利用智能体间的分布式通信，提出了一种基于多智能体一致性的自适应下垂控制策略，用于解决传统下垂控制中频率和电压偏差、系统稳定性和功率分配精度的问题。在传统下垂控制基础上，建立了有功功率分配、有功-频率和无功-电压的二阶动态模型。在考虑通信延迟的基础上，利用无领导的一致性控制分布式电源的有功出力满足传统下垂控制的要求；利用含虚拟领导者的一致性修正传统下垂控制中的频率和电压偏差；通过Lyapunov直接法验证了系统的渐进稳定性，故而解决了传统控制中有功下垂系数对系统稳定性的影响问题；分析了通信扰动对控制结果和稳定性的影响。通过仿真验证了所提策略的有效性。
2022-05-14 16:03:07
1.17MB
1
随机多智能体系统一致稳定性分析大致可区分为: 带随机噪声的多智能体系统的一致稳定性分析, 切换拓扑下随机多智能体系统一致稳定性分析, 随机时滞多智能体系统一致稳定性分析, 随机多智能体系统分布式优化控制一致稳定性分析. 对此, 从以上4 个方面对随机多智能体系统稳定性问题的研究进展及其存在的问题进行阐述, 并对随机多智能体系统一致稳定性的进一步研究方向进行了展望.
2022-05-14 14:49:44
192KB
1
本程序是自己针对一篇IEEE TCST文章，用matlab编程实现，已验证可以运行。附件有详细的程序使用说明，和对应的文章。适合多智能体的编队或一致性研究的初学者学习。(这个程序上传的时候少了一个m文件，请搜索本人上传的所有资源找到补充文件)
2022-05-10 16:14:31
1005KB
1
人工智能-机器学习-机械制造车间生产作业多智能体规划原理与板材套料优化方法的研究.pdf
2022-05-07 10:05:50
10.35MB
文件说明：
一、算法代码文件夹内容：
附录A:
cal_matrix.py 是仅限1v1情形下计算“normal form”的支付矩阵中的每一个元素的值的代码，
用于一致性检验，例如<4,2,2>情形下其输出为一个6x6矩阵。
附录B:
LH.py是使用LH源代码的matlab代码的接口文件，由于LH源代码在健壮性和格式统一上有所不足，
因而编写该文件方便进行调用。
bimat.m即为LH源代码的matlab文件。
bimat_zero.m是适应零和博弈的情形的接口改动，LH.py实际直接调用的文件为此文件。
nash_recurrence.py是最初只适应于1v1的子博弈递推计算的代码。
nash_recurrence_2_2.py是在nash_recurrence.py基础上实现了双方智能体的扩展，
泛用于m v n 的情形，功能上可以完全取代nash_recurrence.py。
附录D:
强化学习代码相关文件。
包括DQN、NashQLearning两个文件中的强化学习代码以及trained_vs_DQN_main.py，shoot_env.py是训练环境代码，
2022-05-02 14:08:16
260KB