前言

多智能体系统是由多个自主体系统所组成的网络化系统，并且每个自主体系统对环境有一定的计算和感知能力，相互之间能够信息共享，通过获取的信息来自我调整，其在合作监督、传感器网络和无人驾驶飞行器编队等许多领域中有着广泛应用，备受研究者关注。研究多智能体系统控制的主要目的是： 多智能体系统能够通过各子系统的互联互通以及协同控制实现面的覆盖同时完成多个子任务，因此整个系统具有良好的经济性、高效性、可扩展性和稳定性，尤其适合在具有动态性、危险性甚至对抗性的复杂环境下完成各类协同任务。近年来，基于多智能体协调技术的分布式优化算法受到广泛关注，得益于分布式优化具有可扩展性好、灵活性高、协作性强、隐私数据泄露少等优点，因此被广泛应用于智能电网经济调度、传感器网络最优资源配置、多机器人系统定位等领域。

作者一直从事高阶多智能体非线性系统控制的研究和教学工作，为了促进多智能体分布式优化控制在高阶非线性系统上的发展和进步，将反演多智能体系统控制设计思路与目前分布式优化算法的最新研究成果开创式地结合，解决了分布式优化算法难以解决的高阶控制问题，并使广大工程技术人员能了解、掌握和应用这一领域的最新技术。作者编写本书，期望能抛砖引玉，供广大读者学习参考。

本书以反演控制技术为框架，以非线性反馈系统为研究对象，考虑系统状态不完全可测、系统未建模动态、外部干扰等问题，采用固定时间控制算法、扩张观测器等技术设计分布式控制器实现系统的优化控制。本书共7章。第1章为绪论，介绍多智能体系统控制以及分布式优化控制的发展状况。第2章研究分数阶高阶非线性多智能体系统分布式优化控制问题，基于分数阶李雅普诺夫（Lyapunov）稳定性理论，设计基于状态观测器的自适应神经网络反演控制器，确保智能体输出与最优解之间的误差收敛以及闭环系统中所有信号保持有界。第3章针对拓扑变换下多智能体切换系统的分布式优化控制问题，通过构造惩罚函数，将一致性问题与分布式优化问题结合，并利用负梯度的思路及Lyapunov稳定性理论构造自适应神经网络反演控制器，使智能体在通信拓扑变换及系统切换的条件下实现输出在分布式优化问题最优解的极小邻域内。第4章针对具有状态约束的多智能体系统的分布式优化控制问题，基于障碍Lyapunov稳定性理论提出一种自适应神经网络动态面控制器。第5章针对含外部干扰的高阶多智能体非线性系统资源分配问题，通过状态观测器技术以及自适应滑模技术，提出一种固定时间自适应神经网络控制器，所提出的控制算法可以使智能体在固定时间内收敛到含有不等式约束条件的资源分配问题最优解的极小邻域内。第6章研究含外部干扰的高阶多智能体非线性系统资源分配问题，通过设计固定时间二阶扩张观测器，同时解决了系统内未建模动态及外部干扰的问题，所设计的控制算法能够使智能体在不等式约束条件下收敛到局部目标函数最优解的极小邻域内。第7章介绍了固定时间高阶多智能体系统分布式优化算法，利用固定时间Lyapunov稳定性理论以及固定时间扩张观测器设计分布式反演控制算法，通过固定时间控制协议，多智能体系统中的每个智能体能够在固定时间内达成一致性后收敛到分布式优化的最优解的极小邻域内。

本书理论推导部分重点参考了辽宁工业大学佟绍成教授近年来的研究成果，编程实现参考了北京航空航天大学刘金琨教授的著作《RBF神经网络自适应控制及MATLAB仿真》，在此作者对佟绍成教授及刘金琨教授表示由衷的感谢。

本书得到上海工程技术大学著作出版专项资助。

由于作者水平有限，书中难免出现一些不足和疏漏之处，欢迎广大读者批评指正。假如读者对书中有疑问，可通过Email联系(tupwenyi@163.com)。

作者2024年9月