论文部分内容阅读
研究了重复运行的分布式多智能体系统在有限时间内的一致性问题。针对具有固定拓扑结构的多智能体系统，在期望轨迹对应的初始状态未知，且系统存在干扰的情况下，引入虚拟领导者技术，提出了一种同时对各智能体的输入和初始状态误差进行迭代修正的分布式学习控制算法。收敛性分析表明，该算法能够消除由于各智能体初始状态和期望轨迹对应的初始状态不同而引起的各智能体输出不能完全跟踪期望轨迹的状况，实现系统在有限时间内的完全跟踪；仿真结果也证明了算法的有效性。