[论文解读] On noise-induced synchronization and consensus

Giovanni Russo, Robert Shorten|arXiv (Cornell University)|Feb 20, 2016

Nonlinear Dynamics and Pattern Formation参考文献 25被引用 4

一句话总结

本文提出了一种基于李雅普诺夫的新方法，用于在由伊tô随机微分方程描述、具有非线性、状态相关噪声的网络中实现同步与一致性。结果表明，可通过设计噪声来诱导同步，从而在耦合较弱或存在隐私约束的情况下控制复杂网络，如在智慧城市和物联网应用中所展示的那样。

ABSTRACT

In this paper, we present new results for the synchronization and consensus of networks described by Ito stochastic differential equations. From the methodological viewpoint, our results are based on the use of stochastic Lyapunov functions. This approach allowed us to consider networks where nodes dynamics can be nonlinear and non-autonomous and where noise is not just additive but rather its diffusion can be nonlinear and depend on the network state. We first present a sufficient condition on the coupling strength and topology ensuring that a network synchronizes (fulfills consensus) despite noise. Then, we show that noise can be useful, and present a result showing how to design noise so that it induces synchronization/consensus. Motivated by our current research in Smart Cities and Internet of Things, we also illustrate the effectiveness of our approach by showing how our results can be used to analyze/control the onset of synchronization in noisy networks and to study collective decision processes.

研究动机与目标

• 通过分析具有非线性、非自治节点动力学以及非加法性、状态相关噪声的网络中的同步与一致性，填补现有文献中的空白。
• 克服假设网络无噪声的局限性，推导出噪声不会破坏、甚至可能诱导同步的条件。
• 设计一种新型的噪声传播层，作为分布式控制输入，驱动网络实现一致性，即使原始耦合较弱。
• 通过利用噪声隐藏私有数据，实现在物联网和智慧城市网络中的隐私保护型协调。
• 为实际系统（如电力网络、神经网络和分布式决策过程）提供一个理论框架。

提出的方法

• 使用随机李雅普诺夫函数，推导出具有非线性动力学和状态相关噪声扩散的网络实现完全随机同步的代数充分条件。
• 制定一个将耦合强度、网络拓扑、节点动力学和噪声扩散联系起来的条件，以确保即使在存在噪声的情况下仍能实现同步。
• 引入一种新型控制层，其中噪声以不同于原始网络的拓扑方式注入，使噪声能够作为稳定化的控制输入发挥作用。
• 应用代数图论计算噪声传播层的关键谱性质（例如，第二小的拉普拉斯特征值），以确保同步。
• 使用伊tô随机微分方程建模网络动力学，并以紧凑的矩阵形式表示系统，以分析对同步流形的横向稳定性。
• 推导出节点动力学和耦合项的利普希茨常数 $ K_f $, $ K_g $, 和 $ \bar{K}_g $ 的界，以建立稳定性条件。

实验结果

研究问题

• RQ1 是否可以利用噪声来诱导具有弱耦合或非线性耦合的网络实现同步？
• RQ2 在何种条件下，状态相关噪声不会破坏，甚至可能促进随机网络中的一致性？
• RQ3 如何设计一个独立的噪声传播层，使其能够独立于原始网络拓扑控制网络同步？
• RQ4 在不牺牲收敛性的前提下，噪声可通过何种方式用于保护分布式协调过程中的隐私？
• RQ5 在具有非线性、非自治动力学和非加法性噪声的网络中，确保完全随机同步的数学条件是什么？

主要发现

• 推导出一个充分条件，表明当耦合强度和网络拓扑相对于噪声强度足够强时，具有非线性、非自治节点动力学和状态相关噪声的网络能够实现完全随机同步。
• 本文证明，通过引入一种具有不同于原始网络拓扑的新型噪声传播层，可以设计噪声以诱导同步，从而在原始耦合较弱时仍能实现控制。
• 在FN振子示例中，当耦合强度和噪声参数满足所推导的基于李雅普诺夫的条件时，可实现同步，其中 $ K_f = \lambda_{\text{max}}(J_{\text{sym}}(0)) $ 由雅可比矩阵的对称部分计算得出。
• 在集体决策过程中，当 $ K_f = 1 $, $ K_g = 1 $, 且 $ \bar{K}_g = 1 $ 时，该方法可确保实现一致性，模拟结果表明仅当 $ \lambda_2 = 3 $ 时收敛，而 $ \lambda_2 = 0.38 $ 时不收敛。
• 理论分析证实，只要噪声传播层的拉普拉斯特征值在同步流形的横向方向上足够大（例如，示例中为 $ N $），即使其物理连接为零，也能诱导同步。
• 该框架支持隐私保护型协调：各 agent 可在不共享精确状态的情况下实现一致性，因为噪声可隐藏私有数据，同时保持收敛性。