Bipartite consensus of general linear multi-agent systems

随着货物运输系统中能耗的Swift增加，应认真考虑能源和环境问题。 通过调整货运量，向更加节能，合理的方向发展货运结构，以达到降低能耗的目的。 考虑到货运调整系统本身的特点，本文介绍了一种基于多主体的模型，该模型是根据需求响应从政府主体，运输公司主体和货物所有者主体分别构建的。 通过Netlogo进行的实验证明，货运在调节货物运输系统的能耗方面发挥了积极作用，并提出了节能建议和政策。

Consensus control of nonlinear leader-follower multi-agent systems with actuating disturbances

% 本文参照文献：Flocking for Multi-Agent Dynamic Systems:Algorithms and Theory clear; close all; clc; %% Parameters 初始化参数 num_agents = 100; t_gap=1; % 迭代间隔 queue_gap=15; % 队形间隔 queue_vy=12; queue_vx=13; queue_r=40; r_c=20; % 交互范围（半径） k=1.2; % 晶格的ratio d=r_c/k; % 晶格的scale(表示两两智能体之间的距离（论文中公式5）) v_0=2; % 初始速度 v_limit=0; % 最大速度 efs = 1; % sigma-norms parameter h=0.4; % 设置bump function的分割点（公式10） d_o = r_c; r_c_sigma = sigma_norm(r_c,efs); % r_c的σ范数 d_sigma = sigma_norm(d,efs); % d的σ范数 map_width = 400; % width of a squre map map_res = 0.5; % width of a grid to play obstacles pixel c1=0.2;c2=0.5;c3=0.2;c4=0.1;c5=10;c6=0.01; x = zeros(num_agents,2); % current position x_1 = zeros(num_agents,2); % previous position v_1 = zeros(num_agents,2); % previous velocity x_r0= zeros(num_agents,2); % x_r0：用来存储指定的队形信息 v_r_1st_point=300; path_num = zeros(1000,2,num_agents); v_r=[1,0];

matlab kinect 代码使用分布式估计和基于视觉的导航对多个机器人进行基于视觉的分布式群控制 布拉德利大学高级项目。 基于视觉的多机器人编队跟踪。 该项目包含用于实现和模拟多智能体目标跟踪机器人的 Simulink 代码和 matlab 代码。 工作已完成。 代码旨在在 QBot2 上实现，该 QBot2 具有基于深度/RGB 的 kinect 相机。 该设计将采用基于视觉的方法来定位和包围移动目标。 请查看我们的网站了解更多详情。 元 安东尼·勒

多智能体深度强化学习TensorFlow代码实现，有环境和演示实例

multi-agent-path-finding

状态：存档（代码按原样提供，预计不会更新） 多主体出现环境 环境生成代码（） 安装 该存储库取决于软件包。 您将需要克隆mujoco-worldgen存储库并安装它及其依赖项： pip install -r mujoco-worldgen/requirements.txt pip install -e mujoco-worldgen/ pip install -e multi-agent-emergence-environments/ 仅在Mac OS X和带有Python 3.6的Ubuntu 16.04上测试了此存储库 使用 以下列方式环境建设工程：你从一开始Base环境（定义mae_envs/envs/base.py ），然后添加环境模块（如Boxes ， Ramps ， RandomWalls等），然后在上面的包装。 您可以在mae_envs/envs文件夹中查看示例。 如果要

以前对多智能体系统的大多数研究都只考虑了一阶和二阶动力学。 在这篇综述中，我们介绍了与分布式高阶线性多主体协调相关的主要结果和进展。 我们还将讨论当前的挑战，并提出一些有前途的研究方向，以及需要进一步研究的未解决问题。

多agent 中文版 pdf原来英文版翻译multi－agent Wooldridge