基于固定时间的二阶智能体分布式优化算法

对有界扰动下二阶多智能系统的分布式凸优化问题进行了研究。分布式优化问题旨在通过智能体间信息交互实现全局成本函数一致最优。基于固定时间理论，提出一种在固定时间内收敛到最优解的算法。为防止智能体泄露局部成本函数的梯度信息，当邻居成本函数二阶导差值有界时，通过平均一致性在固定时间内利用跟踪技术实现平均梯度信息获取。设计一种自适应算法以避免上述全局信息的假设。进一步地，引入符号函数项实现算法对智能体外部有界扰动的自适应抑制。最后给出收敛性证明和仿真案例。