⚡ electrical engineering

Decentralized design of leader-following consensus protocols for asymmetric matrix-weighted heterogeneous multiagent systems

本文针对具有固定有向生成树拓扑和不对称权矩阵的异构多智能体系统，提出了一种基于有向生成树信息的最小通信链路协议设计方法，并通过线性变换将共识问题转化为部分变量稳定性问题，进而利用矩阵对角占优法将设计推广至使用全部邻居信息的协议，实现了去中心化的增益矩阵求解。

原作者： Lanhao Zhao, Yangzhou Chen

发布于 2026-03-18

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Lanhao Zhao, Yangzhou Chen

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章主要讲的是如何让一群**“性格各异、能力不同”的机器人（或智能体），在“信息不对称”的情况下，通过“最少的沟通”，跟随一个“领头羊”**整齐划一地行动。

为了让你更容易理解，我们可以把这篇论文的研究内容想象成**“组织一支由不同工种组成的特种部队，去执行一项秘密任务”**。

1. 背景：一群“怪咖”组成的队伍

想象一下，你的队伍里有：

领头羊（Leader）： 指挥官，负责下达指令，但他不听从队员的反馈。
队员们（Followers）： 他们各不相同。有的跑得快但力气小（低阶动态），有的跑得慢但力气大（高阶动态）；有的擅长直线跑，有的擅长转弯。这就是论文里说的**“异构多智能体系统”**（Heterogeneous MAS）。
沟通方式： 以前大家假设队员之间的沟通是“对称”的（比如 A 听 B 说，B 也听 A 说，且权重一样）。但现实中，沟通往往是**“不对称”的（比如 A 很信任 B 的话，权重很高；但 B 觉得 A 的话只有一半可信，权重很低，甚至带有不同的“滤镜”）。这就是“非对称矩阵权重”**。

核心难题： 怎么让这群性格、能力、沟通习惯都不同的队员，在没有中央大脑（去中心化）指挥的情况下，自动调整步伐，最终和领头羊保持完全一致？

2. 核心策略一：只跟“直属上级”说话（最小通信链路）

以前的方法可能要求每个队员都要听所有邻居的话，或者需要知道整个队伍的全局地图（全局信息），这太累了，而且一旦队伍变大，通信量会爆炸。

这篇论文提出了一个**“极简主义”**的方案：

比喻： 想象这是一个**“树状”的指挥结构（DST，有向生成树）。每个队员只有一个“直属上级”**（Parent Node）。
做法： 队员只需要听**“直属上级”和“自己”**的信息，完全忽略其他无关的邻居。
好处：
1. 省流量： 就像你只需要听部门经理的指令，不需要听隔壁部门甚至全公司的八卦，大大减少了沟通负担。
2. 各自为战（去中心化设计）： 每个队员只需要根据自己的能力和上级的权重，计算自己的“行动参数”（增益矩阵），不需要知道别人的参数。就像每个士兵只校准自己的枪，不需要知道全连的枪是怎么校准的。

3. 核心策略二：把“大难题”拆解成“小问题”

为了让这些不同的队员能达成共识，作者用了一种**“魔法变换”**（DST 线性变换）：

比喻： 原本大家乱成一锅粥，很难分析。作者把整个队伍的状态重新“打包”和“重组”。
效果： 这个变换把复杂的“大家怎么达成一致”的问题，转化成了两个简单的数学问题：
1. 内部稳定性： 确保每个队员自己的“小引擎”是稳的。
2. 部分变量稳定： 确保队员和领头羊之间的“相对距离”能慢慢缩小到零。
这就好比把一支混乱的交响乐团，通过重新编排，变成了几个独立的声部，只要每个声部自己不乱，整体就能和谐。

4. 核心策略三：如果非要听所有人的话怎么办？（全邻居信息）

当然，有时候为了更稳健，队员可能想听听所有邻居的意见。

做法： 作者扩展了上面的方法，利用**“对角占优”**（Matrix Diagonally Dominant）这个数学工具。
比喻： 这就像给每个队员设定了一个**“安全圈”**（盖尔圆盘定理）。只要队员调整自己的参数，让自己的“影响力范围”（特征值）都落在安全区（左半平面）内，哪怕周围邻居再多、关系再复杂，队伍也不会乱。
优势： 依然不需要知道全局信息，每个队员只需要看自己周围的邻居就能算出参数。

5. 总结：这篇论文到底牛在哪里？

更真实： 以前的研究假设沟通是“对称”的（像照镜子），这篇论文承认沟通是“不对称”的（像带有偏见的滤镜），更符合现实世界。
更省钱： 提出了“最小通信链路”方案，队员只跟直属上级联系，极大降低了通信成本。
更独立： 实现了真正的“去中心化设计”。每个队员都是独立的“小天才”，不需要等待中央服务器发号施令，自己就能算出怎么配合。
更灵活： 无论是只跟一个人说话，还是跟所有人说话，都有办法让这群“怪咖”队伍整齐划一。

一句话总结：
这篇论文教我们如何设计一套**“傻瓜式”的本地规则**，让一群能力不同、沟通习惯各异的机器人，在只跟直属上级沟通（或者只跟邻居沟通）的情况下，自动学会**“步调一致”**，紧紧跟随领头羊，而且不需要任何中央大脑来指挥全局。

这是一份关于论文《非对称矩阵加权异构多智能体系统的领导者 - 跟随者共识协议去中心化设计》（Decentralized design of leader-following consensus protocols for asymmetric matrix-weighted heterogeneous multiagent systems）的详细技术总结。

1. 研究问题 (Problem)

本文旨在解决**异构多智能体系统（Heterogeneous MASs）在非对称矩阵加权（Asymmetric Matrix-Weighted）通信拓扑下的领导者 - 跟随者共识（Leader-Following Consensus）**问题。具体挑战包括：

异构性：智能体具有不同的动态模型（高阶或低阶），且参数不一致。
非对称矩阵加权：智能体间的通信权重不再是标量，而是矩阵，且这些矩阵是非对称的。这能更广泛地描述实际网络中不同状态分量间不同的交互强度，但给稳定性分析带来了困难（现有研究多假设权重矩阵对称或正定/负定）。
去中心化设计需求：传统的增益矩阵设计往往依赖全局信息（如拉普拉斯矩阵），难以应用于大规模系统。需要一种仅依赖局部信息的去中心化设计方法。
通信效率：如何在保证共识的前提下，尽可能减少智能体间的通信链路（即仅利用部分邻居信息）。

2. 方法论 (Methodology)

论文提出了一套系统的去中心化设计框架，主要包含以下核心步骤：

A. 系统建模

考虑由 $N+1$ 个智能体组成的系统（1 个领导者， $N$ 个跟随者）。
跟随者动态为 $\dot{x}_i = A_i x_i + B_i u_i$ ，领导者动态为 $\dot{x}_0 = A_0 x_0 + B_0 u_0$ 。
通信拓扑由有向图 $G=(V, E, W)$ 描述，其中 $W$ 是块邻接矩阵，包含非对称的矩阵权重。假设图中存在以领导者为根的有向生成树（DST）。

B. 基于 DST 的线性变换 (DST-based Linear Transformation)

利用 DST 的关联矩阵构造线性变换，将原始的共识问题转化为对应系统的**部分变量稳定性（Partial Variable Stability）**问题。
通过变换，将闭环系统的稳定性分析简化为两个子系统的稳定性：
1. 与领导者状态无关的子系统（涉及增益 $G_i$ ）。
2. 与相对状态误差相关的子系统（涉及增益 $K_i$ ）。

C. 去中心化增益设计策略

论文提出了两种协议设计场景：

最小通信链路协议（Minimal Communication Links）：
- 每个跟随者仅利用自身状态和DST 上父节点的相对状态信息。
- 协议形式： $u_i = -G_i x_i + K_i W_{i, k_i} (x_{k_i} - x_i)$ 。
- 设计步骤：
  - 首先选择 $G_i$ 使得辅助矩阵 $L_1 \bar{D} L_3$ 是 Hurwitz 稳定的（这主要处理系统的异构特性）。
  - 然后选择 $K_i$ 使得 $A_i - B_i G_i - B_i K_i W_{i, k_i}$ 是 Hurwitz 稳定的。
  - 由于 $K_i$ 的设计仅依赖智能体 $i$ 及其父节点的信息，实现了完全去中心化。
全邻居信息协议（All Neighbor Information）：
- 利用所有邻居的信息。
- 协议形式： $u_i = -G_i x_i + K_i \sum_{j \in N_i} W_{i,j} (x_j - x_i)$ 。
- 设计方法：引入矩阵对角占优（Matrix Diagonally Dominant）思想和块 Gerschgorin 圆盘定理。
- 通过设计 $K_i$ ，使得系统的特征值位于复平面的左半开平面（即 Gerschgorin 圆盘位于左半平面），从而保证稳定性。该方法避免了求解包含全局信息的矩阵不等式。

3. 主要贡献 (Key Contributions)

放宽了权重矩阵假设：首次针对非对称矩阵加权异构多智能体系统提出了共识协议设计方法。现有研究多假设权重矩阵对称或正定/负定，本文方法适用于更广泛的非对称网络。
最小通信链路的去中心化设计：提出了一种仅利用 DST 上邻居信息的共识协议。这不仅降低了通信负载，还使得增益矩阵 $K_i$ 的设计可以完全去中心化（无需全局拓扑信息）。
扩展至全邻居信息场景：利用矩阵对角占优思想，将去中心化设计方法扩展到了使用所有邻居信息的协议中，解决了传统方法中需要全局信息来求解矩阵不等式的难题。
理论框架的完善：结合 DST 线性变换和部分变量稳定性理论，给出了领导者 - 跟随者共识的充要条件，并明确了 $G_i$ 和 $K_i$ 的不同作用（ $G_i$ 影响收敛速率和异构性处理， $K_i$ 负责相对状态稳定）。

4. 数值仿真结果 (Results)

论文通过三个数值算例验证了理论结果：

算例 1：验证了基于最小通信链路（DST）的去中心化设计方法。结果显示，仅利用父节点信息设计的增益矩阵 $K_i$ 成功实现了所有跟随者状态向领导者状态的收敛。
算例 2：对比了 $G_i$ 对系统的影响。当 $G_i$ 设为零矩阵时，系统仍能收敛，但收敛速度较慢；当 $G_i$ 被适当选取时，收敛速度显著提升。这验证了 $G_i$ 在调节收敛速率方面的作用。
算例 3：验证了利用所有邻居信息的协议。通过 Gerschgorin 圆盘定理设计 $K_i$ ，使得系统特征值位于左半平面，仿真结果同样显示了良好的共识效果。

5. 意义与价值 (Significance)

理论突破：打破了矩阵加权网络研究中必须假设权重对称的局限，为非对称交互（如不同状态分量间存在不同耦合强度）的复杂网络提供了理论工具。
工程应用价值：
- 降低通信成本：提出的“最小通信链路”协议显著减少了大规模异构系统中的通信负担。
- 可扩展性：去中心化的设计方法使得协议易于扩展到大规模网络，无需集中式计算或全局信息交换，提高了系统的鲁棒性和可扩展性。
- 灵活性：允许每个智能体拥有独立的反馈增益矩阵，更好地适应了异构系统的特性。

综上所述，该论文为解决复杂、异构且通信受限的多智能体系统共识问题提供了一套高效、去中心化且理论严谨的解决方案。