[论文解读] Adding a single memory per agent gives the fastest average consensus

Alain Sarlette|arXiv (Cornell University)|Dec 1, 2014

Distributed Control Multi-Agent Systems被引用 6

一句话总结

该论文证明，在未知交互图下，为离散时间线性一致性网络中的每个代理配置恰好一个内存寄存器，可实现平均一致性最快收敛。为每个代理增加超过一个内存槽无法进一步提升收敛速度，证明每个代理仅使用一个内存是使收敛时间最小化的最优方案。

ABSTRACT

Previous papers have proposed to add memory registers to the individual dynamics of discrete-time linear agents to move faster towards average consensus under interactions dictated by a given but unknown graph. They have proved that adding one memory slot per agent allows faster convergence. We here prove that this situation cannot be improved by adding more memory slots. We conclude by discussing a more general framework for our result in an algorithmic context.

研究动机与目标

• 研究在离散时间线性多智能体系统中，为每个代理增加多个内存寄存器是否能加速平均一致性收敛。
• 确定在未知交互图下，实现最快收敛速率的每个代理最优内存槽数量。
• 建立通过内存增强在一致性动力学中收敛速度提升的理论边界。
• 分析内存使用在分布式一致性协议中的算法影响。

提出的方法

• 使用带内存寄存器以存储过去状态信息的离散时间线性系统建模代理动态。
• 通过系统更新矩阵的谱特性（特别是次大特征值模值，SLEM）分析收敛速度。
• 证明为每个代理增加超过一个内存槽无法使SLEM低于单个内存槽情况下的值。
• 利用矩阵分析与特征值优化技术，比较不同内存配置下的收敛速率。
• 构建适用于各种网络拓扑的内存增强一致性算法通用框架。

实验结果

研究问题

• RQ1 为每个代理增加超过一个内存槽是否能提升线性多智能体系统中平均一致性的收敛速度？
• RQ2 是否存在通过内存增强实现收敛速度提升的理论上限？
• RQ3 在未知交互图下，每个代理仅使用一个内存槽是否能实现最小可能的收敛时间？
• RQ4 增加内存如何影响一致性更新矩阵的谱特性？

主要发现

• 在未知交互图下，为每个代理增加一个内存槽可实现平均一致性收敛的最快可能速率。
• 将内存槽数量增加至一个以上无法降低次大特征值模值（SLEM），因此无法提升收敛速度。
• 当每个代理恰好维持一个内存寄存器时，无论网络拓扑如何，均可实现最优收敛速率。
• 理论分析证实，进一步增强内存无法在单内存情况下加速一致性收敛。