[论文解读] Optimal mass transport and kernel density estimation for state-dependent networked dynamic systems

Mathias Hudoba de Badyn, Utku Eren+2 more|arXiv (Cornell University)|Sep 20, 2018

Mathematical Biology Tumor Growth参考文献 29被引用 4

一句话总结

本文提出一种针对状态相关网络化多智能体系统的混合控制策略，采用最优质量传输（OMT）进行前馈密度整形，结合状态相关核密度估计（KDE）实现局部反馈控制。该方法通过融合OMT提供的全局最优速度场与尊重动态网络拓扑的去中心化密度估计，实现精确的密度跟踪，确保在稀疏、状态相关的通信条件下收敛至目标分布。

ABSTRACT

State-dependent networked dynamical systems are ones where the interconnections between agents change as a function of the states of the agents. Such systems are highly nonlinear, and a cohesive strategy for their control is lacking in the literature. In this paper, we present two techniques pertaining to the density control of such systems. Agent states are initially distributed according to some density, and a feedback law is designed to move the agents to a target density profile. We use optimal mass transport to design a feedforward control law propelling the agents towards this target density. Kernel density estimation, with constraints imposed by the state-dependent dynamics, is then used to allow each agent to estimate the local density of the agents.

研究动机与目标

• 解决非线性、状态相关网络化动态系统中缺乏统一控制策略的问题，其中智能体之间的连接关系随状态演化。
• 设计一种物理上可实现的控制律，引导智能体从初始密度分布演化至期望的目标密度。
• 将最优质量传输用于前馈控制，结合核密度估计实现局部反馈，同时考虑动态网络拓扑的影响。
• 在基于邻近度的、状态相关的通信约束下，通过基于局部估计密度的反馈律确保收敛至目标密度。

提出的方法

• 使用最优质量传输（OMT）计算时变速度场，将初始智能体密度ρ₀传输至目标密度ρ₁，满足连续性方程。
• OMT解提供一种前馈控制输入，定义了在平均场极限下智能体的期望运动轨迹。
• 开发一种改进的核密度估计（KDE）框架，仅利用邻居测量值估计局部智能体密度，受限于状态相关的网络拓扑。
• 构建一个二次规划问题，以在基于邻近度的边切换条件下优化核带宽与权重，确保密度估计的一致性与物理可实现性。
• 从估计密度中推导出反馈控制律，以校正OMT轨迹的偏差，提升对不确定性的鲁棒性。
• 构造一个李雅普诺夫函数，证明估计密度在平均场极限下收敛至真实密度，确保闭环系统的稳定性。

实验结果

研究问题

• RQ1 如何将最优质量传输适配于设计具有时变互连关系的状态相关多智能体系统的前馈控制律？
• RQ2 在智能体通信依赖于状态相关邻近度的条件下，核密度估计在实现去中心化、局部反馈控制中起到何种作用？
• RQ3 结合OMT与状态相关KDE的混合控制策略，能否在非线性、网络化系统中实现精确且稳定的密度跟踪？
• RQ4 交互半径h的选择如何影响基于邻近度的边切换中的性能与计算负载？
• RQ5 在动态网络拓扑存在的情况下，何种条件可确保局部估计密度的一致性与稳定性？

主要发现

• 基于OMT的前馈控制律成功地将智能体从初始的二维高斯密度分布传输至目标环形密度分布，仿真结果在100×100×100网格上得到验证。
• 当与基于状态相关KDE的反馈控制律结合时，智能体在目标密度周围的组织程度显著优于仅使用前馈控制的情况。
• 李雅普诺夫分析证明，估计密度在平均场极限下收敛至真实密度，确保闭环系统的渐近稳定性。
• 在条件lim_{N→∞} Nh(N) = ∞下，核密度估计具有一致性，保证了局部密度估计以几乎必然收敛至真实密度。
• 反馈控制律有效减少了分散性，并提升了与目标分布的对齐程度，如图5与图6的可视化对比所示。
• 该方法对稀疏、状态相关的通信具有鲁棒性，因为KDE框架能自适应地调整邻居集合，而无需全局知识。