[分布式控制浅述] (1) 图论基础
[分布式控制浅述] (1) 图论基础
- [分布式控制浅述] (1) 图论基础
- 1 前言
- 2 概述
- 3 度矩阵(Degree Matrix)
- 4 拉普拉斯矩阵(Laplacian Matrix)
- 5 特殊图
- 5.1 有向图与无向图(directed graph and undirected graph)
- 5.2 平衡图(balanced graph)
- 5.3 强连接图(strongly connected graph)
- 5.4 生成树(spanning tree)
[分布式控制浅述] (1) 图论基础
因为笔者学习和研究的需要,将会开启一个系列博客(如果笔者不咕咕咕),主要讲述现在十分火热的分布式协同控制理论,其应用一个是纯理论性质的一致性问题,另一个则是偏向实际的编队问题。
不过从实际上来说,分布式控制应用还是得有一定的时间,各方面的技术,尤其是定位与通信还没有达到分布式控制所要求的高度。因此说白了目前这些理论算法多难以应用到实际应用,但是从学术的角度来说,还是很值得研究的。笔者曾经利用一致性理论做过大疆M210飞机的编队飞行试验,就结果而言,算法是很好的,但是效果很一般,实际实验中的定位误差和通信丢包阻塞才是更为主要的问题,当然,这可能也和笔者的试验设备通信能力有关。
大疆m210无人机编队试验
首先笔者必须介绍图论,这是本领域的最基础知识,后面将利用笔者浅薄的知识,为读者最为通俗易懂地、介绍一些笔者接触学习和使用过的分布式控制与一致性理论问题。
[分布式控制浅述] (2) 经典一阶系统的一致性问题
1 前言
“History repeats itself twice: the first time as tragedy, the next time as farce. ”
——Karl Marx
图论可谓是分布式控制和一致性理论的基础,下面简单介绍。
2 概述
图论是用于表示多智能体之间通信拓扑的工具。假设有nnn个智能体,他们之间的信息交互可以用一个有向图表示:G={V,E,A}\mathbf{G}=\left\{ \mathbf{V},\mathbf{E},\mathbf{A} \right\}G={V,E,A}。其中V={υi,i=1,⋯,n}V=\left\{ {{\upsilon }_{i}},i=1,\cdots ,n \right\}V={υi,i=1,⋯,n}为节点集,代表nnn个智能体;E⊆V×V\mathbf{E}\subseteq \mathbf{V}\times \mathbf{V}E⊆V×V为边集,A=[aij]∈Rn×nA=\left[ {{a}_{ij}} \right]\in {{R}^{n\times n}}A=[aij]∈Rn×n为图的加权邻接矩阵。
在有向图G\mathbf{G}G中,如果从节点υj{{\upsilon }_{j}}υj到节点υi{{\upsilon }_{i}}υi存在一条有向边,则表示智能体jjj的信息可以传给智能体iii,同时用(υj,υi)∈E\left( {{\upsilon }_{j}},{{\upsilon }_{i}} \right)\in \mathbf{E}(υj,υi)∈E表示。加权邻接矩阵的定义为:
aij>0⇔(υj,υi)∈E{{a}_{ij}}>0\Leftrightarrow \left( {{\upsilon }_{j}},{{\upsilon }_{i}} \right)\in \mathbf{E}aij>0⇔(υj,υi)∈E aij=0⇔(υj,υi)∉E{{a}_{ij}}=0\Leftrightarrow \left( {{\upsilon }_{j}},{{\upsilon }_{i}} \right)\notin \mathbf{E}aij=0⇔(υj,υi)∈/E一般地,定义aii=0{{a}_{ii}}=0aii=0,即智能体无自反馈。
智能体iii的邻居智能体为:所有可以传输信息给智能体iii的其他智能体,即:
Ni={j:(υj,υi)∈E}{{\mathbf{N}}_{i}}=\left\{ j:\left( {{\upsilon }_{j}},{{\upsilon }_{i}} \right)\in \mathbf{E} \right\}Ni={j:(υj,υi)∈E}相似地,定义:
Oi={j:(υi,υj)∈E}{{\mathbf{O}}_{i}}=\left\{ j:\left( {{\upsilon }_{i}},{{\upsilon }_{j}} \right)\in \mathbf{E} \right\}Oi={j:(υi,υj)∈E}
3 度矩阵(Degree Matrix)
定义节点υi{{\upsilon }_{i}}υi的出度:
deg(υi)out=di=∑j=1naij=∑j∈Niaij\deg {{\left( {{\upsilon }_{i}} \right)}_{out}}={{d}_{i}}=\sum\limits_{j=1}^{n}{{{a}_{ij}}}=\sum\limits_{j\in {{\mathbf{N}}_{i}}}^{{}}{{{a}_{ij}}}deg(υi)out=di=j=1∑naij=j∈Ni∑aij那么度矩阵为:
D=diag{d1,d2,⋯,dn}=[d10⋯00d2⋯0⋮⋮⋱⋮00⋯dn]D=diag\left\{ {{d}_{1}},{{d}_{2}},\cdots ,{{d}_{n}} \right\}=\left[ \begin{matrix} {{d}_{1}} & 0 & \cdots & 0 \\ 0 & {{d}_{2}} & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & {{d}_{n}} \\ \end{matrix} \right]D=diag{d1,d2,⋯,dn}=⎣⎢⎢⎢⎡d10⋮00d2⋮0⋯⋯⋱⋯00⋮dn⎦⎥⎥⎥⎤一般地,提到一个图的度和度矩阵都是指出度矩阵。同样还有入度,较少用到,刚好笔者最近要使用,就在这里一并列出:
deg(υi)in=∑j=1naji=∑j∈Oiaji\deg {{\left( {{\upsilon }_{i}} \right)}_{in}}=\sum\limits_{j=1}^{n}{{{a}_{ji}}}=\sum\limits_{j\in {{\mathbf{O}}_{i}}}^{{}}{{{a}_{ji}}}deg(υi)in=j=1∑naji=j∈Oi∑aji
4 拉普拉斯矩阵(Laplacian Matrix)
Laplacian matrix在一致性理论中十分重要,几乎所有的证明和推导都包含这个矩阵。
定义:
L=D−AL=D-AL=D−A
即:
L=[∑j=1na1j−a12⋯−a1n−a21∑j=1na2j⋯−a2n⋮⋮⋱⋮−an1−an2⋯∑j=1nanj]L=\left[ \begin{matrix} \sum\limits_{j=1}^{n}{{{a}_{1j}}} & -{{a}_{12}} & \cdots & -{{a}_{1n}} \\ -{{a}_{21}} & \sum\limits_{j=1}^{n}{{{a}_{2j}}} & \cdots & -{{a}_{2n}} \\ \vdots & \vdots & \ddots & \vdots \\ -{{a}_{n1}} & -{{a}_{n2}} & \cdots & \sum\limits_{j=1}^{n}{{{a}_{nj}}} \\ \end{matrix} \right]L=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡j=1∑na1j−a21⋮−an1−a12j=1∑na2j⋮−an2⋯⋯⋱⋯−a1n−a2n⋮j=1∑nanj⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤Laplacian matrix有以下重要性质:
- Laplacian matrix为半正定的。
- 特征值0出现的次数就是图连通的区域。
- 最小特特征值为0(因为每行和均为0,且图最少有一个连通区域)
- 最小非0特征值是图的代数通达度。
对控制而言,其中最重要的就是其性质中的半正定性了,这对于稳定性证明十分重要。
5 特殊图
从严格角度来说有向图最弱,有:
有向图<强连接图<生成树<平衡图<无向图有向图<强连接图<生成树<平衡图<无向图有向图<强连接图<生成树<平衡图<无向图注:关于强连接图和生成树的条件强度比较可以详见下面文献的Remark 1:
R. Olfati-Saber, J. A. Fax, and R. M. Murray, “Consensus and cooperation in networked multi-agent systems,” Proc. IEEE, vol. 95, no. 1, pp. 215–233, 2007.
5.1 有向图与无向图(directed graph and undirected graph)
顾名思义,无向图有:
aij=aji{{a}_{ij}}={{a}_{ji}}aij=aji而有向图上式不一定成立。
值得一提的有向图的性质:
- 邻接矩阵和拉普拉斯矩阵都是对称的
- 出度和入度相同,很好理解,因为对称,即:
deg(υi)out=∑j=1naij=∑j=1najideg(υi)in\deg {{\left( {{\upsilon }_{i}} \right)}_{out}}=\sum\limits_{j=1}^{n}{{{a}_{ij}}}=\sum\limits_{j=1}^{n}{{{a}_{ji}}}\deg {{\left( {{\upsilon }_{i}} \right)}_{in}}deg(υi)out=j=1∑naij=j=1∑najideg(υi)in
5.2 平衡图(balanced graph)
平衡图是指对任意iii和jjj,有:
∑i≠jaij=∑j≠iaji\sum\limits_{i\ne j}{{{a}_{ij}}}=\sum\limits_{j\ne i}{{{a}_{ji}}}i=j∑aij=j=i∑aji可以知道,平衡图可以是一个有向图。
5.3 强连接图(strongly connected graph)
简单的说,图中任意两个节点有一条通路,即为强连接图。
5.4 生成树(spanning tree)
简单的说,图中存在一个节点,对所有节点都可达(包括间接可达)。那么其Laplacian矩阵有且仅有一个0特征值,其特征向量为1向量,即L1n=0nL{{\mathbf{1}}_{n}}={{\mathbf{0}}_{n}}L1n=0n,且其他非零特征值均有负实部。性质的证明可以参考Wei Ren教授的文章Lemma 3.3:
Wei Ren, Randal W. Beard, ”Consensus Seeking in Multiagent Systems UnderDynamically Changing Interaction Topologies”, IEEE Transactions on automatic control, 2005
[分布式控制浅述] (1) 图论基础相关推荐
- [分布式控制浅述] (3)简单分布式事件触发控制
[分布式控制浅述] (3)简单分布式事件触发控制 [分布式控制浅述] (3)简单分布式事件触发控制 1 前言 2 分布式事件触发控制 3 稳定性分析 [分布式控制浅述] (3)简单分布式事件触发控制 ...
- [分布式控制] (4) 刚性图论基础和仿射编队
[分布式控制] (4) 刚性图论基础和仿射编队 [分布式控制] (4) 刚性图论基础和仿射编队 0 概念 1 一般的(Generic) 2 等价与全等(Equivalent and Congruent ...
- 幼师学计算机的基础知识,幼师专业计算机教学浅述.doc
幼师专业计算机教学浅述 幼师专业计算机教学浅述 摘要:随着我国社会经济的快速发展,人民的生活水平得到不断的提高.人们对于教育的关注度也日渐增强.作为未来会进入教育行业的幼师专业学生来讲,其能力和水平受 ...
- CV学习笔记-浅述CV方向
浅述CV方向 一.浅述人工智能的一些术语 1. 人工智能初探 人工智能是通过机器来模拟人类认知能力的技术 人工智能最核心的能力就是根据给定的输入做出判断或预测 关键时间节点:1956年,达特茅斯会议, ...
- 浅提计算机未来的想法,浅述未来计算机的发展趋势论文
计算机技术的趋未来发展势将面向智能化模式.多极化发展模式.网络化模式这三种主要模式.下面是学习啦小编给大家推荐的浅述未来计算机的发展趋势论文,希望大家喜欢! 浅述未来计算机的发展趋势论文篇一 < ...
- 面试归来——梳理社招面试以及浅述对程序员职业生涯的看法
原谅我是一个后知后觉的人,已经在新的岗位工作了两个月,才写这篇文章. 本文会先讲述博主一个月的面试经历,梳理一下技术面试,浅述关于程序员职业生涯的一些看法. 从创业到再就业 大概4个月以前,终止创业已 ...
- 转:解救西西弗斯- 模型驱动架构(MDA,Model Driven Architecture)浅述
原文: 解救西西弗斯- 模型驱动架构(MDA,Model Driven Architecture)浅述 前言 西西弗斯是古希腊神话中的科林斯国王,他被罚将一块巨石推到山上,但无论西西弗斯如何努力,每次 ...
- 自动驾驶轨迹预测任务浅述
注:本文只用来记录我实习过程中积累的粗浅理解,平时抽空写写,不一定正确和全面.随着认识的增多我会不断更新修正本文内容,也欢迎大家帮我指正问题. 目录 1. 自动驾驶任务浅述 2. 轨迹预测任务 2.1 ...
- 计算机网络测试预算,计算机网络技术专业工程预算教学浅述.doc
计算机网络技术专业工程预算教学浅述 计算机网络技术专业工程预算教学浅述 摘要:为了解决计算机网络技术专业<工程预算>课程实践性强.知识抽象.难于理解的问题,帮助学生易于学习理解,保证教学质 ...
最新文章
- 【Spring】事务控制API
- [POJ-3237] [Problem E]
- C++的字符串分割函数
- Arm发布v9体系架构:Cortex-X2、Cortex-A710和Cortex-A510
- iOS百度地图的相关开发(一)
- 基于BS模式的航材电子商务交易平台(1)
- 1064. 朋友数(20)-PAT乙级真题
- 定时自动清除tmp工具tmpwatch
- 大漠综合工具取点阵显示不全_利用pyfolio工具评价回测资金曲线
- HW浮动静态路由及负载均衡
- 将csv文件存入mysql数据库_将csv文件导入到mysql数据库
- ECSHOP4.0 H5端源码运行环境安装
- [人工智能-综述-3]:人工智能与硅基生命,人类终将成为造物主
- 消息中间件----ActiveMQ
- qq邮箱 服务器认证失败怎么回事,为什么我的QQ邮箱登录不了 QQ邮箱无法登陆怎么解决...
- MBA-day21 假言推理-练习题
- 关于vlc编解码器暂不支持: VLC 无法解码格式“MIDI” (MIDI Audio)解决
- 全球最大湾区|微信大数据:《粤港澳大湾区智慧生活圈报告》
- CSR蓝牙开发资源大全(软件代码资料)
- 在html5页面中添加canvas,HTML页面中添加Canvas标签示例