基于HSMS的事件触发自适应动态规划在多智能体系统的追逐-逃避微分博弈中的应用

《IEEE Transactions on Cybernetics》：HSMS-Based Event-Triggered Adaptive Dynamic Programming for Pursuit–Evasion Differential Games of Multiagent Systems

分布式近似最优控制问题研究。采用划分与征服代数图方法建模多智能体系统中的追逃博弈，设计状态事件触发机制节省通信资源，构建多聚物分层滑模表面提升响应速度，开发动态目标分配算法优化追击策略，基于单批评神经网络实现自适应动态规划求解耦合HJB方程，并通过双追双逃场景仿真验证有效性。

　　

摘要：

本文研究了多智能体系统（MASs）中追逐-逃避微分游戏（PEDGs）的分布式近似最优控制问题。首先，利用分治代数图方法描述了追逐者智能体与逃避者智能体之间的交互行为，所有智能体都希望与队友保持协作。随后引入了状态事件触发机制（ETM）以节省通信资源。同时，构建了一种包含局部邻居误差的聚合物分层滑模面（HSMS），以提高系统响应速度。为了增强团队协作，设计了一种新的动态目标分配算法，以实现追逐者之间的合理分配。此外，基于自适应动态规划（ADP）和单批评家神经网络（NN）架构，通过求解耦合的Hamilton–Jacobi–Bellman（HJB）方程进一步设计了基于HSMS的事件触发最优控制策略。最后，在典型的两追逐者两逃避者场景中进行了仿真，以验证所提出控制方案的有效性。