Resumen

Este documento estudia la optimización distribuida con comportamiento de bandada y conjunto de restricciones locales. Se estudian sistemas multiagente con dinámicas de tiempo continuo y de segundo orden. Cada agente tiene un conjunto de restricciones locales y una función objetivo local, que solo son conocidos por un agente. El objetivo es que múltiples agentes optimicen una suma de las funciones locales con interacción e información local. Primero, se proporciona una función de potencial acotada para construir el controlador y se presenta un algoritmo de optimización distribuida que hace que un grupo de agentes evite colisiones durante la evolución. Luego, se demuestra que todos los agentes siguen la velocidad óptima mientras evitan colisiones. La prueba del resultado principal se divide en tres pasos: convergencia de conjunto global, análisis de consenso y convergencia de conjunto óptimo. Finalmente, se incluye una simulación para ilustrar los resultados.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Optimización distribuida; Comportamiento de bandada; Conjunto de restricciones locales; Sistemas multiagente; Dinámica en tiempo continuo; Dinámica de segundo orden
• Keywords:Distributed optimization; Flocking behavior; Local constraint set; Multiagent systems; Continuous-time dynamics; Second-order dynamics