異質な冗長マルチエージェントシステムの分散制御とタスク割り当てフレームワーク

科学分野:

• ロボット
• 制御理論
• 人工知能

背景:

• マルチロボットのマルチタスクシステムは 本質的にエージェント,タスク,リソースの冗長性を持っています.
• スケーラビリティは,大規模なアプリケーションにおけるアルゴリズムのパフォーマンスの改善に不可欠です.
• 分散制御は,マルチエージェントシステムの効率的な動作に不可欠です.

研究 の 目的:

• ダイナミック・コントロール・アロケーション・ポリシーの分散を入力・タスク・リデンサント・マルチエージェント・システムに
• コントロールシグナル内の情報を確保するには,共有された隣人のデータのみに依存します.
• インプット冗長性を同時割り当てのタスク分配政策に統合する.

主な方法:

• アウトプットと制御マトリクスのための十分な条件を開発する.
• タスク割り当てのパラダイムを拡張し,入力冗長性を組み込む.
• 任務と制御の同時配分のための完全に分散された枠組みの実施.

主要な成果:

• 情報依存は 隣人が共有するデータに限られています
• 同時にタスクと制御の割り当ては分散された方法で達成されます.
• 提案された方法はシミュレーションで効果的なパフォーマンスを示しています.

結論:

• 提案された分散型フレームワークは,マルチエージェントシステムにおける冗長なリソースを効果的に管理します.
• この方法は,大規模アプリケーションのスケーラビリティとパフォーマンスを向上させます.
• シミュレーションで検証されたこのアプローチは 複雑なマルチタスクシナリオの 強力な解決策を提供します