多智能体一致性仿真 简单的多智能体一致性性仿真图，包含状态轨迹图和控制输入图。 程序简单，所以便宜，但是有注释，都能看懂，适合初学者。
最近在折腾多智能体系统，发现一致性控制这个方向挺有意思——四个小车怎么统一速度，一群无人机咋保持队形，背后都可能用到了这玩意儿。今天咱们直接上代码，用20行左右的程序实现个基础版，顺便画个状态轨迹和控制器变化图。
先上数学模型：假设每个智能体都是"没脑子"的质点，运动规则就是跟着邻居调整自己的状态。数学表达贼简单：dxi/dt = ui，其中控制输入ui = -Σ(xi - x_j)，j是邻居节点。这公式翻译成人话就是：每个智能体时刻在比较自己和邻居的位置差，然后反向调整。
% 多智能体一致性仿真 clear all; n = 4; % 智能体数量 tspan = 0:0.01:5; % 时间跨度 L = [2 -1 0 -1; % 环形拓扑的拉普拉斯矩阵 -1 2 -1 0; 0 -1 2 -1; -1 0 -1 2]; x0 = [0.5; 2.3; 4.1; 3.7]; % 初始状态 u = @(t,x) -L*x; % 控制律 [~,x] = ode45(@(t,x) u(t,x), tspan, x0); % 数值解算 % 画状态轨迹 subplot(2,1,1); plot(tspan, x); xlabel('时间'); ylabel('状态值'); legend('Agent1','Agent2','Agent3','Agent4'); % 画控制输入 subplot(2,1,2); control_inputs = -x*L'; % 计算控制量 plot(tspan, control_inputs); xlabel('时间'); ylabel('控制输入');代码里有个关键点：拉普拉斯矩阵L。这里用的是环形拓扑，每个智能体只和左右邻居连接。矩阵对角线是连接数，非对角线如果是邻居就标-1。比如第一行表示Agent1连着Agent2和Agent4，所以对角线是2，第2、4列是-1。
多智能体一致性仿真 简单的多智能体一致性性仿真图，包含状态轨迹图和控制输入图。 程序简单，所以便宜，但是有注释，都能看懂，适合初学者。
跑出来的图会显示四个智能体的状态值逐渐趋同（上图），控制输入逐渐归零（下图）。有意思的是最终收敛的值其实是初始状态的平均值——把四个初始值(0.5+2.3+4.1+3.7)/4刚好是2.65，图上显示的收敛位置也确实是这个数。
想改着玩的话，有几个方向：
- 改L矩阵的拓扑结构，比如改成全连接（对角线3，其他-1），收敛速度会更快
- 调整初始状态x0，观察收敛值是否总是平均值
- 在控制输入里加个系数，比如u = -0.5Lx，看看响应速度变化
这个demo虽然简陋，但五脏俱全。实际工程中要考虑通讯延迟、噪声干扰，甚至有的智能体突然宕机，但那些都属于高端玩法了。对于刚入门的朋友，先把基础逻辑吃透，知道“邻居信息差驱动状态调整”这个核心思想就够了。
