离散时间大种群随机多智能体系统的线性二次分散动态博弈

研究具有耦合二次型随机性能指标的离散时间大种群随机多智能体系统的分散博弈问题.系统所受的噪声干扰为条件二阶矩有界的鞅差序列,比以往研究所考虑的高斯白噪声情形更具有广泛性.采用状态聚集方法构造了对种群状态平均的估计,基于Nash必然等价原理设计了分散控制律,并利用概率极限理论分析了闭环系统的稳定性和最优性.主要结果包括(1)证明了对种群状态的平均的估计在某种范数意义下的强一致性,即种群状态的平均与其估计值之间的误差在该范数意义下将随系统个体数N的增加几乎必然收敛于0;(2)证明了闭环系统的几乎必然一致稳定性,即系统的稳定性与种群个体数N无关;(3)证明了所设计的分散控制律是几乎必然渐近Nash均衡策略.     

ADAPTIVE REGULATION FOR DETERMINISTIC SYSTEMS

For the linear deterministic system with unknown orders and coefficients adaptive controlsare given so that the closed-loop system is stabilized and the unknown parameters are consistentlyestimated. Moreover, if the parameter estimation is ignored, then the system input and outputcan be reduced to zero with an exponential rate.     

一种针对代谢网络多平衡态性质的强连通分解方法

针对反应速率满足一定条件的代谢网络,提出了一种强连通分解方法对网络进行分解,通过研究分解后的子网络来分析整体网络的多平衡态性质.基于代谢网络的拓扑结构,构造了其对应的代谢反应图和相互作用图,引入了紧缩运算的定义,构造了强连通分解算法;给出了该算法的计算复杂度,证明了分解的唯一性以及分解后子网络的强连通性,阐明了子网络与整体网络在多平衡态性质意义下的关系,举例说明了强连通算法和所得主要结果的有效性.     

集值系统的辨识与适应控制

研究集值系统的辨识与适应控制,这是在随着网络化和信息化发展的过程中遇到的新兴热点问题.集值系统有着广泛的实际应用背景,但其研究才刚刚起步,主要原因是其辨识和控制的可用信息非常少,只是系统输出是否属于某个集合,从而使得已有方法无法适用.总结了近年来关于集值系统的研究工作:在辨识方面,从不同的系统结构、不同的噪声情况和不同的集值情形等方面进行了深入的研究.针对性地提出了参数解耦、比例满秩输入设计、联合可辨识、经验分布函数、在线递推等有效的辨识和控制方法,得到了一系列重要结果;在适应控制方面,实现了一类集值增益系统的适应跟踪控制.所得成果从正面回答了集值系统研究的核心科学问题:即使利用极为粗糙的集值信息,仍然可以精确地估计和控制系统,而且可以构造渐近最优的算法.     

基于马尔科夫拓扑切换和随机通信干扰的连续时间多自主体系统的趋同控制

研究了基于不可靠通信网络的连续时间多自主体系统的趋同控制.自主体间的通信信道受高斯噪声干扰;不可靠通信因素导致的网络拓扑随机切换由马氏链刻画.为克服随机噪声和马尔科夫拓扑切换的影响,设计了随机逼近型趋同协议;基于马氏跳参数随机微分方程稳定性理论、代数图理论、连续鞅和马氏链理论,证明了多自主体系统实现渐近无偏均方平均趋同...     

非平衡拓扑和随机干扰情形下多自主体系统的趋同条件

研究了具有一般有向通信拓扑和高斯通信噪声的多自主体系统的趋同条件.这里所研究的有向拓扑不仅包含有向平衡图,而且包含非平衡图,后者是本文的重点.我们利用马氏链的结果得到了一个网络节点的互通类;通过对噪声影响的细化,给出了不同噪声情形下系统趋同条件:(1)对互通类的自主体获取信息受到噪声干扰情形,给出了系统均方趋同的充要条件,并证明该条件也保证以概率1 趋同;(2)对互通类的自主体获取信息未受到噪声干扰但其余自主体获取信息受到干扰情形,给出了系统均方趋同的充分条件,并证明该条件在一定意义下也是必要的;(3)对整个系统无噪声情形,给出了系统趋同的充要条件.     

LMS-LIKE ESTIMATION FOR TIME VARYING PARAMETERS

An LMS-like algorithm is applied for estimating the time-varying parameter θ_n in the linear model y_n=φ_n~τθ_n+v_n, which is general in the sense that none of the probabilistic properties such as stationarity, Marker property, independence and ergodicity is imposed on any of the processes {y_n}, {φ_n}, {θ_n} and {v_n}. It is shown that the α-th moment of the estimation error is of order of the α-th moment of the observation noise and the parameter variation