文献综述
课题研究的现状及发展趋势:
“智能体”是指具有自主性，学习能力，环境感知并及时响应的智能实体，在此基础之上，人们利用连接系统将多个智能体相连接，使它们形成相互作用，相互协调的体系，即多智能体系统。该系统具有灵活性，模块化，分布式，开放性，可重构性和可扩展性的特点，可以解决单个代理难以处理的复杂，动态，分散的调度问题。
多智能体系统已经成为一种廉价而强大的方法，可以解决从勘探，监视，侦察到协同构建和操纵等各种任务。这些系统的成功依赖于团队成员之间的有效信息交换和协调。在实际应用中，多智能体系统在取代目前的人工操作上具有很大的优势，可以节约成本并具有更强的安全性。同时，智能体通过局部协调作用也可以获得群体中的优势，使多智能体系统中在工程中的应用更具有实用性。譬如，在军事领域，空中无人驾驶机系统进行作战和侦察，有利于减少人员的伤亡；在民用领域，多智能体系统可以完成资源勘测、灾情侦察、环境监测等繁重、重复或具有一定危险性的任务。据有关调查显示，未来战场上多智能体系统的自动化技术将得到大规模的运用，各种作战平台例如海陆空等将与多智能体系紧密相连，将人工操作与智能控制想结合，共同晚上作战任务，这将是一种无可争议的发展趋势。
目前,多智能体系统控制主要是通过集中式控制和分布式控制进行。集中式控制前提是可以获得所有智能体的状态信息。中央控制器收集所有状态信息，做出控制决策，并向每个智能体发送相应的控制命令。集中控制本质上是对单个系统的控制，虽然复杂，但到目前为止已经很好地开发了。然而，在多智能体系统的大多数应用中，由于通信约束和传感器的限制，中央控制器无法观察到完整的状态信息。集中控制方法的另一个缺点是中央控制器的复杂性随着代理的数量和代理之间的耦合而增加。此外，网络拓扑中的任何变化可能需要重新设计控制器。因此，就目前的发展状况而言，分布式控制无疑是一种较好的控制方式，在不需要中央控制其的基础上，它考虑到每个智能体的信息处理能力，可以将多智能体系统的计算压力摊派到各个智能体上，不仅可以提高系统的协调性、扩展性，还可以使每个智能体使用其自身以及邻居的状态信息来维护自己的控制器，让所有智能体都试图作为一个整体进行合作。在过去几年中，分布式优化问题一直是热门话题。在控制理论的背景下，对分布式优化进行了越来越多的研究。它的广泛应用可以在各个领域找到，例如统计机器学习，智能电网，传感器网络等。
基于多智能体系统环境环境，分布式优化问题的目标是以分布式方式同步解决优化问题，其中目标函数由一系列本地目标函数构成，每个智能体只能访问一个本地目标函数。最终目标是通过与相邻的智能体的本地计算和信息交换，使所有智能体的状态收敛到优化问题的最优解。与多智能体系统的集中式控制问题相比，它使所有智能体达到共同状态，分布式的优化问题不仅使所有智能体实现相同的状态，而且最小化优化问题因此，多智能体系统的分布式同步控制具有许多非常重要的研究价值，已成为重要研究方向。
所谓的同步问题，就是如何设置有效可行的算法让多个智能体在个体控制器下形成信息交流网络，让个体状态趋于并达到相同值，在良好应对外部突变诸如信息丢失等最终完成信息指令。要解决这个问题，就要考虑多智能体系统中的时滞问题、多个系统的耦合问题以及状态反馈问题。
由于信息传输和传播的速度有限以及交通拥堵，并且时间延迟可能导致不期望的动态，使得系统耗尽，所以在实际系统存在时间延迟是常见的。稳定性也因此成为研究多智能体系统同步问题的最基本的问题之一。考虑到时滞在许多实际系统中不可避免地遇到并且总是导致不稳定，所以有必要研究时滞对智能体的影响，尤其是分析系统时延的鲁棒性。对于多智能体系统，通信延迟总是阻碍智能体之间的信息传输。在如何解决多智能体系统的同步问题上，目前主要的考虑的问题是2类时滞问题，即通信过程中的时滞和输入过程中的时滞，我们通过李雅普诺夫方法、频域法、压缩法等能够分析出多智能体系统中实现同步性性能的最大时滞上限，超过该上限则系统不能实现同步。然而通过大量的实践表明，在实际应用中，各个智能体系统本身常常会存在一个自带的时滞系统，存在自身状态的时滞，而自身状态时滞与输入时涉往往是非一致的，这就需要我们在多智能体系统的算法设计中考虑时间延迟并将多智能体系统的同步算法进行进一步优化，把自身时滞考虑进去。
耦合度是指智能体与智能体之间参数和信息的依赖程度，智能体之间的耦合度越强，智能体之间的联系就越紧密，这种紧密更多的体现在控制关系、调用关系、数据传递关系上，但并不意味着耦合度越高越好。耦合度越高就说明单个智能体的独立性越差，当系统中的一个智能体出现故障，对其他智能体的影响就越大。因此，在进行多智能体的同步优化问题的研究时，我们要找到暗示许多耦合的单个系统同步的条件。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
