多智能体共识算法的粗略数学证明

news2024/12/23 16:37:35

这篇文章是对论文《Consensus and Cooperation in Networked Multi-Agent Systems》中定理一的粗略数学证明。

论文中的定理一：

对一个由 n 个智能体以拓扑结构 G 组成的网络，使用以下共识算法：
$\dot{x}_i(t)=\Sigma_{j\in N_i}a_{ij}(x_j(t)-x_i(t)),\ x(0)=z$
假设 G 为强连通有向图，令 L 为 G 的拉普拉斯量，且其左特征向量 $\gamma=(\gamma_1,\cdots,\gamma_n)$ 满足 $\gamma^T L=0$ 。则有：

对所有的初始态 $z$ ，算法可以渐进地达成一个共识；
该算法能够解决 $f(z)=(\gamma^T z)/(\gamma^T \pmb{1})$ 形式的 f-共识问题，其对应的群体决策为 $\alpha=\Sigma_i w_i z_i$ ，其中 $\Sigma_i w_i=1$
如果 G 为强连通有向平衡图，该算法可以渐进地达成均值共识，对应的群体决策为 $\alpha=\frac{1}{n}\Sigma_i x_i(0)$ 。

对 1. 的证明：
- 该算法的紧凑形式为 $\dot{x}=−Lx$ ，则其解为 $x(t)=e^{−tL}x(0)$ ，所以 $x (t)$ 的收敛性可由 $e^{−tL}$ 判定；
- 设 $L$ 的Jordan标准型为 $J$ ，即 $L=PJP^{−1}$ ，则 $diag(f(J_1 ),\cdots,f(J_s))P^{−1}$ ，故有 $e^{−tL}=P diag(e^{−tJ_1},\cdots,e^{−tJ_s})P^{−1}$ ，所以 $x (t)$ 的收敛性可由 $e^{−tJ_i}$ 判定；
- 由于 $e^{−tJ_i}=e^{−t\lambda_i}∗T$ ，其中矩阵 $T$ 的元素为 $t$ 的幂函数，所以 $x (t)$ 的收敛性可由 $e^{−t\lambda_i }$ 判定；
- 根据引理2（ $L$ 的秩为 $n - 1$ ，且所有非零特征值 $\lambda_i$ 均有正实部 ），故 $L$ 的特征值中仅存在一个 0，对应的特征向量为 $\alpha \pmb{1}$ ， $−L(\alpha \pmb{1})=0$ ，又由 $e^{−t\lambda_i }=e^{−t(a_i+jb_i)}=e^{−ta_i} e^{−jtb_i}\to 0$ 可知 $x (t)$ 收敛，即有 $\dot{x}(\infin)=−Lx(\infin)=0$ ，所以 $x(\infin)=\alpha \pmb{1}$ 。
对 2. 的证明：

可以考虑借助不变量 $y=\gamma^T x$ 并考察其初态与终态。
$\gamma=\pmb{1}$ 是 L 的左特征向量的充要条件是 G 为平衡有向图。
对 3. 的证明：略