Scalable distributed and decentralized $\mathscr{H}_2$ controller synthesis for interconnected linear discrete-time systems
当前线性互联系统的分布式$\mathscr{H}_2$控制器综合的局限性是可扩展性,由于非凸或非结构化的综合条件。在本文中,我们开发了凸的和结构化的条件存在的分布式$\mathscr{H}_2$控制器的离散时间互联系统的互连结构,对应于一个任意的图形。中性互联和存储功能与块对角结构被用来获得耦合条件是一个相当低的计算复杂度相比,相应的集中式$\mathscr{H}_2$控制器综合问题。此外,开发的条件适用于相应的分散$\mathscr{H}_2$控制器综合问题与固定的供应功能的互连。所开发的分布式$\mathscr{H}_2$控制器综合方法的有效性和可扩展性证明了小型到大型振荡器网络的循环图。
2021-01-14 cs.SY eess.SY
Decentralized Observation of Discrete-Event Systems: At Least One Can Tell
我们引入了一个新的分散观察条件,我们称之为“至少有一个可以告诉”(OCT),并试图捕捉的想法,任何可能的行为,系统可以产生,至少有一个分散观察代理可以告诉是否该行为是“好”或“坏”,为“好”和“坏”的正式规范。我们提供了几个等价的公式的OCT条件,我们将其与(并表明它是不同的)以前介绍的联合观测。事实上,相反的联合可观性是不可判定的,我们表明,OCT条件是可判定的。我们还表明,当条件成立时,有限状态分散观测器存在。
2021-08-10 cs.FL cs.LO cs.MA
Decentralized Approach to Detect and Eliminate Flapping Phenomena due to Flexible Resources
University College Dublin (UCD)(都柏林大学学院)
本文提出一种去中心化方法,通过滑动窗口自相关和概率性缓解策略,使离散与连续设备能自主检测并消除电力系统中的振荡现象。
2025-11-04 cs.SY eess.SY
Negotiating Highway Interchange Traffic with a Decentralized Instability-Driven CBF-based Algorithm
Southwest Research Institute(西南研究院)
本文提出了一种去中心化不稳定性驱动的CBF算法,用于高效处理高速公路交汇车道的换道问题,通过控制器调节和不稳定性速度优化车辆群的性能。
2025-11-30 cs.SY eess.SY
Decentralized Ergodic Control: Distribution-Driven Sensing and Exploration for Multi-Agent Systems
Neuroscience and Robotics Laboratory(神经科学与机器人实验室)
本文提出一种去中心化恒定控制策略,用于解决多智能体非线性动态系统的时间变化区域覆盖问题,通过共识实现完全去中心化的多智能体控制政策,并展示了其在多智能体地形映射和目标定位中的应用。
2018-06-13 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 unified method to decentralized state inference and fault diagnosis/prediction of discrete-event systems
状态推断问题和故障诊断/预测问题是许多领域的基本课题。在本文中,我们考虑离散事件系统(DES)建模的有限状态自动机(FSA)。后一个问题的分散版本存在结果,但前一个问题的分散版本几乎没有结果。我们提出了一个分散版本的强可检测性称为co-detectability,这意味着一旦一个系统满足这一属性,对于每个生成的无限长的事件序列,至少有一个本地观察员可以确定当前和后续状态后,一个共同的观察时间延迟。我们证明了验证FSA的可检测性的问题是CONP困难的。此外,我们使用一个统一的并发合成方法,给出了PSPACE验证算法的可检测性,可诊断性,和可预测性的FSA,没有任何假设或修改的FSA正在考虑,其中可诊断性首先研究的[Debouk & Lafortune & Teneketzis 2000],而可预测性首先研究的[Kumar \& Takai 2010]。通过我们提出的统一方法,可以看出,为了验证共同可检测性,与验证其他两个属性相比,将遇到更多的技术困难,因为在共同可检测性中,生成的输出被计数,但在后两个属性中,仅计数事件的发生。例如,当生成一个输出时,可能发生任何数量的不可观察事件。PSPACE-硬度验证共同诊断性是已知的文献。在本文中,我们证明了PSPACE-硬度验证的可预测性。
2020-02-13 cs.PL cs.SY eess.SY
Using Bi-Directional Information Exchange to Improve Decentralized Schedule-Driven Traffic Control
Carnegie Mellon University(卡内基梅隆大学)
最近的工作分散,时间表驱动的交通控制已经证明了在复杂的城市道路网络,以提高交通流的效率的能力。在这种方法中,调度代理与每个交叉口相关联。每个代理感知接近其交叉口的交通,并实时构建一个时间表,最大限度地减少在当前前瞻视野内接近交叉口的车辆的累积等待时间。为了以可扩展的方式实现网络级协调,调度代理仅与其直接邻居通信。每次代理生成一个新的交叉口时间表,它将其预期的流出作为未来需求的预测,并将这些流出附加到下游代理的本地感知需求。在本文中,我们扩展了这个基本的协调算法,另外将一个路口的当前拥堵程度的信息反射到其上游邻居的补充流。我们提出了一个异步分散算法更新交叉口的时间表和拥塞水平估计的基础上,这些双向信息流。通过将该算法与基本操作的自优化决策相关联,我们能够接近网络范围的最优性,并减少由于严格的自利交叉口控制决策而导致的效率低下。
2019-07-03 cs.AI cs.SY eess.SY
Decentralized Hybrid Formation Control of Unmanned Aerial Vehicles
North Carolina Agricultural and Technical State University(北卡罗来纳农业与技术州立大学);Arak University of Technology(阿拉克理工大学);University of Notre Dame(圣母大学)
本文提出了一种分布式混合监督控制方法,用于完成领航员跟随形成任务的无人驾驶直升机团队。通过极坐标分区技术,将跟随直升机的运动动力学抽象为有限状态机,并设计模块化的离散监督器以实现形成保持、避障等任务。
2014-03-02 cs.SY eess.SY
Decentralized Robust Data-driven Predictive Control for Smoothing Mixed Traffic Flow
针对混合交通中集中式CAV控制的可扩展性、隐私性与鲁棒性问题,提出去中心化鲁棒DeeP-LCC方法,通过本地数据计算与邻域交互扰动建模,在保障隐私与安全的同时提升计算效率与交通流平滑效果。
2024-10-06 cs.SY eess.SY math.OC
Priority-Driven Control and Communication in Decentralized Multi-Agent Systems via Reinforcement Learning
Department of Electrical Engineering and Automation, Aalto University, Espoo, Finland(埃因霍恩理工大学电气工程与自动化系,芬兰 Espoo);Finnish Center for Artificial Intelligence, Helsinki, Finland(芬兰人工智能中心,芬兰 Helsinki)
本文提出一种无模型、优先级驱动的强化学习算法,通过数据联合学习通信优先级和控制策略,解决事件触发控制中通信带宽浪费问题,实验表明其优于基线方法。
2026-05-12 cs.LG cs.RO cs.SY
Deterministic Annealing Optimization for Witsenhausen's and Related Decentralized Stochastic Control Problems
本文提出基于确定性退火的非凸优化方法,用于解决离散时间随机控制问题中的控制器映射全局优化,展示了其在Witsenhausen问题上的严格优越性。
2016-07-11 cs.SY eess.SY
Density-Driven Optimal Control for Non-Uniform Area Coverage in Decentralized Multi-Agent Systems Using Optimal Transport
Department of Mechanical Engineering, New Mexico Institute of Mining and Technology(机械工程系,新墨西哥矿业与技术研究所)
本文提出密度驱动最优控制方法,通过整合最优传输理论与多智能体覆盖控制,实现非均匀区域覆盖的最优控制,提升覆盖性能与系统可扩展性。
2025-11-16 cs.RO cs.SY eess.SY
Deadlock-free, Safe, and Decentralized Multi-Robot Navigation in Social Mini-Games via Discrete-Time Control Barrier Functions
University of Virginia(弗吉尼亚大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校);Sony AI, America(美国索尼人工智能公司)
针对受限空间中多机器人导航的安全与死锁问题,提出基于离散时间控制屏障函数的去中心化最优滚动时域控制方法,通过最小干预扰动至活性集实现无死锁,实验证明其优于现有中心化与去中心化方法。
2025-01-24 cs.GT cs.MA cs.RO
General Decentralized Stochastic Optimal Control via Change of Measure: Applications to the Witsenhausen Counterexample
本文利用离散时间Girsanov测度变换提出一般分散式随机动态最优控制的全局与逐人最优性条件,并将其应用于Witsenhausen反例,证明了积分方程解的存在唯一性及非线性策略的优越性。
2025-09-13 cs.SY eess.SY
Low-complexity decentralized algorithm for aggregate load control of thermostatic loads
恒温控制负载(如冰箱)非常适合作为灵活的需求资源。本文推导了一种电冰箱分散负荷控制算法。它是改编自现有的连续时间控制方法,其目的是实现低计算复杂性和处理可变长度的离散时间步长的能力-嵌入在设备和高吞吐量模拟的理想功能。大量的异构家电的仿真结果表明,准确的总控制的功耗和高计算效率。跟踪精度被量化为人口规模和时间步长的函数,并在跟踪误差的相关性进行了研究。该控制器被证明是强大的模型规格的错误和突然的扰动形式的随机冰箱门的开口。
2020-10-22 cs.SY eess.SY
Convexity of Decentralized Controller Synthesis
本文研究去中心化控制问题中控制器集的凸性,证明了控制器集的凸性等价于二次不变性,并进一步探讨了二次不变性对闭环映射集凸性的必要性与充分性。
2014-01-28 cs.SY eess.SY math.OC
Fully Decentralized and Safety-Aware Multi-Agent Reinforcement Learning for Control on Networks
Stevens Institute of Technology(史蒂文斯理工学院)
本文提出一种完全分布式且安全感知的多智能体强化学习算法,通过图编码器与状态估计器增强系统感知,并利用控制屏障启发式减少节点忽视,在持续监测等网络控制问题上实现比集中式策略低26.3%的平均不确定性。
2026-09-30 cs.MA cs.SY eess.SY
Fully Decentralized Computation Offloading in Priority-Driven Edge Computing Systems
面向多UE、多紧急等级的MEC系统,提出基于大规模非合作平均场博弈的去中心化计算卸载框架,在AoI与功耗间求取近似Nash均衡并以投影梯度下降验证。
2025-01-10 cs.GT cs.IT cs.SY
Decentralized Time and Energy-Optimal Control of Connected and Automated Vehicles in a Roundabout
本文考虑了控制互联和自动驾驶车辆(CAV)通过三入口环形交叉口的问题,以便联合最小化行程时间和能量消耗,同时提供速度相关的安全保证,以及满足速度和加速度约束。首先,我们设计了一个系统的方法来动态地确定安全约束,并推导出无约束的最优控制解。联合最优控制和障碍函数(OCBF)的方法,然后有效地获得一个控制器,最佳地跟踪无约束的最优解,同时保证所有的约束。仿真实验进行比较的最优控制器的基线人类驾驶的车辆显示有效性下对称和不对称的环岛配置,平衡和不平衡的交通流量和不同的排序规则的CAV。
2021-04-13 cs.SY eess.SY
Comparing Model-based Control Strategies for a Quadruple Tank System: Decentralized PID, LMPC, and NMPC
本文比较了四容水箱系统的分散式PID、LMPC和NMPC控制器,发现MPC在跟踪时变设定值上优于PID,NMPC跟踪误差略小但输入运动速率更高。
2025-09-14 cs.SY eess.SY math.OC
Finite Horizon Discrete Models for Multi-Agent Control Systems with Coupled Dynamics
本文的目标是以分散的方式获得耦合多智能体系统的在线抽象。一个离散的模型,捕捉每个代理的运动能力是在一个有界的时间范围内,通过离散化相应的overapproximation代理的可达状态。各个抽象的组成提供了一个正确的表示耦合连续系统的地平线上,并呈现适当的控制合成的方法下的高层次的规格,这是分配给代理在这个时间窗口。充分条件也提供了空间和时间的离散化,以保证可调的过渡能力的确定性抽象的推导。
2020-11-20 cs.SY eess.SY
Safety-Critical Control for Quadrotor UAVs via Decentralized Navigation Functions
Universidad Politécnica de Madrid(马德里理工大学);School of Science and Technology, IE University(IE大学科学与技术学院);Centre for Automation and Robotics (CSIC-UPM)(自动化与机器人中心(西班牙国家科学研究委员会-马德里理工大学))
针对学习到的模型不确定性下的四旋翼无人机团队,提出基于分布式导航函数的安全关键控制方法,构造推力-姿态实现并设计聚合鲁棒HOCBF-QP安全滤波器,实现高概率两两避碰。
2026-08-14 cs.SY eess.SY math.OC
Decentralized Optimal Control in Multi-lane Merging for Connected and Automated Vehicles
我们解决的问题,最佳控制连接和自动驾驶汽车(CAV)从两个多车道的道路到达并合并在多个点,其目标是共同最大限度地减少旅行时间和能源消耗的每个CAV受到速度依赖的安全约束,以及速度和加速度的限制。这个问题在两条单车道道路的先前工作中得到了解决。直接扩展到多车道的道路是有限的,所需的计算复杂性,以获得一个明确的最优控制解决方案。相反,我们提出了一个通用的框架,将多车道合并问题转化为一个分散的最优控制问题,为每个CAV在一个不太保守的方式。为了实现这一点,我们采用了联合最优控制和障碍函数的方法,有效地得到一个最优控制,为每个CAV的所有约束的保证满意。仿真例子包括比较所提出的框架的性能,由人类驾驶的车辆提供的基线与结果显示显着改善的时间和能源指标。
2020-05-30 cs.SY eess.SY
A Decentralized Spike-based Learning Framework for Sequential Capture in Discrete Perimeter Defense Problem
Indian Institute of Science(印度科学学院)
本文提出去中心化脉冲学习框架DSL,将离散周界防御问题转化为多标签学习,用MLC-SEFRON网络为防御者分配区段,并结合CBBA生成轨迹捕获入侵者,在完全和部分观测下验证了其性能与可扩展性。
2023-05-26 cs.AI cs.LG cs.MA
Do What You Know: Coupling Knowledge with Action in Discrete-Event Systems
Queen’s University(女王大学)
提出了一种具有非二进制控制的分散离散事件系统的认知模型。这个框架结合了现有的工作条件控制决策与现有的工作正式推理知识的离散事件系统。在模型中提出的新颖之处是,问题的可解决性的必要和充分条件封装主管必须采取的行动。知识和行动之间的这种直接耦合--以模仿自然语言的形式--使得在问题条件失败时更容易确定应如何修改问题需求。
2022-05-30 cs.AI cs.SY eess.SY
A Decentralized Analysis and Control Synthesis Approach for Networked Systems with Arbitrary Interconnections
本文考虑了分散分析和控制综合问题,以验证和确保大规模网络系统的稳定性和耗散性等属性,由线性子系统互连在一个任意的拓扑结构。特别是,我们设计了系统的网络化系统分析和控制综合过程,可以在子系统级以分散的方式执行,子系统之间的信息共享最少。与我们最近在同一主题上的工作相比,我们在本文中考虑了一个更广义的问题设置,并开发了分散的过程来验证和确保更广泛的网络系统属性。我们表明,这种分散的过程:优化所使用的子系统索引方案可以大大减少所需的子系统间的信息共享会话,并在某些网络拓扑,只有相邻的子系统之间的信息共享是足够的(分布式!)。此外,所提出的网络化系统分析和控制合成过程是组成/弹性子系统的删除,这使得他们能够方便和有效地处理的情况下,新的子系统被添加到/从现有的网络删除。我们还对我们的分散方法提供了重要的见解,以便可以快速采用它来验证和确保网络系统的稳定性和耗散性之外的属性。为了发展这种分散的技术,我们也得到了新的集中式耗散观测器和动态输出反馈控制器设计问题的解决方案。随后,我们还专门所有的离散时间网络系统的衍生结果。最后,我们提供了几个仿真结果证明了所提出的新的分散分析和控制合成过程和耗散为基础的结果。
2022-09-01 cs.SY eess.SY math.OC
Deep Decentralized Reinforcement Learning for Cooperative Control
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
为了有效地与未知的合作伙伴在合作控制设置,适应的合作伙伴的在线经验的基础上是必需的。在控制律和控制目标未知的情况下,合作伙伴可能会为各自的目标而努力,这种控制设置相当普遍和广泛适用,这带来了各种挑战,如环境的非平稳性、多代理信用分配问题、交替探索问题和协调问题。我们提出了新的模块化深度分散多智能体强化学习机制来应对这些挑战。因此,我们的方法使用时间相关的样本的优先级,结合了系统动态模型,并利用可变的,责任驱动的学习率和模拟,人工经验,以指导学习过程。我们的方法的有效性证明了通过一个模拟的,非线性的合作控制任务。
2019-10-29 cs.LG cs.MA cs.SY
An Analysis of Multi-Agent Reinforcement Learning for Decentralized Inventory Control Systems
Imperial College London(帝国理工学院);The University of Manchester(曼彻斯特大学)
针对现实供应链信息无法集中的库存管理难题,提出多智能体强化学习的去中心化方案,对比三种PPO变体,发现带集中critic的方案性能接近集中式方案且优于分布式模型方法,适配信息约束。
2023-07-21 cs.LG cs.MA cs.SY
Decentralized Optimal Merging Control for Connected and Automated Vehicles
Boston University(波士顿大学)
本文研究了联网自动化车辆在合并点的最优控制问题,旨在共同最小化每辆车的行驶时间和能耗,同时保证速度相关的安全约束在合并点及控制区内的持续满足。通过分析无主动约束的情况,证明在特定条件下安全约束保持非活跃,从而简化了显式去中心化解的确定。当这些条件不适用时,仍能获得包含安全约束活跃区间的显式解。分析结果有助于研究行驶时间和控制区内的能耗之间的权衡。
2018-11-27 cs.RO cs.SY eess.SY
Probabilistic Consensus on Feature Distribution for Multi-robot Systems with Markovian Exploration Dynamics
Arizona State University(亚利桑那州立大学)
在本文中,我们提出了一种基于共识的分散式多机器人方法来重建离散分布的功能,建模为占用网格地图,表示包含在一个有界的平面二维环境中的信息,如用于导航或语义标签与目标检测的视觉线索。机器人根据离散时间离散状态(DTDS)马尔可夫链建模的随机行走来探索环境,并使用分布式的DADFF融合协议,从它们自己的测量值和相邻机器人传达的估计值中估计特征分布。我们证明,在这种分散的融合协议,每个机器人的特征分布收敛到地面真理分布在几乎肯定的意义。我们在数值模拟中验证了这一结果,结果表明,对于每个机器人,估计和地面真实特征分布之间的Hellinger距离随着时间的推移收敛到零。我们还验证了我们的策略,通过软件在环(SITL)模拟的四旋翼搜索一组分布在一个离散化的圆上的视觉功能的有界正方形网格。
2022-04-27 cs.MA cs.RO cs.SY
Density-Driven Optimal Control: Convergence Guarantees for Stochastic LTI Multi-Agent Systems
New Mexico Institute of Mining and Technology(新墨西哥矿业与技术学院)
本文提出随机密度驱动最优控制方法,通过拉格朗日框架实现多智能体系统非均匀区域覆盖,确保在随机LTI动态下时间平均经验分布收敛到非参数目标密度。
2026-04-09 cs.MA cs.RO cs.SY
A Constraint-Driven Approach to Line Flocking: The V Formation as an Energy-Saving Strategy
Boston University(波士顿大学);Combat Capabilities Development Command, Army Research Laboratory(美国陆军研究实验室作战能力发展司令部);University of Delaware(特拉华大学)
机器人植绒的研究在过去的二十年里受到了极大的关注。在这篇文章中,我们提出了一个约束驱动的控制算法,最大限度地减少单个代理的能源消耗,并产生一个紧急V形成。由于形成出现从分散的代理之间的相互作用,我们的方法是强大的自发添加或删除代理系统。首先,我们提出了一个分析模型的拖尾后的上洗固定翼无人机,我们推导出最佳的空气速度拖尾无人机,以最大限度地提高他们的旅行耐力。接下来,我们证明了简单地以最佳空速飞行永远不会导致紧急群集行为,我们提出了一个新的分散的“anseroid”行为,产生紧急V编队。我们编码这些行为的约束驱动的控制算法,最大限度地减少每个无人机的机车功率。最后,我们证明了在近似V或梯队编队初始化的无人机将收敛在我们提出的控制律下,我们证明了这种出现在实时仿真和物理实验中与一个舰队的Crazyflie四旋翼。
2022-09-23 cs.RO cs.SY eess.SY