人工智能與信息融合研究院在多智能體系統(tǒng)研究中取得重要進展

近日，人工智能與信息融合研究院在多智能體平均一致性研究中取得重要進展，解決了記憶加速算法研究中的幾個公開難題。研究結果以長文（full paper）發(fā)表在控制學科兩大頂級期刊之一的IEEE Transactions on Automatic Control （TAC），雙欄16頁。

文章鏈接https://ieeexplore.ieee.org/document/10066203

論文第一作者為我校信息學院青年教師易靜文副教授，合作者為柴利教授，張競新教授。這是我校在IEEE TAC的第二篇長文，首篇長文也是由三位老師共同發(fā)表。

在多智能體系統(tǒng)的一致性協(xié)同控制中，收斂快慢是衡量相關算法的重要性能指標。大量研究工作表明，利用記憶信息可以提高算法的收斂率。該方向研究中存在幾個長期未解的科學問題，包括：是否能利用更多的記憶信息得到更快收率的算法？記憶加速算法所能達到的收斂率上限是什么？對應的最優(yōu)控制參數如何設計？

針對上述難點問題，論文報告了如下創(chuàng)新成果：

1) 給出了M-tap記憶加速算法實現(xiàn)平均一致的充分必要條件，將多智能體的快速一致問題轉變?yōu)槎鄠€低階系統(tǒng)的同時快速鎮(zhèn)定問題，建立了收斂率與控制參數的直接關系表達式，揭示了記憶項對收斂率的影響。

2) 對短時記憶（ M< =2 ）的情況，給出了最快收斂率和最優(yōu)控制參數的精確解析表達式，發(fā)現(xiàn)了一步記憶和兩步記憶的最快收斂率完全相同，證明了兩步記憶加速算法并不能進一步提高收斂率的結論。

3) 提出并解決了未知拓撲下記憶加速算法的優(yōu)化設計問題，給出了最快收斂速率和最優(yōu)控制參數的顯式公式，證明了worst-case意義下最快收斂算法可由一步記憶加速算法實現(xiàn)。

該項研究結果為進一步研究分布式優(yōu)化加速算法提供了新的思路，對集群智能自主系統(tǒng)和分布式優(yōu)化計算等領域有重要的科學意義。易靜文老師長期從事智能自主系統(tǒng)的協(xié)同控制、分布式優(yōu)化、圖信號處理等方向的研究，現(xiàn)主持國家聯(lián)合基金重點項目子課題1項，主持完成國家自然科學基金青年基金1項，參與國家級和省部級項目多項。據悉，IEEE TAC期刊的長文很難發(fā)表，每年僅100余篇，很多知名985高校在該刊發(fā)表的長文總量為個位數。