欢迎关注《控制与决策》
01
具有复杂动力学的多智能体系统分布式优化综述
郭戈，康健
介绍
近期，东北大学郭戈教授团队在回顾现有连续时间分布式优化算法的基础上，根据系统动力学分类，对近年来具有复杂动力学的多智能体系统分布式优化问题研究进展进行了归纳总结，为信息物理系统的后续理论研究和进一步实践应用提供参考。
分布式优化是传统优化问题向群体智能优化的进一步推广，其主要研究每个智能体节点如何利用局部信息交互优化整个多智能体系统的全局目标，并在分布式计算、无线传感器网络源定位、智能电网经济调度、多机器人编队等实际问题中有着广泛的应用。起初，学者们大多致力于离散时间分布式优化算法的研究，即每个智能体的状态以迭代的形式更新。然而，在一些应用场景中，分布式优化问题的求解需要由连续时间演化的物理系统完成，例如协同控制中的无人机、机器人、机械臂和电网经济调度中的发电机系统。另一方面，大量的连续系统理论结果，特别是Lyapunov稳定性理论，为分布式优化算法的设计提供了一个新的视角。因此，以微分方程形式更新的连续时间分布式优化算法同样引起了广泛关注。基于此，该综述首先归纳出四类基本的连续时间分布式优化算法：比例积分算法、改进比例积分算法、零梯度和算法和有限时间一致算法，并对其延伸算法从通信条件、目标函数假设、收敛速度等角度展开分析。
值得注意的是，物理系统的复杂动力学特性是影响智能体状态演化的重要因素，包括高阶次、高维数和非线性。该综述又根据系统动力学分类，大体从线性系统和非线性系统两类，尽可能全面地评述具有复杂动力学的多智能体系统分布式优化问题的最新研究进展，并从执行器故障、暂态性能、控制代价等方面对未来发展方向进行展望。
本文引用格式
郭戈, 康健. 具有复杂动力学的多智能体系统分布式优化综述[J]. 控制与决策, 2024, 39(7): 2113-2124.
扫描二维码|阅读原文
02
多模式下的车辆和无人机联合配送模型与优化算法
贾兆红，王少贵，刘闯
介绍
随着社会物流规模的持续扩张，全球包裹递送业务的年度总开销现已突破万亿人民币大关，其中，“最后一公里”的配送开支比例超过50%，对物流配送行业施加了前所未有的压力与挑战。一方面，面对着“最后一公里”配送成本高昂、人工快递投送的高延迟问题以及传统车辆配送效率的低下，现有体系难以跟上物流需求的爆炸式增长步伐。另一方面，随着民众生活水平的不断提升，消费者关注点已从单一的价格因素转向更广泛的考量，其中包括配送速度、配送服务质量，这些都成为了决定用户满意度和忠诚度的关键要素。
在重视绿色低碳和服务至上的今天，改进物流配送模式，打造灵活、快捷、绿色环保、成本低廉的现代化物流配送方案，已成为广大物流企业与电商平台追求的目标，而无人机与车辆的联合配送模式为实现该目标提供了有效的解决方案。该方案不仅能减少车辆的碳排放和能源消耗，而且还能降低企业的人力成本和配送成本。如何在具体应用场景中设计合适的车辆和无人机的配送模式，以及如何规划车辆和无人机的配送服务路径，是引入无人机配送服务的企业亟待解决的难题。
在车辆和无人机联合配送过程中，车辆、无人机可以相互协作共同作为配送工具。现阶段的相关研究通常对配送问题中的部分约束做了简化处理，以降低问题的复杂性，例如：很少考虑实际配送过程中部分远离仓库中心并且车辆无法或者很难服务的客户（老旧社区或较偏远的农村地区的客户）。
因此，贾兆红教授团队融合了车辆与无人机协同配送与并行配送两种模式，引入车载无人机服务特殊客户，构建了由一辆搭载车载无人机的卡车和一组独立的无人机舰队共同组成的多模式车机联合配送模型，以最小化交付时间作为优化目标，建立了混合整数规划模型，设计了基于知识学习策略的多算子遗传算法来提高搜索效率。实验结果表明，与传统的交付模式相比，车辆与无人机联合配送模型可以有效缩短整个配送系统的最终交付时间。在大规模数据集上，所提出的算法比传统方法能够获得更优的解决方案。该研究可为解决物流配送的“最后一公里”问题提供有效指导和参考。上述研究得到了国家自然科学基金项目的资助。
本文引用格式
贾兆红, 王少贵, 刘闯. 多模式下的车辆和无人机联合配送模型与优化算法[J]. 控制与决策, 2024, 39(7):2125-2132.
扫描二维码|阅读原文
03
基于模型预测控制与改进人工势场法的多无人机路径规划
鲜斌，宋宁
介绍
随着控制理论与集成电路技术的发展，无人机的性能越来越优秀，在军事与民用领域得到广泛应用。然而随着应用场景的复杂化，单架无人机无法满足日益复杂的各类任务。多无人机系统具有负载能力高、泛用性强和容错率高的优点，因此逐渐成为了研究热点。
模型预测控制(Model Predictive Control-MPC)已成功应用于多无人机集群的路径规划。但其存在计算量大及单步运算时间长等不足之处, 在实时运行中往往难以获得较高的控制频率。而离线的 MPC 需要准确的地图信息, 难以处理地图中无法预测的动态障碍物。本文提出了一种结合离线 MPC 全局规划与在线改进人工势场法局部规划的方法。在利用 MPC 方法生成安全、平滑轨迹的同时，提高了无人机在动态障碍物影响下的避障能力。
全局规划表现为在先验地图中，借助各类约束条件与优化函数使多无人机系统满足动力学与运动学约束，规划出一条安全平滑的轨迹。通过引入松弛因子，将其加入优化函数，对硬约束条件进行放松，拓展了优化问题的求解空间。局部规划表现为借助人工势场法规避动态障碍物，提高了多无人机系统的动态避障能力。
本文引入了调节力来处理传统人工势场法的局部极小值问题，并将目标与无人机的相对距离引入斥力函数，同时改进了引力函数，以此改善了无人机在目标点处低速徘徊的问题。此外, 本文设计了一种事件触发的无人机轨迹变更与轨迹恢复策略，使无人机仅在必要时实施动态避障行为。在此基础上，最大化利用了原来的规划轨迹。仿真验证结果表明，本文提出的路径规划方法能够使无人机集群安全飞行至目标点，并且具有良好的动态避障能力。
本文引用格式
鲜斌, 宋宁. 基于模型预测控制与改进人工势场法的多无人机路径规划[J]. 控制与决策, 2024, 39(7):2133-2141.
扫描二维码|阅读原文
