聚類同步

一致性問題是多智慧型體分散式協調合作控制的基礎。所謂一致性是指隨著時間的演化，一個多智慧型體系統中所有智慧型體的某一個狀態趨於一致。一致性通過一致性協定實現。一致性協定是智慧型體之間相互作用、傳遞信息的規則，它描述了每個智慧型體和與其相鄰的智慧型體的信息交換過程。聚類同步就是首先給多智慧型體系統分類，然後每個類中都實現一致性。

基本介紹

• 中文名：聚類同步
• 外文名：cluster synchronization
• 學科：信息科學
• 領域：協同控制
• 套用：多智慧型體系統
• 起於：20世紀80年代

名詞解釋

多智慧型體系統中的一個基本問題就是一致性問題。一致性問題來源於多智慧型體系統的協調合作控制問題。一致性問題就是如何設計智慧型體局部之間的作用方式，使各智慧型體根據鄰居傳來的信息，不斷調整自己的行為，使所有的智慧型體的狀態隨著時間的推移達到共同的值。設計智慧型體之間的通信方式，稱作是一致性協定或者是一致性算法。聚類同步就是首先給多智慧型體系統分類，然後每個類中都實現一致性，即多一致性問題，本質上可化為一致性問題。

為什麼說一致性問題是多智慧型體系統中的一個基本問題？例如，用一組機器人排成特定的隊形，完成某個地域的地面掃雷工作，突然一個機器的零件更換導致不能運行，其他的幾個機器人意識到這個突髮狀況，首先對這種情況達成共同的認識即一致性，然後才能做出決定，調整隊形，繼續完成掃雷任務。所以，一致性問題是多智慧型體系統協調合作控制問題的一個首要和基本的條件，是非常有必要進行研究的。

多智慧型體系統中的群集問題和編隊控制中，只考慮位置靠攏和速度匹配問題，就是一致性問題。群集問題和編隊問題最後都要化為多智慧型體系統的一致性的相關問題。因此，從另外一個角度說明了一致性問題是多智慧型體系統的協調合作控制的一個基本和首要問題。

一致性問題

大量學者沿著不同思路和方法對多智慧型體系統一致性問題進行了研究，分別從連續和離散、固定和切換拓撲、帶有時滯和無時滯、有領導者和無領導者等多個方面進行研究多智慧型體系統的一致性問題。

1.有領導者的多智慧型體系統的一致性問題

在多智慧型體系統中，有個別智慧型體代表著整個多智慧型體系統的共同利益或者是其他智慧型體跟蹤的目標，把這些智慧型體稱作是領導者，把其他的智慧型體稱作是跟隨者，帶有領導者的多智慧型體系統的一致性問題，也稱作是一致性跟蹤問題，就是通過合適的算法，使得領導者和跟隨者的最終狀態達到一致。這種方法有其缺陷，就是當領導者遭到破壞或者是領導者的速度變化過快導致跟隨者跟蹤不上時，領導者和跟隨者的最終狀態無法達到一致。

在研究帶有領導者的一致性問題上，把領導者分為單個領導者和有多個領導者的情況。單個領導者的一致性問題方面，在現實的系統中，跟隨者不能線上得到領導者的速度，這給設計一致性控制算法帶來了困難，因此為了設計算法的需要，每個跟隨者要估計領導者的速度。

單個領導者的一致性問題方面，在實際生活中，例如用一組自主的機器人去移除一些對人類有危害的物質( 例如一些放射性物質) ，為了保證這些裝有有害物質的機器人按照預先指定的路線搬運到特定的地方，需要另外的一些機器人對它們進行約束，即這些機器人稱為領導者，裝有有害物質的機器人稱為跟隨者，要求設計合適的算法，使跟隨者要在領導者形成的凸包裡面，這就是多領導者的一致性問題，也稱作是多智慧型體系統的包含控制問題。

2.無領導者的多智慧型體系統一致性問題

在多智慧型體系統中，如果各智慧型體的地位和作用是平等的，稱這樣的系統是無領導者的多智慧型體系統。無領導者的系統也可以看作是帶有領導者的系統，即把其中一個智慧型體看作是虛擬的領導者就可以了。經典的一致性算法中，各個增益和每個邊上的連線權重是確定的，這樣帶來了局限性。實際中，智慧型體之間的通信方式在變化時，每條邊上的連線權重是變化的，很多學者對自適應一致性算法很感興趣。對高階多智慧型體系統一致性問題的研究，來源於自然界，例如自然界中排著規則隊形的鳥類，由於遇到食物來源或者危險，原來的規則隊形被打亂了，需要重新建立隊形，各個個體不僅需要鄰居的位置和速度的信息，還要需要加速度的信息。

3.隨機一致性問題

當拓撲結構是固定的，或者連續變化的拓撲是按一定順序的，稱作是確定的拓撲，即各智慧型體之間的通信連線是確定的，這種情況是在比較理想的情況下出現的。在現實中，由於通信介質、通信信道的限制，外部環境不確定的影響以及隨機噪聲的干擾，導致智慧型體之間的通信連線是隨機變化的。例如，數據傳輸的過程中丟包的發生導致智慧型體之間的通信中斷；一組機器人合作搬運大的物件，由於機器人自身攜帶的感測器受距離的限制，當2個智慧型體之間的距離超過此最大距離時，它們之間的通信就會中斷；再或者個別的智慧型體為了繞開障礙物，可能會出現通信中斷，當智慧型體移動到此最大距離範圍之內，2個智慧型體之間開始建立通信，研究智慧型體之間的通信是隨機變化的情況，是非常有意義的工作。當智慧型體之間通信的隨機變化滿足一定的條件時，即當前時刻的狀態只依賴於前一時刻的狀態，是馬爾可夫鏈中的一個性質，因此可以藉助隨機過程的相關知識處理一致性問題。當智慧型體通信的變化滿足馬爾可夫鏈，且智慧型體之間各個狀態差值平方的期望趨於0，稱作是多智慧型體系統的均方一致性問題。

4.快速一致性收斂和有限時間一致性問題

在多智慧型體系統中，因為收斂速度會影響系統的控制精度和抑制干擾的能力，也是衡量一個系統性能的重要指標，因此一致性收斂速度較快標誌著系統性能較強。快速一致性收斂問題受到眾多學者的關注。還有很多學者研究了有限時間一致性問題，與一般的一致性問題比較，在有限的時間內，各智慧型體的狀態達到一致，稱為有限時間一致性問題。

套用進展

1.群集問題

群集是由大量自治個體組成的集合。在無集中式控制和全局模型的情況下，通過個體的局部感知作用和相應的反應行為，使整體呈現出一致的行為。自然界中存在著大量的群集，如蟻群、魚群、蜂群等，在運動中達到整體上的動態穩定。這些形式各異的群體運動，在廣義上都是一種群集。由於不同種群間的差異，它們所顯示出來的群集行為也不盡相同。關於群集的概念，至今沒有一個明確的定義，目前普遍接受的群集的運動基本特點描述如下：a)智慧型體與智慧型體之間、智慧型體與障礙物之間不會發生碰撞；b)群集以某種隊形或者蜂湧運動；c)可能會有其他的最佳化要求。群集的運動過程中要求群集中的智慧型體之間進行局部協作，整體上在某些方面達成一致，以求最終能完成任務。

2.蜂湧問題

在一個多智慧型體系統中，所有的智慧型體最終能夠達到速度矢量相等，相互間的距離穩定，稱為蜂湧問題。蜂湧行為可以認為是群集的一種特殊情況。Reynolds於1987年提出了關於蜂湧運動的基本模型——Boid模型。該模型包含了三條啟發式規則，用於描述單智慧型體如何依賴群中其他智慧型體的速度和距離而運動：a)分離性，各成員之間避免碰撞；b)內聚性，各成員朝著一個平均的位置進行聚合；c)排列性,各成員沿著一個平均的方向共同運動，儘量與鄰居範圍內的群體成員保持速度匹配。

3.聚集問題

一群移動的智慧型體最後能夠在某一點聚集，稱為聚集問題。聚集問題的發展源於機器人套用的發展，如一群機器人要合作完成一個任務，到達一個共同的地點，在一片未知的地方進行搜救工作，或者一群無人駕駛飛機要達到一個共同地點等。聚集是一類特殊的一致性問題，聚集表示位置一致，聚集問題屬於無約束一致性問題，是為了設計一種局部控制策略，使得所有的智慧型體最終聚集在同一個未知點。

4. 感測器網路估計問題

4.1分散式卡爾曼濾波

網路級的估計問題一直受到不少學者的關注，近幾年分散式感測器網路迅速發展，研究重點主要集中在分散式卡爾曼濾波，每個感測器僅與部分感測器進行信息交換。

4.2網路丟包估計問題

丟包情況認為是由一個有限狀態的馬爾科夫過程下有界發生和驅動。