工程总结与主要目标

这项研究工作一直由加州大学圣地亚哥分校的马丁内斯博士领导。这项工作对自主性科学的发展产生了特别的影响，其重点是分析和设计用于协调超大规模（空间）网络的算法。为大规模系统开发有效的算法仍然是一个挑战，并使大型网络系统的运行往往难以解决。文献中考虑的处理大规模系统的两个主要方法是：a）直接采用最初为小规模多智能体系统开发的算法来处理大型集合体，或者b）将为大规模系统开发的算法离散化，以实现小规模群体。这两种转化方式都不是最佳的，因为错过了两者之间的关系，我们可能得到的算法是：i）不必要的保守，ii）没有捕捉或利用大规模效应（单个智能体可以忽略不计）及其对性能的影响，以及iii）没有捕捉大型动态系统所关注的基本几何特性（或结构）。另一方面，如b)中开发的算法通常i)不考虑由各种类型的多智能体分布式互动或其他限制（如无坐标算法或碰撞限制）给出的小型网络约束。正因为如此，我们试图研究多尺度算法，这些算法在每个尺度（N≈∞和N小）上都分别可能是正确的，并且可以从彼此之间正确转换。一个特别有意义的结果是对经典的最优运输问题和为多智能体系统开发的覆盖控制算法之间的关系有了新的理解。通过这样做，我们已经能够解释小规模群体的不同覆盖控制指标如何转化为大规模群体的最优运输目标。与直觉相反，正确的协调问题可以正确地转化为有意义的大规模版本，它是由 "公平的 "覆盖控制问题公式给出的。