簡(jiǎn)介面向多智能體系統(tǒng)初學(xué)者與MATLAB仿真實(shí)踐者的示例代碼包圍繞MAS中代理建模、環(huán)境感知、消息交互、協(xié)調(diào)決策與仿真驗(yàn)證等核心環(huán)節(jié)展開適合希望用腳本方式理解多代理協(xié)作機(jī)制、搭建小型實(shí)驗(yàn)原型的讀者。壓縮包共4個(gè)文件以3個(gè)m腳本和1個(gè)txt許可說明為主體量約4KB輕量便于查閱與二次修改腳本承擔(dān)代理狀態(tài)更新、位置計(jì)算及服務(wù)端協(xié)調(diào)等示例功能許可文件用于說明使用授權(quán)。已有1806人學(xué)習(xí)下載可作為課程演示、課題預(yù)研或自學(xué)練手的參考。內(nèi)容側(cè)重多智能體服務(wù)器如何注冊(cè)管理代理、分配任務(wù)、維護(hù)通信通道并定義協(xié)同規(guī)則同時(shí)保留監(jiān)控評(píng)估的擴(kuò)展空間讀者可據(jù)此觀察服務(wù)端創(chuàng)建與跟蹤代理實(shí)例、按能力派發(fā)任務(wù)的過程并把代理、環(huán)境、交互、協(xié)調(diào)與決策等概念落到可運(yùn)行的MATLAB代碼骨架上。1. 多智能體 MATLAB 代碼拆包先跑通 5 個(gè)智能體的編隊(duì)收斂再談改協(xié)議拿到一份多智能體 MATLAB 代碼多數(shù)人的第一反應(yīng)是直接 run 主腳本看那幾條曲線收不收斂——收斂就收工散了就懷疑算法寫錯(cuò)。我的經(jīng)驗(yàn)恰好相反MAS 仿真翻車八成不是協(xié)議本身的問題而是通信拓?fù)?、采樣步長(zhǎng)、初始狀態(tài)這三處沒對(duì)齊。這套代碼真正的價(jià)值是把一致性協(xié)議、編隊(duì)偏移、分布式控制器和仿真外殼拆成了互相獨(dú)立、可單獨(dú)替換的模塊改一處不牽連其余。它適合正在做編隊(duì)、蜂擁、分布式優(yōu)化驗(yàn)證的人也適合想把 Simulink 里那堆手工連線換成腳本化流程、方便批量跑參數(shù)的場(chǎng)景。2. 一致性協(xié)議落到矩陣上拉普拉斯矩陣的三種寫法與增益邊界多智能體系統(tǒng)在代碼層面的全部秘密幾乎都?jí)嚎s在一個(gè)矩陣?yán)锢绽咕仃?L。協(xié)議寫成微分方程是 ? -Lx寫成代碼就是一次矩陣乘法。所以這一章不急著調(diào)控制器先把 L 造對(duì)——L 錯(cuò)了后面所有參數(shù)整定都是白費(fèi)功夫。2.1 鄰接矩陣的三種建法鄰接矩陣 A 描述“誰能收到誰的信息”是整個(gè) MAS 的地基。小規(guī)模固定拓?fù)涫謱戇叡碜钪庇^中等規(guī)模按幾何距離生成通信半徑內(nèi)的智能體連邊大規(guī)模或有現(xiàn)成拓?fù)鋽?shù)據(jù)時(shí)從稀疏矩陣導(dǎo)入。三種寫法各有各的翻車點(diǎn)手寫最容易犯的錯(cuò)是只賦值單向。% 建法一手寫邊表適合 N 10 的固定拓?fù)?N 5; edges [1 2; 2 3; 3 4; 4 5; 5 1; 1 3]; % 每行一條無向邊 A zeros(N); for k 1:size(edges, 1) i edges(k, 1); j edges(k, 2); A(i, j) 1; A(j, i) 1; % 無向圖必須成對(duì)賦值漏一行就變成有向圖 end % 建法二按通信半徑生成適合隨機(jī)撒點(diǎn)場(chǎng)景 function A radius_graph(P, R) N size(P, 1); D squareform(pdist(P)); % 兩兩歐氏距離 A double(D R D 0); % 排除自身D0 是關(guān)鍵 end % 建法三從稀疏表恢復(fù)適合大規(guī)?；蛲獠客?fù)?% A sparse(rowIdx, colIdx, 1, N, N); A full(A | A);第一種寫法里那句成對(duì)賦值不是啰嗦是我踩過的坑早期圖省事只寫 A(i,j)1結(jié)果 L 不對(duì)稱特征值出現(xiàn)負(fù)實(shí)部曲線前半段看著挺正常后半段直接飛出去。第二種寫法的D 0同理——不加這一條對(duì)角線會(huì)被判成“距離 0 以內(nèi)”自我連邊L 的對(duì)角元憑空多出 N收斂速度全亂。第三種寫法補(bǔ)一句A | A做對(duì)稱化防止上游數(shù)據(jù)只給了半邊。提示建完 A 之后立刻斷言isequal(A, A)。這一步成本幾乎為零能擋掉后面一大半莫名其妙的發(fā)散。2.2 從拉普拉斯矩陣到狀態(tài)方程有了 A拉普拉斯矩陣一行就能算出來L D - AD 是度矩陣。這個(gè)式子的物理含義是“我拿自己和所有鄰居的差做加權(quán)和”所以 L 的每一行和恒為零全 1 向量永遠(yuǎn)是它的零特征值對(duì)應(yīng)向量——這正是所有智能體最終停在同一值的數(shù)學(xué)來源。收斂速度由第二小特征值 λ? 決定代數(shù)連通度越高收斂越快。D diag(sum(A, 2)); % 度矩陣按行求和 L D - A; % 拉普拉斯矩陣 % 三條自檢建議寫進(jìn)每個(gè)腳本開頭 assert(isequal(A, A), 鄰接矩陣不對(duì)稱); assert(all(abs(sum(L, 2)) 1e-12), 拉普拉斯行和不為零); lam eig(L); lam2 sort(real(lam)); fprintf(代數(shù)連通度 lambda_2 %.4f\n, lam2(min(2, numel(lam2))));三條自檢對(duì)應(yīng)三類錯(cuò)誤不對(duì)稱會(huì)讓 L 出現(xiàn)復(fù)特征值行和不為零說明 D 求錯(cuò)了維度λ? 接近零說明圖不連通——不連通時(shí)一致性協(xié)議不是發(fā)散而是分裂成幾個(gè)各自收斂的簇這種“部分收斂”最迷惑人曲線看著像要收斂又永遠(yuǎn)差一點(diǎn)。連續(xù)時(shí)間協(xié)議 ? -Lx 在代碼里通常用前向歐拉離散x(k1) (I - h·L)x(k)穩(wěn)定條件是 h 2/λ_max(L)。這個(gè)邊界不是理論擺設(shè)我見過 h 設(shè)成 0.5、λ_max 大約 4 的情形正好壓在邊上前幾步正常二十步后開始振蕩放大。2.3 五智能體最小可跑腳本把上面的東西拼起來就是一段不到 20 行、但能完整驗(yàn)證協(xié)議的最小腳本。跑它的意義在于在引入編隊(duì)、飽和、時(shí)延之前先確認(rèn)你的拓?fù)浜筒介L(zhǎng)是干凈的。N 5; A zeros(N); edges [1 2; 2 3; 3 4; 4 5; 5 1; 1 3]; for k 1:size(edges, 1) A(edges(k,1), edges(k,2)) 1; A(edges(k,2), edges(k,1)) 1; end L diag(sum(A,2)) - A; x0 [1 3 2 5 4]; % 初始狀態(tài)故意打散 h 0.05; % 采樣步長(zhǎng) T 20; % 仿真時(shí)長(zhǎng) K round(T / h); X zeros(N, K1); X(:,1) x0; for k 1:K X(:,k1) (eye(N) - h*L) * X(:,k); end xf mean(x0); % 無向連通圖的收斂值即初始均值 err max(abs(X(:,end) - xf)); fprintf(末態(tài)最大偏差 %.3e理論 lambda_2 %.4f\n, err, ... sort(eig(L))(2));邏輯是一條直線加權(quán)平均 → 矩陣乘 → 迭代。參數(shù)上有三處會(huì)直接影響結(jié)果。h必須小于 2/λ_max實(shí)用做法是取 0.1/λ_max寧可多跑幾步也別貼邊界。T要留足經(jīng)驗(yàn)值是 10/λ? 以上λ? 越小需要的時(shí)間越長(zhǎng)圖越“細(xì)長(zhǎng)”越慢。x0最好手動(dòng)打散別用rand直接生成——調(diào)試階段你需要能心算出期望均值隨機(jī)初始值會(huì)讓你失去這個(gè)參照。收斂判據(jù)也別只看最后一步。我在腳本里習(xí)慣再算一條errHist max(abs(X - mean(x0)), [], 1)把誤差歷史畫出來。真收斂是指數(shù)下降的直線半對(duì)數(shù)坐標(biāo)下如果誤差在某個(gè)量級(jí)上壓不下去多半是 λ? 太小或步長(zhǎng)偏大導(dǎo)致的殘余振蕩光看末態(tài)一個(gè)數(shù)看不出來。3. 編隊(duì)控制的可調(diào)旋鈕偏移量、飽和限幅與拓?fù)淝袚Q一致性只要求大家“停在一起”編隊(duì)要求“停成某個(gè)形狀”。從一致性到編隊(duì)代碼上只多了一個(gè)偏移量矩陣但工程上的復(fù)雜度翻了一倍——因?yàn)槠屏恳肓藥缀渭s束幾何約束又逼著你處理飽和、避碰和拓?fù)渥兓?.1 把方針翻譯成偏移量矩陣編隊(duì)協(xié)議的標(biāo)準(zhǔn)寫法是 u_i -Σ a_ij[(x_i - p_i) - (x_j - p_j)]其中 p_i 是第 i 個(gè)智能體的期望相對(duì)位置。寫成矩陣就是 u -L(X - P)。這里最容易搞混的是 P 的語義它給的是相對(duì)偏移形心在原點(diǎn)還是絕對(duì)目標(biāo)位置代碼里必須統(tǒng)一否則整個(gè)隊(duì)形會(huì)整體漂移到畫面外。% 二維平面上的五個(gè)位置pentagon 隊(duì)形形心在原點(diǎn) P [ 0.0 1.0; 0.95 0.31; 0.59 -0.81; -0.59 -0.81; -0.95 0.31]; % N×2第 i 行是第 i 個(gè)智能體的期望偏移 function Xn formation_step(X, P, L, h) % X: N×2 當(dāng)前狀態(tài)P: N×2 期望偏移L: N×N 拉普拉斯 E X - P; % 先減偏移再走一致性 Xn X - h * (L * E); endE X - P這一行的順序不能反。寫成L*X - P是另一個(gè)東西那是帶絕對(duì)參考的跟蹤寫反了隊(duì)形會(huì)一邊收斂一邊整體平移看起來像“慢悠悠地飄走”。另外 P 的行數(shù)必須等于 N我在批量換 N 的腳本里吃過虧P 是硬編碼的 5 行N 改成 7 之后 MATLAB 不報(bào)錯(cuò)而是自動(dòng)做隱式擴(kuò)展隊(duì)形直接算成一團(tuán)亂麻——這種不報(bào)錯(cuò)的 bug 最難查。注意換 N 的時(shí)候A、L、P、x0 四處的維度必須一起改。建議在函數(shù)入口加assert(size(P,1) size(L,1))一秒定位。3.2 飽和限幅與避碰項(xiàng)兩個(gè)位置別寫反真實(shí)執(zhí)行器有速度上限仿真里不加飽和編隊(duì)初期會(huì)出現(xiàn)幾十米每秒的瞬時(shí)速度看著收斂很漂亮換成實(shí)機(jī)直接失控。限幅的寫法有講究要等比縮放不能逐分量裁剪否則方向會(huì)變隊(duì)形走形。function Xn step_sat(X, P, L, h, vmax) u -L * (X - P); % 原始速度指令N×2 n sqrt(sum(u.^2, 2)); % 每個(gè)智能體的指令模長(zhǎng) scale min(1, vmax ./ max(n, 1e-9)); % 超過上限才縮放 u u .* scale; % 整體縮放保持方向 Xn X h * u; endmax(n, 1e-9)是防零除的后悔藥初始位置如果和期望位置完全重合指令為零0/0 會(huì)給你 NaN之后整條曲線全是 NaN 且不報(bào)錯(cuò)。scale用min(1, ...)保證只往下壓不放上去這一點(diǎn)在調(diào)試時(shí)很關(guān)鍵——如果發(fā)現(xiàn)某個(gè)智能體始終貼著 vmax 跑說明它被拓?fù)渌﹂_了問題在圖不在限幅。避碰項(xiàng)和限幅是兩個(gè)獨(dú)立的東西別塞進(jìn)同一個(gè) if 里。常見做法是在 u 后面疊加一個(gè)斥力項(xiàng)距離小于安全半徑 d_safe 時(shí)沿相對(duì)位置方向加一個(gè)反比項(xiàng)。斥力增益不能給大否則會(huì)和一致性項(xiàng)打架出現(xiàn)兩個(gè)智能體高頻抖動(dòng)、位置幾乎不動(dòng)的現(xiàn)象——這種抖動(dòng)在曲線上看是毛刺在相圖上看是一個(gè)極限環(huán)。3.3 采樣步長(zhǎng)與拓?fù)淝袚Q的穩(wěn)定邊界固定拓?fù)湎?h 2/λ_max 就夠了一旦拓?fù)鋾?huì)切換通信中斷、鄰居變化穩(wěn)定條件變成對(duì)所有可能拓?fù)涞牟⒓汲闪⒁簿褪?h 2/max(λ_max over all modes)。這條規(guī)則在實(shí)際代碼里經(jīng)常被忽略因?yàn)閱闻苣硞€(gè)拓?fù)涫欠€(wěn)的一切換就炸。% 拓?fù)浼险！噙?、鏈路退化三種模式 Amodes {A1, A2, A3}; hmax inf; for m 1:numel(Amodes) Lm diag(sum(Amodes{m},2)) - Amodes{m}; hmax min(hmax, 2 / max(real(eig(Lm)))); end fprintf(拓?fù)淝袚Q下的步長(zhǎng)上限 %.4f建議取 %.4f\n, hmax, 0.1*hmax);這段循環(huán)算的是“最保守的公共步長(zhǎng)”。實(shí)用取值我一般按 0.1 倍上限代價(jià)是仿真步數(shù)變多但換來的是切換瞬間不會(huì)出現(xiàn)數(shù)值爆點(diǎn)。如果確實(shí)需要大 step 提速那就得改成嚴(yán)格離散協(xié)議用行隨機(jī)矩陣而不是 I - hL犧牲一點(diǎn)物理直覺換取無條件穩(wěn)定。切換邏輯本身還有一個(gè)隱藏坑切換時(shí)刻落在兩個(gè)采樣點(diǎn)中間時(shí)狀態(tài)更新用的是舊拓?fù)溥€是新拓?fù)浞抡胬锿ǔ０床蓸狱c(diǎn)對(duì)齊切換只在 k 為整數(shù)時(shí)生效。如果你的切換由事件觸發(fā)比如距離閾值一定要把觸發(fā)時(shí)刻量化到采樣網(wǎng)格否則同一份代碼跑兩次結(jié)果不同排查起來毫無頭緒。4. 仿真工程化參數(shù)掃描、數(shù)據(jù)歸檔與批量繪圖單次仿真跑通只是及格線。真要做對(duì)比、寫報(bào)告、給導(dǎo)師或同事看結(jié)論你需要的是“一次配置、批量跑完、結(jié)果能追溯”。這一章把腳本改造成可復(fù)用的三層結(jié)構(gòu)仿真函數(shù)、掃描腳本、繪圖腳本。4.1 把單次仿真封成一個(gè)函數(shù)函數(shù)化的第一原則是輸入只有參數(shù)輸出只有數(shù)據(jù)中間不畫圖、不打印、不依賴工作區(qū)變量。這樣它才能被parfor調(diào)用也才能被后來的自己信任。function out sim_consensus(cfg) % cfg 字段N, edges, x0, h, T, P, vmax N cfg.N; A zeros(N); for k 1:size(cfg.edges, 1) i cfg.edges(k,1); j cfg.edges(k,2); A(i,j) 1; A(j,i) 1; end L diag(sum(A,2)) - A; K round(cfg.T / cfg.h); X zeros(N, 2, K1); X(:,:,1) cfg.x0; for k 1:K X(:,:,k1) step_sat(squeeze(X(:,:,k)), cfg.P, L, cfg.h, cfg.vmax); end out.X X; out.L L; out.lam2 sort(eig(L)); out.cfg cfg; % 把配置原樣存回去方便追溯 out.err squeeze(max(vecnorm(X - cfg.P, 2, 2), [], 1)); end三維數(shù)組X(N,2,K1)是這里唯一需要適應(yīng)的地方第一維智能體、第二維狀態(tài)分量、第三維時(shí)間。好處是squeeze之后每一步都是標(biāo)準(zhǔn) N×2 矩陣直接喂給step_sat壞處是 N 大、K 大時(shí)內(nèi)存吃得兇N50、K4000 大約 3 MB還能接受再大就應(yīng)該改成只存抽樣點(diǎn)。out.cfg cfg這一句別省——三個(gè)月后你看到一份.mat唯一能回答“這組參數(shù)是怎么來的”的就是它。4.2 參數(shù)掃描與結(jié)果歸檔掃描的寫法取決于你要掃幾維。單參數(shù)比如增益或步長(zhǎng)用一層循環(huán)雙參數(shù)步長(zhǎng) × 通信半徑用兩層結(jié)果存成矩陣超過三維就別硬掃了改隨機(jī)采樣。歸檔用帶時(shí)間戳的文件名別用result.mat這種名字互相覆蓋。hList [0.02 0.05 0.10 0.20 0.30]; res cell(numel(hList), 1); for ii 1:numel(hList) cfg baseCfg; % 基準(zhǔn)配置只改一個(gè)字段 cfg.h hList(ii); res{ii} sim_consensus(cfg); end stamp datestr(now, yyyymmdd_HHMMSS); save(fullfile(runs, [sweep_h_ stamp .mat]), res, hList);baseCfg這個(gè)模式值得單獨(dú)說一句先在腳本頂部構(gòu)造一份完整配置循環(huán)里只覆寫變化的字段。這樣新增參數(shù)時(shí)只需改一處不會(huì)出現(xiàn)“某組參數(shù)忘了設(shè)、用了默認(rèn)值”的隱蔽錯(cuò)誤。我見過最典型的一次是 vmax 忘了傳結(jié)構(gòu)體里沒有這個(gè)字段函數(shù)在cfg.vmax處直接報(bào)錯(cuò)——這還算好的報(bào)錯(cuò)至少讓你知道如果代碼里寫了getfield(cfg,vmax,10)給了默認(rèn)值那就變成靜默跑完、結(jié)論全錯(cuò)。歸檔目錄我會(huì)在腳本開頭if ~exist(runs,dir), mkdir(runs); end別指望手動(dòng)建。4.3 批量繪圖一眼看出哪組參數(shù)崩了繪圖的目的不是好看是讓“哪組參數(shù)崩了”這件事在 0.5 秒內(nèi)可判斷。做法是把所有組的誤差曲線畫在同一張半對(duì)數(shù)圖上收斂的是直線下降振蕩的是鋸齒發(fā)散的直接沖頂。figure(Position, [100 100 720 480]); hold on; for ii 1:numel(res) semilogy(res{ii}.err, LineWidth, 1.2, ... DisplayName, sprintf(h %.2f, hList(ii))); end set(gca, YScale, log); grid on; xlabel(迭代步 k); ylabel(編隊(duì)誤差); legend(Location, southwest);YScale設(shè)成 log 是這一步的核心。線性坐標(biāo)下誤差從 5 降到 0.01 和從 5 降到 0.5 看起來差不多看不出收斂速率差異對(duì)數(shù)坐標(biāo)下斜率直接就是收斂速度三組參數(shù)誰快誰慢一目了然。另外DisplayName一定要寫不然 legend 出來的是一串data1、data2回頭對(duì)不上。如果某條曲線在中段出現(xiàn)平臺(tái)然后再次下降那通常是飽和起了作用前期被 vmax 卡住誤差下降變慢進(jìn)入線性區(qū)后恢復(fù)指數(shù)收斂。這個(gè)“拐點(diǎn)”位置本身是有信息的它告訴你限幅是不是給緊了。5. 排查收斂曲線不對(duì)時(shí)先查這五件事排查順序很重要。我的習(xí)慣是先看矩陣再看數(shù)值最后才懷疑協(xié)議——因?yàn)閰f(xié)議是最不容易寫錯(cuò)的部分而矩陣和步長(zhǎng)是最容易在復(fù)制粘貼中出問題的部分。5.1 矩陣與拓?fù)鋵用娴娜齻€(gè)坑現(xiàn)象一曲線看著在收斂但每個(gè)智能體停在不同的值上。原因是圖不連通或者本該無向的圖被寫成了有向且非強(qiáng)連通。無向連通圖的一致性值是全體初始狀態(tài)的算術(shù)平均一旦分裂成兩個(gè)連通分量就變成兩個(gè)各自的平均值。解決辦法是跑一遍連通性檢查numel(unique(conncomp(graph(A)))) 1不連通就回到邊表找漏掉的邊?，F(xiàn)象二前期正常十幾步之后突然發(fā)散且越跑越陡。步長(zhǎng)超過穩(wěn)定邊界。查法很直接h和2/max(real(eig(L)))比一下超了就減半。我踩過一次更隱蔽的版本——代碼里 H 是大寫的局部變量、h 是小寫的全局參數(shù)循環(huán)里用的是 H檢查時(shí)改的是 h改了半天沒反應(yīng)血淚經(jīng)驗(yàn)是變量名別玩這種字母大小寫的玄學(xué)?，F(xiàn)象三改了 N 之后報(bào)維度錯(cuò)誤或者不報(bào)錯(cuò)但隊(duì)形完全亂掉。硬編碼索引沒跟著改。典型位置是 A 的邊表、P 的行數(shù)、x0 的長(zhǎng)度以及eye(N)里那個(gè) N。解決方式是全腳本搜一遍數(shù)字常量把與規(guī)模相關(guān)的都換成size(...)或者從 cfg 里取。5.2 數(shù)值與工程層面的兩個(gè)坑現(xiàn)象四曲線里出現(xiàn) NaN從某一步開始整條線消失。零除或溢出。最可能是初始位置重合導(dǎo)致距離為零或者限幅里vmax / n的 n 是 0。解決辦法是給所有分母加max(x, eps)同時(shí)在循環(huán)里加一句assert(all(isfinite(u(:))), step %d 出現(xiàn) NaN, k)——早報(bào)錯(cuò)比跑完再看圖省時(shí)間得多。現(xiàn)象五腳本跑和 Simulink 跑結(jié)果對(duì)不上形狀相似但數(shù)值差一截。求解器步長(zhǎng)和采樣步長(zhǎng)不一致。Simulink 默認(rèn)變步長(zhǎng)求解器在飽和切換點(diǎn)會(huì)自動(dòng)縮步腳本里是固定步長(zhǎng)兩者必然有差異。辦法是把 Simulink 里的求解器改成固定步長(zhǎng)步長(zhǎng)填成和腳本一致再對(duì)比。如果還差就查模塊里的采樣時(shí)間有沒有設(shè)成繼承-1繼承來的采樣時(shí)間經(jīng)常和你想的不是一個(gè)值。6. 進(jìn)階替換點(diǎn)把周期通信換成事件觸發(fā)附一份驗(yàn)收清單周期通信的假設(shè)是“每個(gè)采樣點(diǎn)所有智能體都要和鄰居交換一次信息”在仿真里不要錢在實(shí)機(jī)上就是通信帶寬和功耗。事件觸發(fā)一致性把這條假設(shè)松掉只在狀態(tài)偏差超過閾值時(shí)才通信其余時(shí)刻用保持器維持上一次的值。代碼上的改動(dòng)量小得出奇大約十幾行但收益在規(guī)模大、通信受限的場(chǎng)景里非常明顯。6.1 事件觸發(fā)一致性的替換點(diǎn)核心是把“當(dāng)前狀態(tài)”換成“上次廣播的狀態(tài)”再維護(hù)一個(gè)觸發(fā)誤差。觸發(fā)條件通常是 ‖e_i‖ σ‖z_i‖e_i 是當(dāng)前狀態(tài)與上次廣播狀態(tài)之差z_i 是鄰居狀態(tài)的加權(quán)和σ 是觸發(fā)閾值越小越接近周期通信。function [X, nTrig] et_consensus(X0, L, h, K, sigma) N size(X0, 1); X zeros([size(X0), K1]); X(:,:,1) X0; Xhat X0; % 上次廣播出去的狀態(tài) nTrig zeros(N, 1); % 每個(gè)智能體的觸發(fā)次數(shù) for k 1:K Xc X(:,:,k); z -L * Xhat; % 用廣播狀態(tài)算控制量 e Xc - Xhat; % 觸發(fā)誤差 % 逐智能體判斷是否觸發(fā)觸發(fā)者更新廣播值 need vecnorm(e, 2, 2) sigma * vecnorm(z, 2, 2); Xhat(need, :) Xc(need, :); nTrig nTrig need; X(:,:,k1) Xc h * z; end endz -L * Xhat用的是Xhat而不是Xc這是整個(gè)替換的關(guān)鍵——如果這里寫成Xc那事件觸發(fā)形同虛設(shè)你還是每步都在用最新狀態(tài)。need是一個(gè) N×1 的邏輯向量用邏輯索引整行更新比 for 循環(huán)快也比循環(huán)不容易寫錯(cuò)下標(biāo)。nTrig返回每個(gè)智能體的觸發(fā)次數(shù)這個(gè)數(shù)字很能說明問題如果某個(gè)智能體的觸發(fā)次數(shù)接近 K說明它一直在被鄰居甩開問題在拓?fù)洳辉陂撝怠Ｕ{(diào)參上有兩條經(jīng)驗(yàn)。sigma從 0.1 開始試太大會(huì)出現(xiàn)“長(zhǎng)時(shí)間不通信、隊(duì)形明顯滯后”的現(xiàn)象太小則退化成周期通信、省不下什么。另外事件觸發(fā)會(huì)引入額外的收斂時(shí)間同樣 T 下誤差可能比周期通信大一個(gè)量級(jí)比較兩者時(shí)要在相同觸發(fā)次數(shù)下比而不是相同時(shí)間內(nèi)比——這一點(diǎn)在寫結(jié)論時(shí)經(jīng)常被忽略。6.2 一套我自己在用的驗(yàn)收清單代碼改完之后跑一遍下面這幾項(xiàng)比反復(fù)看曲線靠譜。這套清單是從多次“明明仿真收斂、換組參數(shù)就崩”的經(jīng)歷里攢出來的。檢查項(xiàng)判據(jù)不通過時(shí)先看哪鄰接矩陣對(duì)稱性isequal(A, A)為真邊表是否只寫了單向拉普拉斯行和每行絕對(duì)值 1e-12度矩陣是否按行求和代數(shù)連通度 λ?明顯大于 0 1e-3圖是否連通、有無孤立點(diǎn)步長(zhǎng)裕度h 0.1 × 2/λ_max拓?fù)淝袚Q時(shí)取所有模式的公共上限有限性全程無 NaN / Inf分母是否加了 eps收斂值無向連通時(shí)等于初始均值是否有向圖但按無向算飽和觸頂率大部分時(shí)間不貼 vmaxvmax 給緊了或拓?fù)浒涯硞€(gè)體甩開觸發(fā)占比事件觸發(fā)遠(yuǎn)小于 1且各體差異不大sigma 是否過小、某體是否孤立表格里最容易被跳過的是“飽和觸頂率”但它往往是最早暴露拓?fù)鋯栴}的指標(biāo)。我一般會(huì)在仿真函數(shù)里順手記一條satRatio mean(n vmax)跑完看這個(gè)數(shù)超過 0.5 就說明整段時(shí)間都在限幅區(qū)控制器根本沒按線性協(xié)議工作這時(shí)候去調(diào)增益全是白費(fèi)。還有一處建議把 λ?、h 上限、飽和觸頂率、末態(tài)誤差這四個(gè)數(shù)打在一行日志里輸出。曲線可以騙人尤其是只看末態(tài)的時(shí)候這四個(gè)標(biāo)量不太會(huì)。我自從被一次“圖不連通但曲線看起來收斂”坑掉整整兩天之后每次改完拓?fù)渥龅牡谝患露际窍扰苣侨龡l斷言再畫圖。斷言不過就不看曲線因?yàn)槟菚r(shí)候的曲線只會(huì)給你錯(cuò)誤的信息。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取