人工智能与信息融合研究院在多智能体系统研究中取得重要进展
近日，人工智能与信息融合研究院在多智能体平均一致性研究中取得重要进展，解决了记忆加速算法研究中的几个公开难题。研究结果以长文（full paper）发表在控制学科两大顶级期刊之一的IEEE Transactions on Automatic Control （TAC），双栏16页。
文章链接https://ieeexplore.ieee.org/document/10066203
论文第一作者为我校信息学院青年教师易静文副教授，合作者为柴利教授，张竞新教授。这是我校在IEEE TAC的第二篇长文，首篇长文也是由三位老师共同发表。
在多智能体系统的一致性协同控制中，收敛快慢是衡量相关算法的重要性能指标。大量研究工作表明，利用记忆信息可以提高算法的收敛率。该方向研究中存在几个长期未解的科学问题，包括：是否能利用更多的记忆信息得到更快收率的算法？记忆加速算法所能达到的收敛率上限是什么？对应的最优控制参数如何设计？
针对上述难点问题，论文报告了如下创新成果：
1) 给出了M-tap记忆加速算法实现平均一致的充分必要条件，将多智能体的快速一致问题转变为多个低阶系统的同时快速镇定问题，建立了收敛率与控制参数的直接关系表达式，揭示了记忆项对收敛率的影响。
2) 对短时记忆（ M< =2 ）的情况，给出了最快收敛率和最优控制参数的精确解析表达式，发现了一步记忆和两步记忆的最快收敛率完全相同，证明了两步记忆加速算法并不能进一步提高收敛率的结论。
3) 提出并解决了未知拓扑下记忆加速算法的优化设计问题，给出了最快收敛速率和最优控制参数的显式公式，证明了worst-case意义下最快收敛算法可由一步记忆加速算法实现。
该项研究结果为进一步研究分布式优化加速算法提供了新的思路，对集群智能自主系统和分布式优化计算等领域有重要的科学意义。易静文老师长期从事智能自主系统的协同控制、分布式优化、图信号处理等方向的研究，现主持国家联合基金重点项目子课题1项，主持完成国家自然科学基金青年基金1项，参与国家级和省部级项目多项。据悉，IEEE TAC期刊的长文很难发表，每年仅100余篇，很多知名985高校在该刊发表的长文总量为个位数。
