[论文解读] Distributed Consensus on Set-valued Information

Adriano Fagiolini, Nevio Dubbini+1 more|arXiv (Cornell University)|Jan 12, 2011

Distributed Control Multi-Agent Systems被引用 3

一句话总结

本文提出了一种分布式一致性算法，适用于通过网络通信的代理，其中信息以通过布尔运算（并集、交集、补集）演化的实数集合表示。基于收缩性框架，该文建立了全局和局部收敛至平衡状态的充分必要条件，将先前结果推广至更一般的集合值框架，并对收敛行为进行了形式化表征。

ABSTRACT

This paper focuses on the convergence of infor- mation in distributed systems of agents communicating over a network. The information on which the convergence is sought is not represented by real numbers, rather by sets of real numbers, whose possible dynamics are given by the class of so-called Boolean maps, involving only unions, intersections, and complements of sets. Based on a notion of contractivity, a necessary and sufficient condition ensuring the global and local convergence toward an equilibrium point is presented. In particular the analysis of global convergence recovers results already obtained by the authors, but the more general approach used in this paper allows analogue results to be found to characterize the local convergence.

研究动机与目标

• 解决代理交换集合值信息而非标量值的多智能体系统中的一致性问题。
• 使用涉及并集、交集和补集的布尔映射来建模集合值信息的动力学。
• 开发一种基于收缩性的框架，以分析此类系统中收敛至平衡状态的行为。
• 推导出全局和局部收敛至一致状态的充分必要条件。
• 将先前关于一致性收敛结果的范围扩展，以包含集合值信息交换下的局部收敛行为。

提出的方法

• 代理通过网络通信，交换实数集合而非标量值。
• 集合动力学由布尔映射控制，包括集合的并集、交集和补集。
• 引入收缩性概念以分析收敛性，推广了标量一致性中的相关概念。
• 理论分析采用类似李雅普诺夫的方法，建立收敛至平衡状态的条件。
• 该框架区分了全局收敛与局部收敛，并为每类收敛推导出相应条件。
• 通过在集合值动力学下对收敛准则的形式化数学推导，验证了该方法。

实验结果

研究问题

• RQ1 当信息以集合而非实数表示时，如何在多智能体系统中实现一致性？
• RQ2 何种数学条件可确保在分布式网络中收敛至共同的集合值平衡状态？
• RQ3 收缩性框架能否从标量一致性问题扩展至集合值一致性问题？
• RQ4 集合值一致性中全局收敛与局部收敛有何区别，各自如何表征？
• RQ5 布尔运算（并集、交集、补集）如何影响集合值信息的收敛行为？

主要发现

• 基于收缩性框架，推导出全局收敛至一致集合的充分必要条件。
• 同一框架使局部收敛的充分必要条件得以推导，扩展了先前结果。
• 当集合退化为单点时，该分析可恢复已知的标量一致性结果作为特例。
• 使用布尔映射可在保持收敛保证的同时，对复杂集合动力学进行建模。
• 该方法为分布式集合值信息交换下的平衡集合提供了形式化表征。
• 该方法使在信息本质上为集合值的系统（如机器人传感或分布式估计）中实现收敛分析成为可能。