Key points are not available for this paper at this time.
ZUSAMMENFASSUNG Dieses Papier präsentiert eine adaptive Multi-Agenten-Koordinationsstrategie (AMAC), die für komplexe Szenarien geeignet ist und lediglich den Informationsaustausch zwischen benachbarten Robotern erfordert. Im Gegensatz zu traditionellen Methoden der Multi-Agenten-Koordination, die durch neuronale Dynamik gelöst werden, zeigt die vorgeschlagene Strategie eine größere Flexibilität, Anpassungsfähigkeit und Skalierbarkeit. Darüber hinaus wird die vorgeschlagene AMAC-Strategie als eine zeitvariierende komplexwertige Matrixgleichung rekonstruiert. Durch die Einführung einer dynamischen Fehlerfunktion wird ein Festzeit-konvergentes Nullungsneuronales Netzwerk (FTCZNN) Modell entworfen, um die AMAC-Strategie online zu lösen, wobei die theoretische obere Schranke der Konvergenzzeit abgeleitet wird. Schließlich wird die Effektivität und Anwendbarkeit der Koordinationskontrollmethode durch numerische Simulationen und physikalische Experimente demonstriert. Numerische Ergebnisse zeigen, dass diese Methode den Formationsfehler auf den Bereich von unter 1,8 s reduzieren kann.
Hua et al. (Di,) untersuchten diese Frage.