On a Class of Decentralized Feedback Controllers for the Networked Bivirus SIS Model
South Dakota School of Mines(南达科他矿业学院);Adelaide University(阿德莱德大学);Australian National University(澳大利亚国立大学)
本文针对网络化双病毒SIS模型提出一类非线性分散式反馈控制以降低地方性平衡感染比例,发现新型平衡点源于跨临界分岔,并证明受控系统强单调且无法稳定无控制系统的边界平衡点。
2026-09-30 cs.SY eess.SY
Towards Understanding the Endemic Behavior of a Competitive Tri-Virus SIS Networked Model
本文研究三病毒竞争性SIS网络模型的地方性行为,证明其非单调性,分类各类平衡点,并给出边界平衡点收敛、共存平衡点存在与不存在及连续统出现的条件。
2023-03-29 cs.SY eess.SY
Networked Control and Mean Field Problems Under Diagonal Dominance: Decentralized and Social Optimality
University of Nevada, Reno(内华达大学里诺分校);University of Minnesota Twin Cities(明尼苏达大学双城分校)
本文针对具有平均场相互作用的多智能体系统,采用输入-输出方法将同质智能体的控制框架拓展至非同质场景,证明了对角占优且局部开环动力学有界时,n趋于无穷下H∞和H2范数最小化的最优控制器仍具分散自利性。
2025-10-01 cs.SY eess.SY math.OC
Privacy-Preserving Decentralized Energy Management for Networked Microgrids via Objective-Based ADMM
本文提出一种保护隐私的去中心化能源管理策略,通过增强的OB-ADMM方法和PEA算法,为网络化微电网提供经济平衡的高保真最优调度方案。
2023-04-07 cs.SY eess.SY
Convergence and Equilibria Analysis of a Networked Bivirus Epidemic Model
本文研究网络化双病毒模型的收敛性与平衡点,利用单调系统理论证明一般参数下几乎所有初始条件收敛到平衡点,并给出边界平衡点稳定性条件及两节点网络平衡点的解析计算方法。
2021-11-15 cs.SY eess.SY math.DS
Equilibria analysis of a networked bivirus epidemic model using Poincaré--Hopf and Manifold Theory
本文针对网络双病毒SIS模型共存平衡点结果有限的问题,通过改进庞加莱-霍普夫定理并结合Morse不等式,给出了共存平衡点数量的下界及其局部稳定性性质,并用数值例子验证了多个吸引子与共存平衡点的存在。
2023-06-26 cs.SY eess.SY math.DG
A Stochastic Hybrid Approach to Decentralized Networked Control: Stochastic Network Delays and Poisson Pulsing Attacks
本文针对受随机网络时延和泊松脉冲DoS攻击的分散网络化控制系统,设计带时间正则化的分散事件触发策略,通过随机混合方法建模,实现系统随机镇定且兼具鲁棒性与无芝诺特性。
2025-06-12 cs.SY eess.SY
Competitive Networked Bivirus SIS spread over Hypergraphs
本文研究超图上竞争性双病毒SIS传播模型,利用参数横截性定理证明系统具有有限个非奇异平衡点且典型行为收敛,并给出三稳态区域及共存平衡点的存在条件。
2023-09-25 cs.SY eess.SY
Stochastic Optimal Linear Control of Wireless Networked Control Systems with Delays and Packet Losses
Columbia University(哥伦比亚大学);Beijing University of Posts and Telecommunications(北京邮电大学)
本文研究了具有随机网络诱导延迟和丢包的无线传感器和执行器网络的最优分散状态反馈控制器设计,将系统建模为具有分散控制器的无线网络化控制系统,并将其转化为非合作线性二次博弈问题,通过遗传控制系统和负荷频率控制系统验证了所提算法的性能。
2014-10-16 cs.SY eess.SY
Optimal Infinite Horizon Decentralized Networked Controllers with Unreliable Communication
University of California, Berkeley(加州大学伯克利分校);University of Southern California(南加州大学)
本文研究了由远程控制器和线性被控对象组成的分布式网络控制系统,通过不可靠上行信道与远程控制器通信,提出在链路失效概率低于临界阈值时,最优策略由耦合Riccati递推关系决定。
2018-06-18 cs.SY eess.SY math.OC
Decentralized Formation Control with A Quadratic Lyapunov Function
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文研究了一种去中心化编队控制算法,强调编队的欧几里得嵌入,通过二次李雅普诺夫函数确保系统收敛到目标配置,并利用模拟退火方法解决多平衡点问题。
2015-05-29 cs.SY eess.SY
Detection of Stealthy Adversaries for Networked Unmanned Aerial Vehicles*
Stevens Institute of Technology(史蒂文斯理工学院)
本文针对网络化无人机编队控制中的零动态和隐蔽攻击,提出集中式与分散式观测器检测方法,利用通信拓扑切换和本地测量实现隐蔽入侵检测,并通过实验验证其有效性。
2022-05-22 cs.RO cs.SY eess.SY
A New Approach for Verification of Delay Coobservability of Discrete-Event Systems
在离散事件系统的分散网络监督控制中,本地监督者通过观察具有观测延迟的事件发生情况来做出正确的控制决策。延迟协同可观测性描述了这些局部监督者是否能够进行足够的观测。在本文中,我们提供了一个有效的方法来验证延迟可观测性。对于每个可控事件,我们划分的规范语言成有限数量的集合,使字符串在不同的集合有不同的长度。对于每个集合,我们构造一个验证器来检查可控事件的延迟可共观性是否成立。所提出的方法的计算复杂度是多项式的状态数,事件数,和上界的观察延迟和本地监督员的数量只指数。它具有较低的复杂性顺序比现有的方法。此外,我们还研究了网络化离散事件系统的分散监督控制与分散故障诊断之间的关系,证明了延迟$K$ -可诊断性可转化为延迟可观测性.因此,可以利用用于验证延迟协同可观测性的技术来验证延迟$K$协同可诊断性。
2022-05-19 cs.SY eess.SY
A Decentralized Mechanism for Computing Competitive Equilibria in Deregulated Electricity Markets
University of Michigan(密歇根大学)
本文提出一种去中心化机制,利用拉格朗日对偶理论,使电力市场参与者在信息不对称和非线性因素下达成帕累托最优的竞争均衡。
2016-03-23 cs.GT cs.SY eess.SY
Decentralized Multi-Agent Reinforcement Learning with Networked Agents: Recent Advances
Princeton University(普林斯顿大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
多智能体强化学习(MARL)一直是机器学习和控制领域的重要研究课题。随着最近(单智能体)深度RL的发展,人们对开发新的MARL算法,特别是那些有理论分析支持的算法重新产生了兴趣。在本文中,我们回顾了最近的一些进展,这一主题的一个子领域:分散MARL与网络代理。具体来说,多个代理在一个共同的环境中执行顺序决策,而无需任何中央控制器的协调。相反,允许代理通过通信网络与其邻居交换信息。这种设置在机器人、无人驾驶车辆、移动传感器网络和智能电网的控制和操作中有广泛的应用。这篇综述是建立在我们在这个方向上的几个研究努力,以及其他研究人员沿着这条线取得的一些进展。我们希望这篇评论能激励更多的研究工作投入到这个令人兴奋但又具有挑战性的领域。
2019-12-09 cs.AI cs.LG cs.MA
Decentralized Convergence to Nash Equilibria in Constrained Deterministic Mean Field Control
ETH Zurich(苏黎世联邦理工学院)
本文研究了大规模系统中去中心化控制与优化方法,针对具有不同行为、约束和利益的智能体,提出在无限人口规模极限下计算均场纳什均衡的模型无关反馈迭代方法,应用于带约束的线性二次均场控制和电动车充电控制问题。
2015-05-17 cs.GT cs.SY eess.SY
Multiequilibria analysis for a class of collective decision-making networked systems
Linköping University(林雪平大学)
本文研究了一类集体决策网络化系统中非线性互联合作系统的多平衡特性,通过Perron-Frobenius理论和网络的代数连通性分析,探讨了混合符号平衡点的出现条件,并证明所有平衡点都包含在由正正交ant中的平衡点范数确定的实盘中。
2017-07-03 cs.MA cs.SY eess.SY
Decentralized Policy Gradient for Nash Equilibria Learning of General-sum Stochastic Games
East China Normal University(华东师范大学)
研究了转移概率密度函数未知的一般和随机对策的纳什均衡学习问题。智能体在当前环境状态下采取行动,它们的联合行动影响环境状态的转变和它们的即时回报。每个智能体只观察环境状态和自己的即时奖励,而不知道其他智能体的行为或即时奖励。引入了概率为1的加权渐近Nash均衡和概率为1的加权渐近Nash均衡的概念。对于具有精确伪梯度的情形,利用纳什均衡与变分不等式问题的等价性,设计了一个双环算法。在外循环中,我们通过更新一个邻近参数来更新一个强单调变分不等式,而在内环中采用一个单调用的额外梯度算法来求解所构造的变分不等式.我们证明了,如果相应的Minty变分不等式有解,则所设计的算法收敛到k^{1/2}-加权渐近Nash均衡.此外,对于未知的伪梯度的情况下,我们提出了一个分散的算法,其中的G(PO)MDP梯度估计的伪梯度是由蒙特卡洛模拟。并证明了该算法依概率收敛到k^{1/4}加权渐近Nash均衡.
2022-10-18 cs.AI cs.GT cs.MA
Optimal Detector Placement in Networked Control Systems under Cyber-attacks with Applications to Power Networks
本文针对网络化控制系统中的网络攻击,提出一种零和博弈方法,将防御方检测器布置与攻击方攻击目标选择建模为博弈问题,并通过求解纳什均衡确定最优检测器布置,最终在IEEE电力系统基准上验证了方法有效性。
2023-04-12 cs.SY eess.SY
Approximate Nash Equilibria in Partially Observed Stochastic Games with Mean-Field Interactions
Ozyegin University(奥兹耶金大学);University of Illinois(伊利诺伊大学)
本文研究了部分观测随机博弈中均场相互作用的近似纳什均衡存在性,通过转换为信念空间上的完全观测问题并应用动态规划原理,建立了在温和条件下纳什均衡的存在性,并证明均场均衡策略在大量玩家情况下可近似纳什均衡。
2018-06-05 cs.SY eess.SY
Learning generalized Nash equilibria in monotone games: A hybrid adaptive extremum seeking control approach
在本文中,我们解决了学习问题的广义纳什均衡(GNE)在仅仅单调的游戏。首先,我们提出了一种新的连续半分散的解决方案算法,使用一阶信息计算GNE与中央协调器没有投影。作为第二个主要贡献,我们设计了一个增益自适应方案,以前的算法,以减轻问题的不当缩放的代价函数与约束。第三,我们提出了一个数据驱动的前一种算法的变体,其中每个代理估计他们的个人pseudogradient通过零阶信息,即测量他们的个人代价函数值。最后,我们将我们的方法应用于石油开采工程中的扰动振幅优化问题。
2021-10-06 cs.SY eess.SY math.OC
Decentralized Fictitious Play Converges Near a Nash Equilibrium in Near-Potential Games
我们研究了近势博弈中分散虚拟博弈(DFP)的收敛性,其中代理人的偏好几乎可以被一个势函数捕获。在DFP中,代理保持对其他代理的经验频率的本地估计,对这些估计做出最佳响应,并通过时变通信网络接收信息。我们证明了DFP产生的行动的经验频率收敛在一个单一的纳什均衡(NE),假设只有1000多个纳什均衡,和单边偏差所产生的效用函数的差异是足够接近的潜在函数值的差异。这一结果保证了DFP在近势博弈中具有与标准Fictionalplay(FP)相同的收敛性质。
2022-01-27 cs.GT cs.SY eess.SY
On the robustness of equilibria in generalized aggregative games
我们解决的问题,评估的不确定性,多智能体游戏的均衡的鲁棒性。具体而言,我们专注于广义纳什均衡问题的聚合形式受到线性耦合约束的不确定性与可能未知的概率分布。在一个数据驱动的背景下,我们应用场景的方法范式提供了一个后验的可行性证书的整个广义纳什均衡的游戏。然后,我们表明,评估这样的集合的违反概率只需要枚举的约束,“形”它。对于类的聚合游戏,这导致解决的可行性问题的可行性区域的每个活动方面,我们提出了一个半分散的算法。我们证明了我们的理论结果通过一个学术例子。
2020-05-19 cs.GT cs.MA cs.SY
Nash and Wardrop equilibria in aggregative games with coupling constraints
ETH Zürich(苏黎世联邦理工学院);MIT(麻省理工学院)
研究纳什与沃德罗普均衡在聚合游戏中关系及收敛算法,分析其与种群规模的关系,并应用于电动汽车充电和道路网络路径选择。
2018-04-30 cs.GT cs.SY eess.SY
A Douglas-Rachford splitting for semi-decentralized equilibrium seeking in generalized aggregative games
TU Eindhoven(埃因霍温理工大学);TU Delft(代尔夫特理工大学)
本文提出了一种半分布式算法,用于解决非合作代理在具有线性耦合约束的平均聚合博弈中的均衡寻求问题,通过操作符理论将均衡点表示为单调多值算子的零点,并利用改进的Douglas-Rachford分裂方法保证了算法的全局收敛性。
2018-09-30 cs.GT cs.SY eess.SY
Decentralized Fictitious Play in Near-Potential Games with Time-Varying Communication Networks
研究了一类近势博弈的分散虚拟博弈(DFP)的收敛性质,其中代理人的激励与势函数近似一致。在DFP中,代理只与时变网络序列中的当前邻居共享信息,保持对其他代理的经验频率的估计,并采取行动以最大化相对于估计的经验频率计算的预期效用函数。我们发现,经验频率的行动收敛到一组策略的势函数值大于势函数值获得的近似纳什均衡的最接近的潜在的游戏。这一结果表明,DFP具有相同的收敛保证在近势游戏作为标准的虚拟发挥,其中代理人观察所有其他代理人的过去的行动。
2021-03-17 cs.MA cs.SY eess.SY
Networked Communication for Mean-Field Games with Function Approximation and Empirical Mean-Field Estimation
University of Oxford(牛津大学)
本文提出基于函数逼近和经验均值估计的网络通信方法,解决均值场博弈中去中心化智能体在大规模状态空间和群体依赖策略下的学习问题。
2025-12-22 cs.AI cs.GT cs.LG
Learning Approximate Nash Equilibria in Cooperative Multi-Agent Reinforcement Learning via Mean-Field Subsampling
Georgia Institute of Technology(佐治亚理工学院);Stanford University(斯坦福大学)
本文研究了在通信受限条件下,通过均值场采样方法学习合作多智能体强化学习中的近似纳什均衡,证明了该方法能收敛到近似纳什均衡,并在多机器人控制中进行了验证。
2026-05-11 cs.AI cs.LG cs.MA
Optimal versus Nash Equilibrium Computation for Networked Resource Allocation
本文研究了网络资源分配问题,探讨了在优化和博弈论框架下计算最优解和纳什均衡的方法,并展示了在k>2时寻找最优解的NP难性以及通过最大k-割问题的等价性来找到纳什均衡的算法。
2020-01-04 cs.DM cs.GT cs.SY
Game-Theoretic Vaccination Against Networked SIS Epidemics and Impacts of Human Decision-Making
Indian Institute of Technology (IIT), Kharagpur(印度理工学院卡拉格普尔分校);Purdue University(普渡大学)
本文研究了网络SIS流行病的去中心化防护策略,分析了人类对概率的非线性感知对纳什均衡防护策略的影响,并量化了在幂律分布网络中行为偏差对均衡阈值比的影响。
2019-03-02 cs.GT cs.SY econ.GN
Finite-Sample Analysis of Decentralized Temporal-Difference Learning with Linear Function Approximation
Zhejiang University(浙江大学);University of Minnesota(明尼苏达大学);Southern University of Science and Technology(南方科技大学)
受多智能体强化学习(MARL)在网络机器人、无人机和传感器网络等工程应用中的新兴应用的启发,我们研究了完全分散设置中的策略评估问题,使用线性函数近似的时间差(TD)学习来处理实际中的大状态空间。一组代理的目标是通过与邻居交换局部估计,从共享环境中观察到的局部私有奖励中协作学习给定策略的价值函数。尽管它们简单且广泛使用,但我们对这种分散式TD学习算法的理论理解仍然有限。根据i.i.d.获得现有结果。数据样本,或通过施加一个“额外的”投影步骤,以控制由马尔可夫观测引起的“梯度”偏差。在本文中,我们提供了一个有限样本分析的完全分散TD(0)学习下的i.i.d.以及马尔可夫样本,并证明了所有的局部估计线性收敛到最优的一个小的邻域。由此产生的误差界是第一个它的类型-在这个意义上,他们持有下最实际的假设-这是可能通过一个新的多步李雅普诺夫分析。
2020-01-29 cs.IT cs.LG cs.SY
Convergence of Decentralized Actor-Critic Algorithm in General-sum Markov Games
Electrical Engineering and Computer Sciences (EECS) at UC Berkeley(加州大学伯克利分校电子工程与计算机科学系);Operations Research and Information Engineering (ORIE) at Cornell University(康奈尔大学运筹学与信息工程系)
针对现有去中心化学习算法收敛性仅适用于特殊马尔可夫博弈的不足,提出马尔可夫近似势函数作为近似李雅普诺夫函数,刻画了一般和马尔可夫博弈下异步步长去中心化演员-评论家算法的策略收敛集并在特定条件下强化结论。
2025-06-11 cs.AI cs.GT cs.MA