【摘 要】
：
在网络化时代,越来越多的工程问题以网络系统的形式呈现,并且可以建模为多智能体网络下的分布式优化问题。在网络优化问题中,每个节点作为一个智能体,拥有一个局部目标函数,网络的全局目标函数为局部目标函数之和。分布式优化的目的是利用智能体之间的协同合作,设计算法找到全局目标函数的最优解。另外,事件触发策略在节约资源和减少通信成本等方面有着十分重要的作用。因此,本文研究了基于事件触发的分布式优化算法问题,主
论文部分内容阅读
在网络化时代,越来越多的工程问题以网络系统的形式呈现,并且可以建模为多智能体网络下的分布式优化问题。在网络优化问题中,每个节点作为一个智能体,拥有一个局部目标函数,网络的全局目标函数为局部目标函数之和。分布式优化的目的是利用智能体之间的协同合作,设计算法找到全局目标函数的最优解。另外,事件触发策略在节约资源和减少通信成本等方面有着十分重要的作用。因此,本文研究了基于事件触发的分布式优化算法问题,主要内容如下:（1）研究了基于事件触发的比例积分微分（Proportion-Integration-Differentiation,PID）的分布式优化算法。首先,考虑无向连通图,在仅利用智能体局部信息的情况下,设计了连续时间的PID分布式优化算法。在全局目标函数严格凸的条件下,利用矩阵变换和不等式技巧,证明了连续时间算法全局指数收敛到分布式优化问题的最优解。然后,为了减少通信资源消耗,设计了基于事件触发的PID分布式优化算法,证明了该算法不仅全局指数收敛到最优解,而且事件触发序列不存在芝诺现象。最后,用数值例子验证了算法的有效性。（2）研究了基于事件触发的分布式资源分配优化问题。首先,考虑二阶多智能体系统,设计了连续时间的分布式资源分配优化算法。在控制层稳定的基础上进行算法设计,利用矩阵变换和不等式技巧,证明了该算法全局指数收敛到问题的最优解。然后,为了节约通信成本,设计了基于事件触发的分布式资源分配优化算法,证明了该算法不仅全局指数收敛到最优解,还排除了芝诺现象。最后,数值仿真检验了所建立的理论结果。
其他文献
从2009年到目前为止,钙钛矿太阳能电池的光电转换效率从3.8%急剧上升到了25.7%,然而具有高转换效率的钙钛矿太阳能电池大多含有有毒元素Pb。除了Pb的毒性以外,其本身结构的不稳定性也阻碍了大规模商业化的进程。混合金属卤化物双钙钛矿具有广阔的化学成分空间和较高稳定性的特点。因此针对钙钛矿太阳能电池存在的稳定性和毒性问题,本文设计了无毒稳定的混合金属卤化物双钙钛矿,通过第一性原理研究了双钙钛矿太
习近平关于网络意识形态重要论述具有重要的理论意义和现实意义。就方法论启示而言，要牢牢掌握网络意识形态工作领导权、打造一支听党指挥的网络意识形态工作队伍、构建群防共治的网络意识形态治理体系；就特征显现而言，要彰显党的领导与人民至上相统一、系统性与辩证性相统一、中国特色与国际视野相统一。该论述在提升社会主体强大认同的基础上，推动构建网络空间命运共同体。
随着决策科学的不断发展与大数据时代的快速进步,智能决策问题也日渐复杂。加上目标冲突、时间压力、知识匮乏等因素,决策者在评估事物时,评价信息往往具有模糊性、不确定性以及难以量化的特点。在决策问题中,采用合理的自然语言集和决策方法是解决问题的关键。为了更加灵活准确地描述语言信息的犹豫性与不确定性,由概率和语言变量相结合的概率语言术语集应运而生,成为了广泛使用的语言信息。因此本文围绕概率语言术语集,研究
社会主义现代化建设急需大量高素质技术技能人才，而人才的发展质量在一定程度上依赖于职教师资，因此，培养“双师型”教师乃时代之义。但在“双师型”教师培养过程中却存在培养标准缺乏、校企共育的权责范围模糊以及尚未形成完整的培养模式等问题。为此，基于新版《职业教育法》相关内容，以“宏观—中观—微观”的角度进行逻辑架构，坚持统筹兼顾、协同共治以及博采众长的逻辑指标，提出以完善“双师型”教师培养标准为出发点、加
垃圾邮件一般具有批量发送的特征,常常带有商业宣传的目的以及携带恶性病毒等,给互联网用户造成了很大的困扰。垃圾邮件过滤是一种属于文本分类问题的主动安全防御技术。一个高效的垃圾邮件过滤器能够帮助用户提高工作效率、节省时间和电脑内存,甚至可以预防病毒侵害等。因此,研究如何快速、高效、精确地过滤垃圾邮件具有重要意义。本文围绕该问题,提出了三个用于提高垃圾邮件过滤效率的算法:IGGBNRS算法、SIGGBN
结合人为设计的材料描述符,机器学习模型在材料科学不同领域都取得了巨大的成功,包括材料的性质预测,材料的逆向设计等。近几年,基于图的深层神经网络在多种大型材料数据集的性质预测上都取得了领先的表现。反铁磁材料是一类重要的量子材料,奈尔温度作为其最重要的参数之一,难以通过凝聚态物理研究中开发出来的解析或数值方法进行准确计算,而机器学习方法提供了另外一种可能性。不过,奈尔温度数据集尺寸小,晶体图神经网络方
基于卷积神经网络的图像分类优化算法是一类通过改进网络框架、输入数据和优化神经网络理论知识等方面来提升网络性能的理论与方法。每一个卷积神经网络都需要一个框架进行搭建,网络框架决定了网络模型的学习容量;用于训练网络的数据集的数量和质量则是推动模型拟合的内在模式;卷积神经网络的相关理论研究促进了网络的进一步发展。本文以卷积神经网络为中心,主要从网络框架、数据的数量和质量以及结合犹豫模糊集理论三个方面展开
在很多科学计算和工程应用中,如图像恢复、偏微分方程求解、流体力学等科学领域,大型稀疏线性方程组都有着十分重要的地位。因此,如何快速求解大型稀疏线性方程组成为目前十分热门的重要研究课题之一。在现有的研究中,主要通过直接法和迭代法来求解线性方程组,但是直接法局限于规模小的线性方程组,而迭代法更适合求解大型稀疏线性方程组。由于埃尔米特和反埃尔米特分裂（HSS）迭代法具有格式简单、方便确定参数、无条件收敛
稀疏线性方程组的求解在信号处理、图像处理等工程领域具有广泛应用,有许多数值方法用来求解方程组,比如QR分解、SVD分解等直接法。随着工程问题数据规模的不断发展,直接法需要较大的存储空间并且计算复杂度比较大。由于随机Kaczmarz（RK）算法和随机Gauss-Seidel（RGS）算法在求解过程中不需要存储整个系数矩阵的信息便可以指数收敛到方程组的解,所以RK和RGS算法成为非常流行的求解工具。但
本文考虑两类Keller-Segel模型解的整体有界性以及大时间行为:一类是两个物种和两种信号物质的趋化模型;另一类是具有间接信号产生和Logistic源的趋化模型。Keller-Segel模型最重要的一个特征就是趋化性。趋化性描述的是微生物或者细胞在信号物质的刺激下会朝着某一个方向做定向运动,该特性在生物学领域中有着重要的研究价值,比如免疫反应、伤口愈合、肿瘤侵袭等。本文研究结果如下:首先,研究