Fast Consensus over Almost Regular Directed Graphs
本文研究给定顶点和弧数条件下最大化有向图代数连通度的一致性问题,理论刻画稀疏与稠密情形的最优图类,并提出几乎正则有向图序列以接近最优地实现快速一致性。
2025-07-17 math.OC
Generalizing Laplacian Controllability of Paths
众所周知,如果网络拓扑是路径或线,并且顶点或节点的状态根据共识策略演化,则网络是拉普拉斯可控的,其输入连接到其终端顶点。在这项工作中,一条路被认为是互联有限数量的两个顶点的反正则图,然后可能连接一个以上的顶点后的结果图。证明了路的单输入Laplacian能控性可以推广到任意正整数$k$,连接有限个$k$ -顶点反正则图的情形.给出了将这些反正则图连接起来的方法,以及选择连接单个输入的顶点使网络拉普拉斯可控的方法。
2019-02-15 math.OC
On the optimization of the first weighted eigenvalue of the fractional Laplacian
Tata Institute of Fundamental Research(塔塔基础研究所)
本文研究分数阶拉普拉斯算子第一特征值在权重函数重排类中的极小化问题,证明极小化权重存在并给出特征函数刻画及多种对称性等定性性质。
2023-11-22 math.AP math.OC math.SP
Distributed Majorization-Minimization for Laplacian Regularized Problems
我们考虑最小化块可分离的凸函数(可能不可微,并包括约束)加拉普拉斯正则化,一个问题,出现在应用程序中,包括模型拟合,正则化分层模型,和多期投资组合优化的问题。我们开发了一个分布式优化最小化方法,这个一般性的问题,并得出一个完整的,自包含的,一般的,简单的收敛性证明。我们的方法是能够扩展到非常大的问题,我们说明了我们的方法在两个应用程序,证明其可扩展性和准确性。
2018-03-30 math.OC
Improving Convergence Rate of Distributed Consensus Through Asymmetric Weights
我们提出了一种权重设计方法来提高分布式共识的收敛速度。先前的工作集中在对称重量设计,由于计算的易处理性。我们表明,适当选择的非对称权重,收敛速度可以显着提高,甚至对称的最优设计。特别地,我们证明了在一个格图的收敛速度可以独立于图的大小与非对称的权重。然后,我们使用Sturm-Liouville算子来近似更一般的图的拉普拉斯算子。基于这种连续近似,提出了一种通用的重量设计方法。数值计算表明,非对称权值设计的收敛速度收敛速度比对称最优权值和Metropolis-Hastings权值设计的收敛速度有明显提高。
2012-03-13 math.OC
Graph-theoretic optimization for edge consensus
我们认为网络结构,优化加权,时间尺度的共识网络的$\mathcal{H}_2$范数,在边缘拉普拉斯算子描述的这种共识网络的最小表示。我们表明,贪婪算法可以用来找到最小的$\mathcal{H}_2$规范生成树,以及如何选择边,以优化的$\mathcal{H}_2$规范时,添加回生成树的边缘。在边缘共识的情况下,考虑所有边缘的测量模型在图中,我们表明,在图中的慢节点之间添加边缘提供了最小的增加$\mathcal{H}_2$规范。
2020-06-29 math.OC
Distributed Optimal Control and Application to Consensus of Multi-Agent Systems
本文提出一种基于LQ最优控制理论的最小化加权状态误差的分布式一致性控制器,通过求解Riccati方程并设计观测器利用历史状态信息,实现渐近最优且收敛速度更快,并避免计算通信拓扑非零特征值。
2024-03-16 math.OC
On the Influence of Noise in Randomized Consensus Algorithms
本文研究了加性噪声对随机一致性算法的影响。假设更新矩阵是对称的,我们推导出一个封闭的形式表示的均方误差引起的噪声,以及更简单的评估上限和下限。出于对开放式多智能体系统的研究,我们专注于随机诱导离散拉普拉斯算子,这是一个由大型无向图的采样子图生成的更新矩阵家族。对于这些矩阵,我们表示的边界使用的特征值的拉普拉斯矩阵的基础图或图的平均有效电阻,从而证明其紧密性。最后,我们推导出表达式的边界上的一些例子的图形和数值计算。
2020-06-10 cs.SY eess.SY math.OC
Distributed Optimal Consensus of Nonlinear Multi-Agent Systems
College of Electrical Engineering and Automation, Shandong University of Science and Technology(山东科技大学电气工程学院);School of Control Science and Engineering, Shandong University(山东大学控制科学与工程学院)
本文研究了非线性多智能体系统的最优一致性问题,提出基于最优控制原理的分布式最优一致性算法,并在模型预测控制框架下开发了两种增强算法,证明了算法的收敛性和超线性收敛速度。
2026-04-05 math.OC
Exponential Absolute Minimizing extension and biased infinity Laplacian
本文研究了有偏无穷拉普拉斯算子的变分结构,引入β-指数绝对最小化扩展概念,并证明其与有偏拉普拉斯博弈的联系。
2025-12-15 math.AP math.MG math.OC
Optimizing Weighted Hodge Laplacian Flows on Simplicial Complexes
University of Oslo(奥斯陆大学);DAS Lab(DAS实验室);Department of Mechanical Engineering at University of Texas, Dallas(德克萨斯大学达拉斯分校机械工程系)
本文提出了一种基于加权Hodge拉普拉斯流的框架,通过半正定规划优化权重,以提高网络动态性能。
2026-02-03 math.OC
Distributed Consensus of Heterogeneous Multi-Agent Systems Based on Feedforward Control
本文提出基于前馈控制和LQ最优控制的异构多智能体一致性算法,无需分布式观测器,通过Riccati方程求解最优控制器,实现渐近最优代价并显著加快收敛速度。
2024-03-16 math.OC
Hierarchical Cyclic Pursuit: Algebraic Curves Containing the Laplacian Spectra
本文将经典循环追逐拓扑推广为分层有向环结构,通过推导拉普拉斯矩阵特征多项式并分析其根所在代数曲线的闭式方程,结合频域判据分析变规模多智能体网络的一致性可行性。
2022-09-25 cs.MA math.CO math.OC
Modeling of Physical Network Systems
物理网络系统的守恒定律和平衡方程通常可以借助于有向图的关联矩阵和相关联的对称拉普拉斯矩阵来描述。一些基本的例子进行了讨论,并表示扩展到$k$ -复合物。物流网络通常涉及非对称拉普拉斯矩阵。它示出了如何,在情况下的连接组件的图形是强连接的,这样的系统可以转换成一种形式与平衡的拉普拉斯矩阵的建设性使用基尔霍夫的矩阵树定理,从而产生一个端口的哈密尔顿描述。应用的双重情况下的非对称共识算法。最后,它示出了如何控制流的物理网络系统的最小存储功能可以明确计算。
2015-10-16 math.OC
Scale Fragilities in Localized Consensus Dynamics
我们认为分布式共识网络中的代理商有积分动力学的二阶或更高($n\ge 2$)。我们假设所有的反馈都是局部的,在这个意义上,每个代理都有一个有限数量的邻居,并考虑通过以模块化的方式添加代理来扩展网络,即,而无需在加法时重新调谐控制器增益。我们表明,标准的共识算法,依赖于相对状态反馈,受到我们所谓的规模脆弱性,这意味着失去稳定的网络规模。对于高阶代理($n\ge 3$),我们证明了没有一个具有固定增益的共识算法可以在任何规模的网络中实现共识。也就是说,虽然给定的算法可以允许小网络收敛,但如果网络增长超过一定的有限大小,则会导致不稳定。这适用于代数连通性(即最小非零拉普拉斯特征值)在网络大小上向零减小的网络图族(例如所有可平面图)。对于二阶共识($n = 2$),我们证明了同样的规模脆弱性适用于有向图,有一个复杂的拉普拉斯特征值接近原点(例如有向环图)。这两个结果的证明依赖于Routh-Hurwitz准则的复值多项式,并保持真实的一般有向网络图。我们调查类的图受到这些规模的脆弱性,讨论他们的缩放常数,并最终证明,一个次线性缩放的节点邻域可以足以克服这个问题。
2023-01-26 cs.SY eess.SY math.OC
Convergence Rate Estimates for Consensus over Random Graphs
具有随机交互的多智能体协调算法已经在多智能体系统文献中的各种设置中使用。在某些情况下,这些算法可以是随机的设计,如在一个八卦类算法,并在其他情况下,他们是随机的,由于外部因素,如在间歇性通信的情况下。针对这两种情况,我们提出了新的收敛速度估计的共识问题解决随机图。已建立的结果提供了渐近收敛,在这种情况下,我们提供了两种形式的收敛速率的估计。首先,我们估计二次李雅普诺夫函数随着时间的推移而减少,以限制代理人的分歧衰减的速度,其次,我们限制了距离协议点至少给定距离的概率。这两种估计都依赖于(近似地)计算随机图的拉普拉斯算子的期望矩阵指数的特征值,我们明确地根据网络的大小和边缘概率来计算,而不假设它们之间存在任何关系。仿真结果提供支持的理论发展。
2017-03-21 math.OC
The fastest linearly converging discrete-time average consensus using buffered information
在这封信中,我们研究的问题,加速达成平均共识的连通图在离散时间通信设置。文献表明,可以通过增加图的连通性或优化代理对从邻居接收的信息所设置的权重来加速共识算法。在这封信中,我们没有改变通信图,而是研究了两种使用缓冲状态来加速在给定图上达到平均共识的方法。在第一种方法中,我们研究了著名的一阶Laplacian平均一致性算法的收敛速度如何随延迟反馈的变化,并得到了一个关于延迟范围的充分条件,导致更快的收敛。在第二种方法中,我们展示了如何将平均一致性问题转化为一个凸优化问题,并通过一阶加速优化算法求解强凸费用函数。我们使用所谓的三重动量优化算法构造最快收敛的平均一致性算法。我们证明了我们的结果使用网络内的线性回归问题,这是制定为两个平均共识问题。
2022-06-20 cs.MA math.OC
Differentially Private Average Consensus: Obstructions, Trade-Offs, and Optimal Algorithm Design
本文研究了多智能体的平均一致性问题,在不同的隐私的要求下,代理人的初态对一个对手,可以访问所有的消息。我们首先建立一个差分私有共识算法不能保证收敛的代理的状态分布的确切平均值,这反过来又意味着同样的不可能性,为其他更强的收敛概念。这一结果促使我们设计了一种新型的差分私有拉普拉斯共识算法,其中代理人用指数衰减的拉普拉斯噪声线性扰动其状态转换和消息生成函数。我们证明了我们的算法几乎必然收敛到代理的初态的平均值的无偏估计,计算指数均方收敛速率,并正式表征其差分隐私特性。我们表明,我们的设计参数的最佳选择(相对于准确的平均值附近的收敛点的方差)对应于一个单次扰动的初态,并比较我们的设计与各种同行从文献中。模拟结果说明了我们的结果。
2017-02-28 math.DS math.OC
Consensus optimization on manifolds
本文考虑分布式共识算法,涉及N个代理商在连通的紧致齐次流形上进化。代理不跟踪外部引用,并根据通信图传达其相对状态。一致性问题是用一个费用函数的极值来表示的。这导致有效的梯度算法来同步(即最大化共识)或平衡(即最小化共识)代理;当通信图是有向的和时变的时,使用梯度算法的方便适应。费用函数被链接到一个特定的质心定义流形上,在这里引入的诱导算术平均,这是很容易计算的封闭形式,可能是独立的兴趣为一些流形。以特殊的正交群SO(n)和Grassmann流形Gr(p,n)为例进行了讨论.还绘制了与圆上的许多现有结果的链接。
2008-11-26 math.DG math.OC
Designing Fully Distributed Consensus Protocols for Linear Multi-agent Systems with Directed Graphs
Peking University(北京大学);Southeast University(东南大学);University of California, Riverside(加州大学河滨分校)
本文提出基于智能体动态和邻近状态的分布式自适应共识协议,实现任意含定向生成树的通信图下的领导者-跟随者共识,且无需全局信息。
2014-08-20 cs.SY eess.SY math.OC
New Results on Delay Robustness of Consensus Algorithms
自治智能体的一致性问题是协作控制中的一个基准问题。在本文中,我们考虑标准的连续时间平均共识政策(或拉普拉斯流)在时变图,并专注于对通信延迟的共识的鲁棒性。这种鲁棒性在图的一致拟强连通性的假设下得到了证明。然而,众所周知,一致的连接性对于共识是不必要的。例如,在无向图和无延迟通信的情况下,共识需要更弱的积分连通性条件。在本文中,我们证明了后者的结果仍然存在未知的,但有界的通信延迟的有效性,而且,无向图的条件可以大大放宽,并取代非瞬时型对称的条件。此外,一致性算法可以证明任何可行的延迟微分不等式的解决方案。这样的不平等自然出现在遏制控制,分布式优化和社会动力学模型的问题。
2020-09-06 cs.MA cs.SY eess.SY
On Distributed Average Consensus Algorithms
该研究针对分布式平均一致性问题,结合有限时间收敛eigenstep方法提出新的迭代精确解,将有向图和无向图下的求解复杂度大幅降至O(N)次加法,优于现有O(KN²)乘法的方案。
2025-02-22 eess.SP math.OC
A Sieve Method for Consensus-type Network Tomography
University of Washington(华盛顿大学)
针对共识型算法协调的多智能体系统,提出一种通过端口激励和观测网络响应、利用图拉普拉斯谱和基于度的图重构方法来识别网络交互几何的筛法。
2011-11-02 cs.SY eess.SY math.OC
Delay Robustness of Consensus Algorithms: Beyond The Uniform Connectivity (Extended Version)
自治智能体的一致性问题是多智能体控制中的一个基准问题。在本文中,我们考虑连续时间平均共识政策(或拉普拉斯流)和他们的离散时间对应的时变图中存在未知的,但有界的通信延迟。如果图是周期性的,或者是一致准强连通的,那么一致性就成立了(不管时滞有多大)。UQSC条件通常被认为是可以证明一致性的最弱充分条件。我们发现,UQSC条件实际上可以大大放宽,并取代一个条件,我们称之为非周期性准强连通性(AQSC),这在某种意义上,证明是非常接近的必要条件的积分连接。在无向图和型对称图等特殊情况下,我们得到了有界时滞下一致性的充要条件,相关结果仅在无时滞的情况下得到了证明.本文建立的一致性准则推广了文献中的一些结果。
2021-05-15 cs.MA cs.SY eess.SY
On Robustness of Consensus over Pseudo-Undirected Path Graphs
University of Cincinnati(辛辛那提大学);Indian Institute of Technology Bombay(印度理工学院孟买分校)
针对无向图对称性与有向图根依赖限制共识值的问题,提出伪无向图框架,允许双向边权重不同甚至取负,在连通性下保证共识,扩展解空间使共识值可超出初始凸包,并推导路径图负权重界限及拦截应用。
2025-09-24 cs.MA cs.RO cs.SY
Fast model averaging via buffered states and first-order accelerated optimization algorithms
在这封信中,我们研究的问题,加速达成平均共识的连通图在离散时间通信设置。文献表明,可以通过增加图的连通性或优化代理对从邻居接收的信息所设置的权重来加速共识算法。在这里,我们研究了两种使用缓冲状态来加速在给定图上达到平均共识的方法,而不是改变通信图。在第一种方法中,我们研究了著名的一阶拉普拉斯平均一致性算法的收敛速度如何变化时,协议反馈产生的缓冲状态。对于这项研究,我们得到了一个充分条件的缓冲状态的范围,导致更快的收敛。在第二种方法中,我们展示了如何将平均共识问题转化为一个凸优化问题,并通过一阶加速优化算法求解强凸费用函数。我们构造了一个加速平均共识算法,使用所谓的三重动量优化算法。第一种方法需要较少的全局知识来选择步长,而第二种方法通过使用来自图拓扑的额外信息来加快数值结果的收敛。我们证明了我们的结果,通过实施所提出的算法在传感器网络中使用的高斯混合模型(GMM)估计问题。
2022-11-11 cs.MA math.OC
Designing Optimal Multiplex Networks for Certain Laplacian Spectral Properties
我们讨论了在有限的预算下,以提高其整体性能为目标的复用网络中的层间边缘的设计。我们分别分析以下三个问题:首先,我们最大化最小的非零特征值,也称为代数连通性;其次,我们最小化最大的特征值,也称为谱半径;最后,我们最小化谱宽度。最大化的代数连接需要相同的权重的层间边缘的预算小于阈值。然而,对于较大的预算,最佳权重通常是不均匀的。对偶公式将问题转化为图实现(嵌入)问题,使我们能够给出更全面的画面。也就是说,在阈值预算之前,最优实现是一维的,同一层中的节点嵌入到一个点;而在阈值之外,最优嵌入通常展开到空间中,其维度由代数连通性的多重性所限定。最后,对于非常大的预算,嵌入再次恢复到较低的维度。最小化最大特征值是由各个网络的谱半径及其相应的特征向量驱动的。在阈值之前,总预算分布在对应于该特征向量的节线的层间边缘之间,并且拉普拉斯算子的最优最大特征值保持恒定。对于较大的预算,权重分布趋于几乎均匀。在对偶图中,最优图嵌入最初是一维的且非齐次的,并且超过该阈值,最优嵌入扩展为多维的,并且对于较大的预算值,两层填充嵌入空间。最后,我们将展示这两个问题是如何连接到最小化的频谱宽度。
2020-05-29 cs.NI cs.SI math.OC
Optimizing the ground state energy of the three-dimensional magnetic Dirichlet Laplacian with constant magnetic field
University of Stuttgart(斯图加特大学)
针对固定体积三维区域中恒定磁场下磁性狄利克雷拉普拉斯算子基态能量极小化问题,通过柱形区域分析揭示几何约束(磁场增强时区域沿磁场方向特定速率伸长),结合数值结果验证预测并提出猜想。
2026-11-13 math-ph math.AP math.MP
Topology design for stochastically-forced consensus networks
University of Minnesota(明尼苏达大学)
本文研究了一个最优控制问题,旨在实现分布式控制器中网络连通性与通信需求之间的理想平衡。通过在已知图拉普拉斯矩阵的无向网络中添加一定数量的边,以优化闭环性能。引入ℓ₁正则化到最优H₂公式中,并将设计问题转化为半正定规划问题。推导了拉格朗日对偶,解释了对偶变量,并利用无向网络的最优性条件开发了定制化的近端梯度和牛顿算法,适用于大规模问题。展示了算法可以在控制器图中处理超过百万条边的问题,并在几分钟内完成,使用PC即可。此外,利用连接电阻网络的结构,展示了如何系统地添加额外边以最小化闭环系统的H₂范数。
2016-10-18 cs.SY eess.SY math.OC
Linear Time Average Consensus on Fixed Graphs and Implications for Decentralized Optimization and Multi-Agent Control
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出了一种在固定无向图上实现线性收敛时间的平均一致性协议,并探讨了其在多智能体控制和去中心化优化中的应用。
2017-08-04 cs.DC cs.SY eess.SY
Nonlocal $p$-Laplacian Variational problems on graphs
在本文中,我们研究了一个非局部变分问题,其中包括在$L^2$最小化的二次数据保真度和正则化项对应的$L^p$ -范数的非局部梯度的总和。特别是,我们研究了这个非局部变分问题的离散版本的数值解的收敛性的唯一解决方案的连续。要做到这一点,我们推导出一个误差界,并突出的作用,初始数据和内核管理的非本地相互作用。当应用于图上的变分问题时,这个误差界允许我们显示离散的变分问题的顶点数趋于无穷大时的一致性。更确切地说,对于收敛图序列(简单和加权确定性稠密图以及随机非均匀图)的网络,我们证明了收敛性,并提供了离散模型的解决方案的收敛速率的连续问题的解决方案作为顶点数的增长。
2019-08-20 cs.NA eess.IV eess.SP