[论文解读] Distributed event-triggered coordination for average consensus on weight-balanced digraphs

Cameron Nowzari, Jorge Cortés|arXiv (Cornell University)|Jul 29, 2014

Distributed Control Multi-Agent Systems被引用 4

一句话总结

本文提出了一种在权平衡有向图上实现多智能体平均一致性问题的分布式事件触发算法，使智能体能够基于本地状态事件来更新通信与控制，而无需持续监控邻居状态。该算法保证了对初始平均值的指数收敛，排除了Zeno行为，并且无需全局参数知识，同时扩展至切换拓扑结构和周期性实现。

ABSTRACT

This paper proposes a novel distributed event-triggered algorithmic solution to the multi-agent average consensus problem for networks whose communication topology is described by weight-balanced, strongly connected digraphs. The proposed event-triggered communication and control strategy does not rely on individual agents having continuous or periodic access to information about the state of their neighbors. In addition, it does not require the agents to have a priori knowledge of any global parameter. We show that, under the proposed law, events cannot be triggered an infinite number of times in any finite period (i.e., no Zeno behavior), and that the resulting network executions provably converge to the average of the initial agents' states exponentially fast. We also provide weaker conditions on connectivity under which convergence is guaranteed when the communication topology is switching. Simulations illustrate our results.

研究动机与目标

• 为解决多智能体平均一致性中连续或周期性通信的低效问题，设计一种分布式事件触发策略。
• 使智能体能够在无需持续访问邻居状态或全局网络参数知识的情况下运行。
• 确保在权平衡有向图上（包括切换拓扑结构）实现无Zeno行为的执行和指数收敛。
• 设计一种周期性实现方式，避免持续评估触发函数。
• 将先前工作从无向图扩展至一般权平衡有向图，并提供可证明的收敛性保证。

提出的方法

• 该算法基于本地估计误差设计状态依赖的事件触发机制，使智能体能够根据本地条件决定何时通信或更新控制。
• 构造一个李雅普诺夫函数，以证明在事件触发律下，系统能实现对初始状态平均值的指数收敛。
• 通过最小事件间隔的下界设计，确保事件间隔远离零，从而防止Zeno行为。
• 对于切换拓扑结构，证明在弱连通性假设下（如联合强连通或一致联合权平衡有向图）仍能实现收敛。
• 引入一种周期性实现方式，仅在采样时刻评估触发函数，从而降低计算负载。
• 周期性变体通过一个设计参数σ控制通信频率与收敛速度之间的权衡，其采样周期需满足一个充分条件以保证渐近正确性。

实验结果

研究问题

• RQ1 能否在权平衡有向图上设计事件触发通信与控制机制，实现平均一致性，且无需持续访问邻居状态？
• RQ2 所提出的算法是否能避免Zeno行为，确保在有限时间间隔内仅发生有限次触发？
• RQ3 在无全局参数知识的前提下，能否保证事件触发律下对初始平均值的指数收敛？
• RQ4 该算法在切换通信拓扑下表现如何？何种更弱的连通性条件足以保证收敛？
• RQ5 能否设计一种周期性实现方式，保持正确性的同时减少对触发条件的持续评估？

主要发现

• 所提出的事件触发算法在权平衡有向图上实现了对初始智能体状态平均值的指数收敛，且无需持续监控邻居状态。
• 该算法排除了Zeno行为，事件间隔存在正的下界，确保在有限时间内不会发生无限次触发。
• 当时间区间内图的并集为联合强连通或一致联合权平衡时，算法在切换拓扑下仍能保证收敛。
• 提出了一种周期性实现方式，触发函数仅在离散采样时刻评估，从而降低了计算成本。
• 仿真结果表明，通信频率与收敛速度之间存在权衡：σ值越高，通信越少，但收敛越慢。
• 当采样周期满足由系统动态和网络结构推导出的充分条件时，周期性变体能保持渐近正确性。