文献综述
本课题的现状及发展趋势：与单个系统相比,多智能体系统能够通过相互间传递与分享状态信息来共同合作完成单个系统无法完成的复杂任务，因而具有广泛的应用价值。随着中国科技的发展和不断进步，多智能体系统在工程当中的应用越来越广泛，尤其是在航空航天、机器人等人工智能领域都起着越来越重要的作用。多智能体系统是由许许多多的智能体之间的自由组合构成的。这些智能体能够对多变的环境迅速地做出反应，并且这些智能体能够自由交互、互相配合的完成各种复杂任务。多智能体网络是由一群相互作用、相互影响的智能体聚集在一起而形成的一个网络系统。智能体之间不仅仅具有协作、合作的关系，同时不可避免也存在着竞争、对抗的关系。
一般而言，网络系统的协调控制可以分为无领导和领导跟随，其中前者由网络本身到达，而后者通过向网络节点引入一些外力来实现。特别是，为了降低控制成本，在网络系统的领导跟随控制中经常采用牵引控制策略，其中控制信号仅应用于少数关键网络节点。近年来，由正负通信链路组成的带符号网络的协调控制，引起了许多研究者的兴趣。实际上，在我们的日常生活中，许多联网系统，例如社交网络和商业组织网络，其中存在合作和竞争关系，可以通过带符号的网络来描述。
一类非线性系统由线性前馈部分和非线性部分组成。实际上，一类非线性系统，包括蔡氏电路和Cohen-Grossberg神经网络，可以归类为Lure型系统。在过去的几十年里，对Lure系统的研究在控制理论和控制工程领域发挥了重要作用，包括动力系统绝对稳定性的分析。Lure系统在许多实际=应用中也得到了广泛的应用。诸如混沌系统的安全通信，信号加密以及遗传网络监管等问题。复杂网络的同步在许多科学和工程领域都有很多成功的应用，包括并行计算，数据挖掘和优化问题。
本课题的意义和价值：多智能体具有许多的特性，例如分布性、自主性和协调性等的特征,并且拥有着比单个智能体更高的智能性和处理种种庞大问题的能力。因此，对多智能体系统的牵引控制问题的研究已经成为多智能体系统领域当中一个十分重要的热点问题。然而，如何实现各个智能体之间的双向同步这个问题是所研究的一个重点的问题。
提出连续时间和采样数据控制算法来研究有符号非线性网络中的双向同步问题，采用牵引控制方法解决双向领导跟随同步问题。利用矩阵变换、李雅普诺夫函数法、m矩阵性质、Wirtinger不等式以及有符号和无符号图的理论等工具和技术，建立LMI（线性矩阵不等式）的一些充分的条件，以确保网络中的双向无领导和领导跟随能够成功地实现。此外，对于连续时间控制算法，表明如果耦合强度足够大并且网络拓扑满足一些合适的条件，在非线性网络中总是可以实现双向同步；对于采样数据控制算法，估计采样间隔的上限以确保在带符号的非线性网络中可以达到双向同步。
由于假定网络拓扑是固定的，因此在不久的将来进一步研究具有切换拓扑的有符号非线性网络中的双向同步问题将是一件有趣的事情。
参考文献：[1] Wang XF, Chen G. Pinning control of scale-free dynamical networks[J]. Phys A Stat Mech Its Appl, 2002, 310(3-4): 521-531.
[2]Hu H, Yu W, Xuan Q, Yu L, Xie G. Consensus of multi-agent systems in the cooperation-competition network with inherent: a time-delayed control approach[J]. Neurocomputing, 2015, 158: 134-143.
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。
