无人机协同编队算法实现，包含多个matlab的m文件，使用方法把GIF文件的路径改为文件夹路径中的test.gif路径就可以了

多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。

突发事件下人群疏散行为是安全领域的研究热点,分析复杂环境下行为决策和个人心理、生理对疏散行为和时间的影响,为公共场所安全设计和制订应急预案提供可靠依据。如何体现群体的整体性和个体的差异性是人群疏散仿真的难点。为解决上述问题,提出一种多智能体和元胞自动机的人群疏散模型。首先将元胞空间中被虚拟人个体占据的元胞视为一个独立的Agent,并将元胞及其状态进行封装,扩展为具有自主性的Agent。然后通过设计各种人群疏散行为策略做为演化规则,实现个体的差异性,较好地体现了个人个性、体力、心理(恐慌度)等对疏散行为的影响。仿真结果表明,考虑了个体内在因索的人群疏散模型更接近现实,进一步提高了模型对实践的指导...

集中式优化方法难以应对未来电网柔性负荷广泛渗透以及电力元件“即插即用”的技术要求。区别于集中式经济调度，提出一种电力系统分布式经济调度策略。应用多智能体系统中的一致性算法，以发电机组的增量成本和柔性负荷的增量效益作为一致性变量，设计一种用于电力系统经济调度的算法，通过分布式优化的方式求解经济调度问题。算例仿真与分析验证了所提调度策略的有效性。

利用具有虚拟领航者的二阶动态一致性协议讨论了三维空间内分布式无人机编队控制问题。利用反馈线性化的方法将无人机非线性动力学模型线性化，将控制输入转化为惯性坐标系中三个坐标轴方向的加速度。运用一致性算法求解线性化后的无人机模型，使无人机能够形成稳定的预期编队并跟随虚拟领航者沿特定航线以一定速度运动。定义了编队的误差函数并运用Lyapunov稳定性理论证明了系统的稳定性。仿真验证了模型和算法的有效性。

Minghui Zhu和Sonia Martínez关于多智能体系统分布式优化方面的经典教材。

本文着重研究高阶非线性多智能体系统的自适应自适应模糊控制。 通信网络是具有固定拓扑的无向图。 每个代理由高阶积分器建模，该积分器具有未知的非线性动力学和未知的干扰。 在backstepping框架下，为每个代理设计了一个鲁棒的自适应模糊控制器，以使所有代理最终达成共识。 而且，从每个代理程序的控制器设计仅需要其自身及其邻居之间的相对状态信息的意义上说，这些控制器是分布式的。 一个四阶仿真实例证明了该算法的有效性。

六个智能体组成多边形队形的队形保持仿真，直接运行FZ1、FZ2、FZ3、FZ5

针对受到外部干扰影响的二阶多智能系统, 提出一种新型干扰观测器的设计方案.在只有部分智能体能接收到参考模型信 号的条件下, 研究受到不同外系统生成干扰信号影响的二阶多智能体系统模型参考一致性问题.针对干扰信号由线性外系统和非线性外系 统生成的情况, 分别设计干扰观测器.进一步提出分布式控制协议, 所提出的一致性协议可以有效地抑制干扰, 最终实现多智能体 系统的模型参考一致性.仿真算例验证了所提出方法的有效性.

具有耦合约束的多智能体系统的分布式模型预测控制