拉普拉斯定理_协同控制笔记1——基础介绍及部分定义定理

一.基础介绍

协同控制主要涉及三个部分：智能体动力学、智能体间相互作用、协同控制规律

相互作用：智能体通常动力学上彼此解耦。之间的信息交换通常以图的形式表示，可以是静态的（边非时变）或者动态的（边是时变的）。

二.相关定义

Adjacency matrix - 邻接矩阵

<x,y>：有向边 任意两顶点间的边均是有向边，则为有向图

邻接：表示顶点间的关系。若图含（x，y），则顶点x与顶点y邻接。

邻接矩阵：表示有向图的一种存储方法

用两个数组：一维数组存储顶点信息，二维数组存储弧/线的信息。

图有n个顶点，则邻接矩阵是n*n的方阵，

无向图(undigraph)的邻接矩阵：两个顶点有边为1，否则为0，主对角线为0，且矩阵对称

有向图(digraph)的邻接矩阵：两个顶点有边为1，否则为0，主对角线为0，矩阵不对称

网图(network)的邻接矩阵：表中对应位置写图中弧的权重，主对角线为0，其余部分取INF

Laplacian matrix – 拉普拉斯矩阵

L为拉普拉斯矩阵，L=图的度矩阵-图的邻接矩阵

度矩阵(degree)：对角阵，对角上的元素为各个顶点的度。有向图中，顶点vi的度分为顶点vi的出度和入度，即从顶点vi出去的有向边的数量和进入顶点vi的有向边的数量。

在求L时根据情况选择出度矩阵或入度矩阵。

性质：矩阵是正半定的；行和为0，最小特征值为0，对应特征向量为全1列向量；特征值中0出现的次数即图连通区域的个数；最小特征值为0，对应特征向量为全1