On iterative learning algorithms for the formation control of nonlinear multi-agent systems

این مقاله به مسائل کنترل تشکیل برای سیستم های چند عامل با پویش غیر خطی و توپولوژی های سوئیچینگ پرداخته است. با استفاده از دانش نزدیک ترین همسایه، یک الگوریتم توزیع شده با استفاده از روش کنترل یادگیری تکراری ساخته می شود. شرایط مناسب برای بدست آوردن فرمول نسبی مطلوب از عوامل، که از مثبت بودن محصولات محصولات ماتریس تصادفی سود می برد، داده می شود. نشان داده شده است که نتایج مشتق شده به طور موثر می توانند کار کنند، هرچند توپولوژی های شبکه به صورت پویا در طول هر دو محور زمان و تکرار تغییر می کنند و گراف های مرتبط با آن ممکن است درختان پهن نشده باشند. چنین نتیجه ای نیز از طریق شبیه سازی های عددی نشان داده شده است.