×
杨世菊;李传东;何西平;张万丽

带符号图耦合复杂网络二部同步的变时间脉冲控制。 （英语） Zbl 1510.34109号

申请。数学。计算。 420，文章ID 126899，第16页（2022）.
摘要：本文通过可变时间脉冲（VTI）控制研究了带符号图的耦合复杂网络（CCN）的二部同步。与传统的复杂网络不同，复杂网络节点之间的通信拓扑可以是协作的，也可以是对抗的。此外，脉冲的出现总是依赖于网络中的每个节点，而不是出现在固定的瞬间。此外，通过使用B等效技术，可以将VTI网络模型更改为定时脉冲CCN。定时脉冲控制的CCN可以看作是具有可变时间脉冲的有符号CCN的比较系统。利用1-范数分析技术，推导了若干假设，以确保耦合误差节点的每个解与每个不连续脉冲曲面精确相交一次。给出了数学归纳法下保证二部同步的一些充分条件，并进行了理论证明。仿真结果表明了所得结果的有效性。

引用于三文件

理学硕士：

34D06型 常微分方程解的同步
第34页37 脉冲常微分方程
93甲16 多代理系统
93C27型 脉冲控制/观测系统

关键词：

二部同步;耦合复杂网络;有符号图;可变时间脉冲控制
PDF格式BibTeX公司 XML格式引用
\textit{S.Yang}等人，应用。数学。计算。420，文章ID 126899，16 p.（2022；Zbl 1510.34109）
全文： 内政部

参考文献：

[1] 李，H。；Wu，Y。；Chen，M.，多智能体系统的自适应多梯度递归强化学习事件触发跟踪控制，IEEE Trans Neural Netw学习系统（2021）
[2] 邵，J。；Shi，L。；Cheng，Y.，切换有符号有向图上输入不确定性的领导-跟随多智能体系统的异步跟踪控制，IEEE Trans-Cybern（2020）
[3] Bai，W。；Li，T.，多智能体系统的事件触发多梯度递归强化学习跟踪控制，IEEE Trans Neural Netw Learn Syst（2021）
[4] Yang，Y。；Xiao，Y。；Li，T.，《对多智能体系统编队控制的攻击》，IEEE控制论汇刊（2021）
[5] 李，C。；吴，S。；Feng，G.，离散时间延迟神经网络中脉冲的稳定效应，IEEE Trans。神经网络，22，2，323-329（2011）
[6] 张伟。；杨，X。；Xu，C.，具有延迟和不匹配参数的不连续神经网络的有限时间同步，IEEE Trans neural Netw学习系统，29，8，3761-3771（2017）
[7] 孟，D。；Xiao，Y。；Guo，Z.，移动物联网中无人机路由网络的数据驱动智能规划模型，计算通信，179，231-241（2021）
[8] Z.Guo，K.Yu，A.Jolfaei，T.2021.3052109，通过可解释自适应学习的谣言模糊检测系统，IEEE Trans。模糊系统。(????).
[9] 郭，Z。；Wang，H.，一种基于深度图神经网络的社会推荐机制，IEEE Trans。印第安纳州信息，17，4，2776-2783（2021）
[10] Newman，M.E.J.，科学合作网络，II。最短路径、加权网络和中心性，物理，评论E.，64，1，016132（2001）
[11] 大慧，W。；李，Z。；Zengru，D.，《二元生产者-消费者网络与企业规模分布》，Physica A，363，2，359-366（2006）
[12] Watts，D.J。；Strogatz，S.H.，《小世界网络的集体动态》，《自然》，393，6684，440-442（1998）·兹比尔1368.05139
[13] 李，Z。；段，Z。；Chen，G.，《多智能体系统的共识与复杂网络的同步：统一观点》，IEEE Trans。电路系统。我是Regul。爸爸。，57, 1, 213-224 (2009) ·Zbl 1468.93137号
[14] 李，C。；于伟（Yu，W.）。；Huang，T.，具有切换拓扑的随机复杂网络的脉冲同步方案：平均时间方法，神经网络，54，85-94（2014）·Zbl 1307.93377号
[15] 杨，X。；Lam，J。；Ho，D.W.C.，通过非阻塞控制实现具有脉冲效应的复杂网络的固定时间同步，IEEE Trans Automatic Contr，62，11，5511-5521（2017）·Zbl 1390.93393号
[16] 翟，S。；Li，Q.，在具有对抗性相互作用的非线性代理网络上通过钉扎控制实现的实际二部同步，非线性Dyn，87，1，207-218（2017）·Zbl 1371.34076号
[17] 张伟。；杨，X。；Yang，S.，带符号图复杂网络的有限时间和固定时间二部同步，数学计算模拟，188319-329（2021）·Zbl 07429003号
[18] 郭，X。；卢，J。；Alsaedi，A.，具有对抗性交互和通信延迟的多智能体系统的二方共识，Physica A，495488-497（2018）·Zbl 1514.93052号
[19] 刘，F。；宋，Q。；Wen，G.，钉扎控制下耦合延迟神经网络的二部同步，神经网络，108，146-154（2018）·Zbl 1441.93281号
[20] 刘，X。；曹，J。；Xie，C.，统一非连续控制协议下多智能体系统的有限时间和固定时间二方一致性，J Franklin Inst，356,2734-751（2019）·Zbl 1406.93026号
[21] 孟，D。；贾毅。；Du，J.，具有协作和对抗交互的多智能体系统的有限时间共识，IEEE Trans Neural Netw Learn Syst，27，4，762-770（2015）
[22] 王，M。；Zheng，R。；Feng，J.，多链路延迟符号网络指数二部同步的非周期间歇控制，混沌：非线性科学的跨学科期刊，30，3，033110（2020）·Zbl 1447.93302号
[23] 宋，Q。；卢，G。；Wen，G.，带符号图和时滞的谐振子系统网络的二部同步和收敛性分析，IEEE Trans。电路系统。我是Regul。爸爸。，66, 7, 2723-2734 (2019) ·Zbl 1468.93017号
[24] 李强。；夏，L。；Song，R.，对抗输入下有向图上具有主动先导的异构系统的二部状态同步，神经计算，369，69-79（2019）
[25] 李，C。；冯·G。；Huang，T.，关于混合脉冲和切换神经网络，IEEE系统、人和控制论汇刊，B部分（控制论），38，6，1549-1560（2008）
[26] 张伟。；李，C。；Huang，T.，带随机扰动和脉冲延迟的马尔可夫开关神经网络的全局稳定性和同步，电路、系统和信号处理，34，8，2457-2474（2015）·兹比尔1341.93107
[27] 赵，H。；李，L。；彭浩，不确定多链路复杂网络同步与参数辨识的脉冲控制，非线性动力学，83，3，1437-1451（2016）·Zbl 1351.93041号
[28] 李毅。；卢·J。；Wang，Z.，混合钉扎脉冲控制器下具有非线性耦合函数的动态网络同步，J Franklin Inst，355，14，6520-6530（2018）·Zbl 1398.93144号
[29] Akhmet，M.，《非连续动力系统原理》（2010），施普林格科学与商业媒体·Zbl 1204.37002号
[30] Sayli，M。；Yilmaz，E.，可变时间脉冲BAM神经网络的全局鲁棒渐近稳定性，神经网络，60，67-73（2014）·兹比尔1323.93063
[31] Sayli，M。；Yilmaz，E.，具有时变时滞的状态相关脉冲分流抑制CNN的周期解，神经网络，68，1-11（2015）·Zbl 1398.34094号
[32] 杨，X。；李，C。；Song，Q.，可变时间脉冲分数阶神经网络的Mittag-lefler稳定性分析，神经计算，207276-286（2016）
[33] 宋，Q。；杨，X。；Li，C.，具有可变时间脉冲的非线性分数阶系统的稳定性分析，J Franklin Inst，354，7，2959-2978（2017）·兹比尔1364.93741
[34] 周，Y。；李，C。；Wang，H.，基于定时脉冲比较系统方法的状态相关脉冲hopfield神经网络稳定性分析，神经计算，316，20-29（2018）
[35] 李，C。；周，Y。；Wang，H.，具有可变时间脉冲的非线性系统的稳定性：B-等价方法，国际控制自动化杂志。系统。，15, 5, 2072-2079 (2017)
[36] 李，H。；李，C。；Huang，T.，可变时间脉冲神经网络的周期性和稳定性，神经网络，94，24-33（2017）·Zbl 1437.93107号
[37] 张，Q。；李，C。；He，Z.，通过状态相关脉冲协议实现非线性多智能体系统的完全相对状态约束脉冲一致性，IET控制理论与应用，15，2，209-222（2020）
[38] Yang，S。；李，C。；Huang，T.，通过状态相关脉冲控制实现耦合记忆混沌电路的同步，非线性动力学，88，1，115-129（2017）·Zbl 1373.34085号
[39] Yang，S。；李，C。；Huang，T.，具有非线性耦合的复杂动态网络的状态相关脉冲同步，IET控制理论与应用，12，9，1189-1200（2018）
[40] Yang，T.，脉冲控制理论（2001），Springer:科学与商业媒体·兹比尔0996.93003
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。