[论文解读] Consensus on Matrix-weighted Time-varying Networks

Lulu Pan, Haibin Shao+3 more|arXiv (Cornell University)|Jan 30, 2020

Neural Networks Stability and Synchronization参考文献 25被引用 4

一句话总结

该论文通过引入矩阵加权积分网络并分析其拉普拉斯矩阵零空间，建立了矩阵加权时变网络实现平均一致性的必要与充分条件。对于周期性网络，证明了当且仅当一个周期内的积分网络具有正生成树时，可实现平均一致，提供了代数与图论双重条件。

ABSTRACT

This paper examines the consensus problem on time-varying matrix-weighed undirected networks. First, we introduce the matrix-weighted integral network for the analysis of such networks. Under mild assumptions on the switching pattern of the time-varying network, necessary and/or sufficient conditions for which average consensus can be achieved are then provided in terms of the null space of matrix-valued Laplacian of the corresponding integral network. In particular, for periodic matrix-weighted time-varying networks, necessary and sufficient conditions for reaching average consensus is obtained from an algebraic perspective. Moreover, we show that if the integral network with period $T>0$ has a positive spanning tree over the time span $[0,T)$, average consensus for the node states is achieved. Simulation results are provided to demonstrate the theoretical analysis.

研究动机与目标

• 为解决时变矩阵加权网络缺乏一致性条件的问题，其中标量加权网络结果因边权为矩阵值而不再适用。
• 将一致性理论扩展至能捕捉代理间多维依赖关系的矩阵值权重网络。
• 在时变拓扑结构满足弱切换假设的条件下，推导出平均一致性的必要与充分条件。
• 为周期性矩阵加权网络提供基于代数（拉普拉斯矩阵零空间）与图论（正生成树）的一致性条件。

提出的方法

• 在时间区间上引入矩阵加权积分网络，以聚合切换动态并分析一致性行为。
• 定义积分网络的矩阵值拉普拉斯矩阵，以表征系统动态与一致性收敛特性。
• 通过拉普拉斯矩阵的谱分析推导条件，特别关注代理状态与一致性子空间的对齐。
• 应用图论概念如正生成树于积分网络，以建立一致性的充分条件。
• 利用边权矩阵的正定性与半正定性概念，对网络中的强连接与弱连接进行分类。
• 通过分析一个周期内拉普拉斯矩阵的性质，推导出周期性网络中平均一致性的必要与充分代数条件。

实验结果

研究问题

• RQ1 在边权为对称矩阵的时变矩阵加权网络中，何种条件可确保平均一致？
• RQ2 由聚合时变拓扑结构形成的积分网络的结构如何决定一致性行为？
• RQ3 矩阵值拉普拉斯矩阵的零空间在确定一致性收敛中起何作用？
• RQ4 对于周期性矩阵加权网络，何种图论条件是实现平均一致的必要且充分条件？
• RQ5 在周期内积分网络中存在正生成树是否可保证平均一致？

主要发现

• 当且仅当积分网络的矩阵值拉普拉斯矩阵的零空间包含一致性子空间（即在扩展状态空间中所有分量为1的向量）时，可实现平均一致。
• 对于周期 $T>0$ 的周期性矩阵加权时变网络，基于 $[0,T)$ 区间内积分网络的拉普拉斯矩阵，推导出平均一致性的必要与充分代数条件。
• 建立了图论条件：若一个周期内积分网络具有正生成树，则可实现平均一致。
• 仿真结果确认一致性在 $[0.6958, 0.3382]^T$ 达到，与理论预测一致，即使单个网络拓扑结构本身无法支持一致性。
• 对单个拉普拉斯矩阵 $L(\tilde{\boldsymbol{G}}_1)$、$L(\tilde{\boldsymbol{G}}_2)$ 与 $L(\tilde{\boldsymbol{G}}_3)$ 的零空间分析无法保证一致性，但积分网络的零空间可以，表明积分网络框架的必要性。
• 边权矩阵为正定矩阵的存在，有助于在积分网络中形成正生成树，这对一致性至关重要。