然后,提出了一种求解该优化问题的分布式算法。最后,本文介绍了如何集成所提出的算法,即,EDP和甩负荷。仿真结果证明了该方法的有效性。
2021-08-30 cs.SY eess.SY
Distributed Target Tracking using Radar Networks
Delft University of Technology(代尔夫特理工大学)
本文提出一种用于FMCW雷达网络的完全分布式目标跟踪框架,开发了D-MAP与D-EKF两种基于共识优化的估计器,仿真显示D-MAP提升了估计精度,可替代集中式雷达跟踪。
2026-08-20 cs.SY eess.SP eess.SY
A distributed motion planning approach to cooperative underwater acoustic source tracking
University of Genova(热那亚大学);ISME, Interuniversity Center of Integrated Systems for the Marine Environment(海洋环境集成系统跨大学中心);Institute for Systems and Robotics, Instituto Superior Técnico(高级技术研究所系统与机器人研究所)
本文提出了一种基于分布式模型预测控制的水下声源跟踪方法,通过优化多代理协同运动规划提升跟踪性能。
2025-12-01 cs.SY eess.SY
Resilient Time-Varying Output Formation Tracking of Linear Multi-Agent Systems Against Unbounded FDI Sensor Attacks and Unreliable Digraphs
协同编队跟踪的一个显著特征是其分布式特性,即依赖于在稀疏通信网络上的局部控制和信息共享。也就是说,分布式控制方式可能容易受到恶意攻击和不可靠的通信,从而降低编队跟踪性能,甚至使整个多智能体系统不稳定。研究了线性多智能体系统的安全可靠的时变输出编队跟踪问题,攻击者注入任意无界时变信号(FDI攻击),而智能体之间的通信信道则由不可靠的网络引起中断.这两个特点提高了问题的实际相关性,这对分布式算法设计和稳定性分析提出了一些技术挑战。为了减轻不利影响,一种新的弹性分布式控制架构建立,以保证时变输出形成指数跟踪。该框架的主要特点是:1)集成了一个基于拓扑的标识器来补偿不利影响; 2)提出了一个可靠的分布式算法来处理由不可靠通信引起的时变拓扑;以及3)与利用已知知识将攻击处理为有界干扰/故障的现有补救相比,针对动态编队跟踪误差指数收敛的问题,提出了一种弹性策略来处理未知和无界攻击,而现有的结果大多能达到一致最终有界(UUB)结果。数值仿真结果表明了该设计的有效性。
2021-05-06 cs.SY eess.SY
Fault-Tolerant Formation Tracking of Heterogeneous Multi-Agent Systems with Time-Varying Actuator Faults and Its Application to Task-Space Cooperative Tracking of Manipulators
研究了具有时变执行器故障的非线性多智能体系统的编队跟踪问题,在该系统中,只有一部分智能体可以通过具有生成树的有向主从网络访问领导者的信息.执行器故障引起的控制系数的幅值和符号都是未知的和时变的。上述设置提高了问题的实际意义,同时,它提出了分布式控制器设计和渐近稳定性分析的技术挑战。通过引入分布式估计和控制框架,提出了一种基于Nussbaum增益技术的新型分布式控制律,实现了具有时变执行器故障的异构非线性多智能体系统的鲁棒容错编队跟踪.证明了算法的渐近收敛性。此外,所提出的方法适用于任务空间的网络化机械臂的合作跟踪不确定的运动学,动力学和执行器故障。数值仿真结果验证了所提出设计的有效性。
2020-09-22 cs.SY eess.SY
Reconfigurable Plug-and-play Distributed Model Predictive Control for Reference Tracking
针对变拓扑网络提出了一种即插即用的模型预测控制(PSTMPC)方案,以跟踪分段常数参考。该方案允许子系统偶尔加入和离开网络,同时保持渐近稳定性和递归的可行性,包括两个主要阶段。在重新设计阶段,基于无源性的控制,以确保网络的渐近稳定性得到保持。在过渡阶段,可重构的终端成分,以确保分布式MPC问题是最初可行的后,PPENDIX操作。所提出的方案的有效性进行评估,将其应用到网络的质量弹簧阻尼器系统,并将其与基准计划。结果发现,新的重新设计阶段的结果在更快的PAPPLE操作,而新的过渡阶段,通过接受更多的请求,增加了灵活性。
2022-11-16 cs.SY eess.SY
Distributed Dual Gradient Tracking for Economic Dispatch in Power Systems with Noisy Information
分布式算法是解决电力系统经济调度问题的有效方法。为了实现分布式算法,需要通信网络,使得算法容易受到噪声的影响,这可能导致有害的决策甚至不稳定。在本文中,我们提出了一种基于代理的方法,使一个完全分布式的解决方案的EDP在电力系统与嘈杂的信息交换。通过对梯度跟踪更新的新颖设计和抑制参数的引入,该算法能够有效地缓解噪声的影响,比现有的分布式算法具有更好的鲁棒性。算法的收敛性也建立在标准假设下。此外,提出了一种策略,以加快我们提出的算法。最后,该算法在几个IEEE总线系统上进行了测试,以证明其有效性和可扩展性。
2021-11-17 cs.SY eess.SP eess.SY
Differentially Private Dual Gradient Tracking for Distributed Resource Allocation
本文针对有向网络分布式资源分配的隐私泄露问题,提出差分隐私对偶梯度跟踪算法,通过拉普拉斯噪声保护消息隐私,同时保证决策几乎必然收敛到最优解邻域,并首次在无梯度有界假设下证明累积差分隐私损失有限。
2025-07-05 cs.SY eess.SY
Passivity based distributed tracking control of networked Euler-Lagrange systems
Jan C. Willems Center for Systems and Control, Faculty of Science and Engineering, University of Groningen(格罗宁根大学科学与工程学部扬C威尔姆斯系统与控制中心);Faculty of Science and Engineering, University of Groningen(格罗宁根大学科学与工程学部)
本文提出三种分布式控制律,用于协调网络Euler-Lagrange系统,通过将边关联到人工弹簧系统,构建对称反馈结构,实现严格被动网络动力学,并通过数值模拟验证方法有效性。
2018-05-15 cs.SY eess.SY
Stochastic Model Predictive Control for tracking of distributed linear systems with additive uncertainty
本文针对具有附加随机不确定性的分布式线性定常系统的参考跟踪问题,提出了一种机会约束随机模型预测控制方案。机会约束的均值方差信息的基础上重新解析,我们设计合适的概率可达集约束收紧。此外,机会约束被证明是满足闭环操作。不变集跟踪的设计补充了控制器,并确保收敛到任意容许的参考点,而有条件的初始化方案提供了递归可行性的基本属性。本文最后用一个数值例子,突出了收敛到不断变化的输出参考和经验约束的满足。
2023-03-06 cs.SY eess.SY math.OC
Communication-Efficient Differentially Private Gradient Tracking for Distributed Optimization via Local Updates
University of Virginia(弗吉尼亚大学)
本文提出一种通信高效的差分隐私分布式优化方法,通过局部更新和梯度跟踪扰动实现隐私保护,并证明收敛性与无限时域隐私保证。
2026-10-06 cs.SY eess.SY math.OC
Optimistic Distributed Submodular Coordination with Applications to Multi-Target Tracking with Multiple Robots
University of Michigan(密歇根大学)
针对老虎机环境下多智能体子模协调问题,提出O-DOG算法,结合环境预测改进遗憾保证,在多机器人目标跟踪模拟中验证其性能。
2026-10-15 cs.SY eess.SY
Enhanced Multi-Target Tracking in Dynamic Environments: Distributed Flooding Control in the Random Finite Set Framework
本文针对联网自动驾驶车辆在动态环境中的多目标跟踪问题,提出了一种基于泛洪通信的分布式多传感器控制方法,确保了传感器网络中最佳动作的分布式共识,显著提升了跟踪精度与计算效率。
2025-03-04 cs.SY eess.SP eess.SY
Time-varying formation tracking of multiple manipulators via distributed finite-time control
Huazhong University of Science and Technology(华中科技大学)
本文研究了在固定和切换有向图下,具有动态领导者(加速度变化较慢)的多机械臂系统(MMSs)的时变编队跟踪问题,提出了一种扩展逆动力学控制算法结合分布式滑模估计器,建立了全局有限时间稳定的新型判据,并通过数值实验验证了理论结果。
2016-07-26 cs.SY eess.SY
Extremum Seeking Tracking for Derivative-free Distributed Optimization
本文提出一种结合梯度跟踪与极值搜索的分布式优化算法,在目标函数未知且仅能获取局部测量的场景下,通过李雅普诺夫和平均分析及共识理论实现任意精确的解估计,并用数值模拟验证。
2024-11-07 cs.SY eess.SY math.OC
Distributed Extended Object Tracking Information Filter Over Sensor Networks
这项工作的目的是设计一个分布式的扩展对象跟踪(EOT)系统在一个现实的网络,其中的程度和运动学都需要保持整个网络内的共识。为此,我们诉诸乘性误差模型(MEM),允许垂直轴对称对象的范围参数有个别的不确定性。为了将MEM纳入信息滤波器(IF)的风格,我们使用的时刻匹配技术来获得两对线性模型,只有加性噪声。这种分离仅仅是一种方式,状态之间的互相关被保留为彼此模型中的参数。其结果是,封闭形式的表达式转化为两个线性IF交替迭代。与这两个模型,提出了一个集中的IF,其中的测量被转换为创新部分的总和。随后,在具有通信节点和传感器节点的传感器网络下,我们分别通过信息共识和测量共识方案提出了两种分布式IF。此外,我们证明了所提出的滤波器的估计误差是指数有界的均方。的好处是通过数值实验比较,在文献中的最先进的过滤器证明。
2022-10-05 cs.SY eess.SY
DMVC-Tracker: Distributed Multi-Agent Trajectory Planning for Target Tracking Using Dynamic Buffered Voronoi and Inter-Visibility Cells
Artificial Intelligence Institute of Seoul National University(首尔国立大学人工智能研究院);Seoul National University of Science and Technology(首尔科学技术大学);Seoul National University(首尔国立大学)
提出DMVC-Tracker,一种多智能体空中跟踪的分布式轨迹规划方法,利用动态缓冲Voronoi单元和动态互视性单元防止碰撞与遮挡,结合Bernstein多项式运动原语实现毫秒级高效规划,并在复杂障碍场景中验证了有效性。
2025-03-05 cs.RO cs.SY eess.SY
Information-Weighted Distributed Kalman Filter for Multi-Target Tracking over Switching Sensor Networks
Indian Institute of Technology Bombay(印度理工学院孟买分校)
针对广域传感器网络多目标跟踪的挑战,提出信息加权分布式卡尔曼滤波算法,放宽对网络拓扑等的假设,通信开销低,估计精度接近集中式滤波,性能优于现有分布式滤波算法。
2026-10-12 cs.SY eess.SY
Distributed multi-object tracking over sensor networks: a random finite set approach
Università degli Studi di Firenze(佛罗伦萨大学)
本文提出基于随机有限集的分布式多目标跟踪方法,通过信息论数据融合和共识算法实现多节点协同跟踪,解决异构地理分散节点的多目标跟踪问题。
2015-07-12 cs.SY eess.SY stat.ME
Consensus Formation Tracking for Multiple AUV Systems Using Distributed Bioinspired Sliding Mode Control
University of Guelph(圭尔夫大学)
非线性和不确定动力学条件下的多自主水下航行器编队一致跟踪是机器人领域的一个挑战性问题。为了解决这一问题,本文提出了一种分布式生物启发滑模控制器。首先,提出了传统的滑模控制器(SMC),并在图论的基础上解决了一致性问题。其次,为了解决滑模控制中的高频抖振问题,同时提高对噪声的鲁棒性,引入了一种仿生方法,即用神经动态模型代替传统滑模控制器中的非线性符号或饱和函数。利用李雅普诺夫稳定性理论证明了在有界集总扰动存在时闭环系统的输入到状态稳定性。最后通过仿真实验验证了分布式编队控制协议的有效性。
2022-06-16 cs.RO cs.SY eess.SY
Event-triggered Dual Gradient Tracking for Distributed Resource Allocation
the Hong Kong University of Science and Technology(香港科技大学);Department of Chemical and Biological Engineering, the Hong Kong University of Science and Technology(香港科技大学化学及生物工程系)
针对不平衡有向网络分布式资源分配的高通信成本问题,提出事件触发双梯度跟踪算法,智能体仅在状态偏差超阈值时通信,理论证明其收敛性并通过实验验证通信量减少且性能相当。
2025-11-17 cs.SY eess.SY math.OC
Linear TDOA-based Measurements for Distributed Estimation and Localized Tracking
Aalto University(阿尔托大学);Semnan University(塞姆南大学);University of Cyprus(塞浦路斯大学)
提出了一种线性的到达时间差(TDOA)测量模型,以提高局部目标跟踪的\textit{distributed}估计性能。我们设计分布式过滤器稀疏(可能是大规模的)通信网络,使用基于共识的数据融合技术。建议的分布式和本地化的跟踪协议大大降低了传感器网络的所需的连接和通信速率。我们,进一步考虑$κ$ -冗余的可观测性和容错设计的情况下,失去通信链路或传感器节点。我们提出的最小条件,其余的传感器网络(链路/节点删除后),使分布式的可观测性仍然保留,因此,传感器网络可以跟踪(单个)机动目标。动机是减少通信负载与处理负载,因为计算单元通常比通信设备成本低。我们通过MATLAB仿真评估跟踪性能。
2022-04-26 cs.MA cs.RO cs.SY
Consensus-based Networked Tracking in Presence of Heterogeneous Time-Delays
我们提出了一个分布式(单)目标跟踪方案的基础上,在静态传感器网络的网络估计和共识算法。跟踪部分是基于我们以前的工作中提出的线性到达时间差(TDOA)测量。本文,特别是开发了延迟容忍分布式过滤解决方案,稀疏数据传输网络。我们假设一般任意异质延迟在不同的链接。这可能发生在许多现实的大规模应用中,其中不同节点之间的数据共享由于通信资源约束或大型空间分布式传感器网络而受到延迟。我们在这项工作中提出的解决方案在这种情况下表现出更好的性能(通过理论和模拟验证)。这种分布式方案的另一个优势是可以添加本地化的故障检测和隔离(FDI)策略以及可生存的图论设计,这为这项研究开辟了许多后续场所。据我们所知,没有这样的延迟容忍分布式线性算法给出在现有的分布式跟踪文献。
2023-02-15 cs.SY eess.SP eess.SY
Distributed Personalized Gradient Tracking with Convex Parametric Models
我们提出了一种分布式优化算法,用于解决在线个性化优化问题的计算和通信节点的网络,其中每个节点链接到一个特定的用户。假设局部目标函数具有复合结构,并且由已知的时变(工程)部分和未知的(用户特定的)部分组成。关于未知部分,假设具有已知参数(例如,二次)结构,其参数将随着算法的进化而学习。该算法由两个相互交织的组件组成:(i)一个动态梯度跟踪计划,用于寻找局部解估计和(ii)一个递归最小二乘计划,用于估计未知参数,通过用户的噪声反馈的局部解估计。在适当的假设下,该算法表现出有界遗憾。最后,数值例子验证了理论分析。
2021-04-14 cs.SY eess.SY math.OC
A System Theoretical Perspective to Gradient-Tracking Algorithms for Distributed Quadratic Optimization
在本文中,我们考虑了最近发展的分布式优化算法的基础上梯度跟踪。我们提出了一个系统理论框架,分析其结构特性的初步,二次优化设置。具体来说,我们专注于一个场景中,代理在一个静态网络要合作最小化二次代价函数的总和。我们发现,梯度跟踪分布式算法的调查程序可以被看作是一个稀疏的闭环线性系统,其中的动态状态反馈控制器包括共识矩阵和优化(步长)参数。闭环系统原来是不完全可达的,渐近稳定性可以限制在一个适当的不变集。收敛到全局最小值,反过来,只能通过一个适当的初始化。分布式算法的拟议系统的解释也提供了其他的结构特性和可能的设计选择,在论文的最后一部分讨论作为未来发展的起点的额外见解。
2019-11-15 cs.MA cs.SY eess.SY
Cooperative Global $\mathcal{K}$-exponential Tracking Control of Multiple Mobile Robots -- Extended Version
本文针对有向通信网络下多移动机器人协同跟踪控制问题,提出分布式连续反馈控制律并证明闭环系统全局 K-指数稳定,进一步推广为采样数据控制律,通过数值仿真验证其有效性。
2024-09-03 cs.SY eess.SY
Distributed Target Tracking with Fading Channels over Underwater Wireless Sensor Networks
针对水下无线传感器网络中信道衰落导致跟踪精度下降的问题,本文提出考虑测量波动、传输失败和信道估计误差的改进分布式无迹卡尔曼滤波器DUKF-Fc,并给出误差有界条件,仿真验证其有效性并讨论能耗权衡。
2023-08-08 cs.IT cs.SY eess.SY
Online Multi-Objective Model-Independent Adaptive Tracking Mechanism for Dynamical Systems
最佳跟踪问题在机器人学文献中通过使用各种鲁棒和自适应控制方法来解决。然而,这些计划与实施的限制,如在不确定的动态环境中的适用性与完整或部分基于模型的控制结构,在离散时间环境中的复杂性和完整性,以及在复杂的耦合动力系统的可扩展性。针对上述问题,提出了一种在线自适应学习机制,为一类跟踪控制问题提供了一个通用的求解平台。该方案使用同步线性反馈控制策略,最大限度地减少跟踪误差,优化整体动态行为。采用基于值迭代过程的强化学习方法求解Bellman最优性方程。由此产生的控制策略以交互方式实时更新,而不需要有关底层系统动态的任何信息。采用自适应评价器实时逼近最优解值函数和相应的控制策略。仿真结果表明,所提出的自适应跟踪机制控制柔性翼飞机在不确定的气动学习环境。
2020-11-08 cs.SY eess.SY
Timely Target Tracking: Distributed Updating in Cognitive Radar Networks
针对认知雷达网络多目标跟踪中的信息新鲜度与更新速率约束,提出基于 AoI 的集中式节点选择和基于 AoII 的分布式更新方法,并证明二者速率限制等价且性能更优。
2024-03-02 cs.SY eess.SY
Implicit Tracking-Based Distributed Constraint-Coupled Optimization
针对带全局耦合等式约束与局部约束集的分布式优化问题,提出隐式跟踪方法构建IDEA及其投影变体Proj-IDEA,在更弱条件下实现收敛,填补了相关算法研究的空白。
2024-03-29 cs.SY eess.SY math.OC
Perception-latency aware distributed target tracking
针对机器人团队在可变感知延迟下的分布式目标跟踪,提出近最优平滑输出估计器与动态一致性融合方法,解决经典估计导致编队控制无法渐近稳定的问题。
2024-01-24 cs.SY eess.SY math.OC
Multi-Target Tracking in Distributed Sensor Networks using Particle PHD Filters
Technische Universität Darmstadt(达姆施塔特工业大学)
本文研究了分布式传感器网络中的多目标跟踪问题,提出了一种基于随机有限集的粒子PHD滤波器,解决了数据关联问题,并通过OSPA指标评估了其性能,同时与现有方法进行了比较。
2018-12-02 cs.MA cs.SY eess.SY
Distributed multi-view multi-target tracking based on CPHD filtering
本文讨论了分布式多目标跟踪(DMTT)的传感器网络具有不同的视野(FoVs)。具体而言,基数概率假设密度(CPHD)过滤器运行在每个传感器节点。由于每个传感器节点具有有限的FoV,通常采用的融合方法变得不可靠。事实上,多个传感器节点的监测区域由若干部分组成,这些部分要么是单个节点独有的,即独有FoV(eFoV),要么是多个(至少两个)节点共有的,即共有FoV(cFoV)。在这种情况下,关键的问题是如何在融合规则中考虑这些不同的信息集。当FoV的知识不可靠时,例如由于障碍物和目标误检测的存在,或者当FoV时变时,该问题特别具有挑战性。针对这些问题,本文提出了一种有效的融合算法,该算法利用聚类算法将灰度函数分解为多个子灰度/组,通过将目标随机有限集(RFS)近似为多伯努利函数来重构相应的基数分布,并将目标随机有限集近似为多伯努利函数来重构相应的基数分布。以及iii)根据广义协方差交叉(GCI)或算术平均(AA)规则并行执行融合。仿真实验证明了该方法的有效性。
2020-06-25 cs.SY eess.SY
Distributed Nonlinear Control of Networked Two-Wheeled Robots under Adversarial Interactions
Institut Teknologi Sepuluh Nopember (ITS)(十月中旬理工学院);Universitas Gadjah Mada (UGM)(加查马达大学);Institut Teknologi Bandung (ITB)(万隆理工学院);University of Groningen(格罗宁根大学)
本文研究了在对抗性信息交换下网络非完整移动机器人的分布式轨迹跟踪,提出了一种精确的全局输入-输出反馈线性化方案,通过平面位置输出调节,实现线性误差动态,无需规定内部状态轨迹。
2026-05-10 cs.SY eess.SY
Differential Privacy in Nonlinear Dynamical Systems with Tracking Performance Guarantees
提出一种结合漏斗控制与Ornstein-Uhlenbeck噪声的方法,使非线性系统跟踪误差在保证性能的同时具备差分隐私,并通过仿真验证。
2024-03-13 cs.SY eess.SY
Gradient-tracking based Distributed Optimization with Guaranteed Optimality under Noisy Information Sharing
分布式优化使得联网的代理能够协作地解决全局最优化问题,即使每个参与代理仅能够访问目标函数的局部视图。尽管取得了显着的进展,大多数现有的分布式优化的结果依赖于无噪声的信息共享的代理,这是有问题的,当通信信道是嘈杂的,消息被粗略量化,或共享的信息被掩盖的加性噪声的目的,实现差分隐私。信息共享噪声的问题在最先进的基于梯度跟踪的分布式优化算法中特别突出,因为信息共享噪声将随着这些算法的梯度跟踪估计的迭代而累积,并且当噪声持续时,随后的方差甚至将无限增长。本文提出了一种新的基于梯度跟踪的分布式优化方法,可以避免信息共享噪声积累的梯度估计。该方法是适用的,即使当{代理间的相互作用是}时变的,这是关键,使代理间的相互作用的衰减因子的结合,以逐步消除信息共享噪声的影响。事实上,我们严格证明,所提出的方法可以确保几乎必然收敛的所有代理相同的最优解,即使在存在持续的信息共享噪声。该方法适用于一般的有向图。它还能够确保所有代理的几乎必然收敛到一个最优解时,梯度是嘈杂的,这是常见的机器学习应用。数值模拟证实了所提出的方法的有效性。
2022-10-02 cs.SY eess.SY math.OC
Distributed Variational Bayesian Algorithms for Extended Object Tracking
College of Information Science and Electronic Engineering, Zhejiang University(浙江大学信息科学与电子工程学院)
本文研究了分布式扩展目标跟踪问题,提出了一种基于变分贝叶斯方法的集中算法,并扩展到分布式场景,通过交替方向乘子法技术,同时估计扩展目标状态和测量噪声协方差。
2019-03-01 cs.DC cs.LG cs.SY
Optimal Design of Distributed Inexact Gradient Tracking: Exact Worst-case Convergence Rate and Explicit Parameters
State Key Laboratory of Industrial Control Technology and the College of Control Science and Engineering, Zhejiang University(浙江大学工业控制技术国家重点实验室与控制科学学院)
针对分布式优化算法设计,提出框架以确定DIGing算法的精确最坏情况收敛速率,通过图信号处理与鲁棒控制技术实现子系统解耦,并给出显式参数公式,经数值实验验证。
2026-09-18 cs.SY eess.SY math.OC