[论文解读] Resilient Continuous-Time Consensus in Fractional Robust Networks

Heath J. LeBlanc, Haotian Zhang+2 more|arXiv (Cornell University)|Mar 11, 2013

Distributed Control Multi-Agent Systems参考文献 22被引用 4

一句话总结

本文提出了一种连续时间的弹性一致性协议 ARC-P，适用于分数敌手模型下的多智能体网络，其中每个正常智能体的邻居中最多有分数 $f$ 为敌对节点。通过引入一种新颖的图论度量——分数鲁棒性，作者证明：在时变拓扑结构且具有驻留时间约束的条件下，若网络为 $2f$-分数鲁棒（充分条件），则可实现一致性；若网络为 $f$-分数鲁棒（必要条件），则可实现一致性。

ABSTRACT

In this paper, we study the continuous-time consensus problem in the presence of adversaries. The networked multi-agent system is modeled as a switched system, where the normal agents have integrator dynamics and the switching signal determines the topology of the network. We consider several models of omniscient adversaries under the assumption that at most a fraction of any normal agent's neighbors may be adversaries. Under this fractional assumption on the interaction between normal and adversary agents, we show that a novel graph theoretic metric, called fractional robustness, is useful for analyzing the network topologies under which the normal agents achieve consensus.

研究动机与目标

• 解决在分数敌手模型下连续时间系统中缺乏弹性一致性的拓扑条件的问题。
• 克服传统图论度量（如连通性）在极端值移除下无法捕捉信息流冗余性的局限性。
• 开发一种连续时间版本的 MSR 算法（ARC-P），在仅依赖局部信息和分数敌手假设下运行。
• 基于适用于时变网络拓扑的分数鲁棒性度量，建立弹性一致性的必要与充分条件。
• 在假设每个正常智能体的邻居中最多有分数 $f$ 个被攻破的前提下，分析三种敌手模型（拜占庭、恶意和崩溃）下的收敛性。

提出的方法

• 将网络建模为切换系统，其时变有向图 $\mathcal{D}(t)$ 由分段常数切换信号 $\sigma(t)$ 控制。
• 将对抗鲁棒一致性协议（ARC-P）适配至连续时间，其中每个正常智能体基于去除极端值后的邻居状态加权平均来更新其状态。
• 引入一种分数鲁棒性度量，定义为 $p$-分数鲁棒性，其中 $p > 2f$，用于刻画在 $f$-分数敌手模型下网络的鲁棒性。
• 基于最大值与最小值在离散时间区间 $\Delta$ 内的演化，采用反证法，追踪具有极端值的智能体集合的减少过程。
• 应用驻留时间假设（$t_{k+1} - t_k \geq \tau$），以确保在拓扑切换之间有足够时间实现收敛。
• 定义 $\Psi(t) = M_{\mathcal{N}}(t) - m_{\mathcal{N}}(t)$ 为正常智能体之间最大值与最小值的差距，并证明在鲁棒性条件下，$\Psi(t)$ 在时间区间内严格递减。

实验结果

研究问题

• RQ1 当敌手构成每个正常智能体邻居中分数 $f$ 的比例时，何种拓扑条件可确保连续时间多智能体系统中实现弹性一致性？
• RQ2 分数鲁棒性度量与 ARC-P 协议在时变网络拓扑下的收敛性有何关系？
• RQ3 能否在 $f$-分数敌手模型下，为连续时间系统建立弹性一致性的必要与充分条件？
• RQ4 不同敌手模型（拜占庭、恶意和崩溃）在分数威胁假设下如何影响一致性协议的鲁棒性？
• RQ5 在时变网络中，拓扑切换之间的驻留时间在确保收敛性方面起何种作用？

主要发现

• 当网络为 $2f$-分数鲁棒时，ARC-P 协议可在连续时间下实现弹性一致性，此为收敛的充分条件。
• 弹性一致性的必要条件是网络必须为 $f$-分数鲁棒，从而在给定敌手模型下确立了边界的紧致性。
• 协议确保正常智能体之间最大值与最小值的差距 $\Psi(t) = M_{\mathcal{N}}(t) - m_{\mathcal{N}}(t)$ 在时间区间 $\Delta$ 内严格递减，从而实现一致性。
• 对于时变网络，若对所有 $t \geq t'$，网络均为 $p$-分数鲁棒且满足 $2f < p \leq 1$，且切换间隔下界为驻留时间 $\tau$，则可保证收敛。
• 即使敌手具有全知能力并可自适应地操纵数值，只要每个正常智能体的被攻破邻居比例不超过 $f < 1/2$，协议仍能保持鲁棒性。
• 分析表明，具有极端值的智能体数量（$\mathcal{X}_M^j$ 和 $\mathcal{X}_m^j$）随时间减少，确保 $\Psi(t)$ 最终低于任意 $\epsilon > 0$，从而意味着达成一致性。