Resumen

Este documento investiga el control de cobertura para un grupo de agentes, donde la función de densidad sobre la región dada es desconocida y variable en el tiempo. Se proporciona una función de costo, que depende de la función de densidad y de una métrica específica, para evaluar el rendimiento de la red de cobertura. Luego, considerando el ruido de muestreo, se desarrolla un algoritmo de estimación novedoso para aproximar la función de densidad basado en el filtro de Kalman (KF) y la red neuronal de Función de Base Radial (RBF). En comparación con otros algoritmos de estimación, se diseña un mecanismo novedoso de regulación de muestreo para mejorar el rendimiento de la estimación y reducir la carga computacional. Sobre esta base, se propone un esquema de control de cobertura con función de densidad estimada para llevar a los agentes a la implementación óptima. Además, se analizan rigurosamente la estabilidad y el rendimiento del sistema de control de cobertura propuesto. Por último, se proporciona una simulación

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Control de cobertura; Función de densidad; Algoritmo de estimación; Filtro de Kalman; Red neuronal de Función de Base Radial; Mecanismo de regulación de muestreo
• Keywords:Coverage control; Density function; Estimation algorithm; Kalman filter; Radial Basis Function neural network; Sampling regulation mechanism