本文介绍了一种时变复杂动态网络模型，并进一步研究了其同步现象，证明了几个网络同步定理。特别地，我们表明，这种时变动态网络的同步完全取决于内部耦合矩阵以及网络耦合配置矩阵的特征值和对应特征向量。

Nov, 2004

通过实验验证光网络作为光子加速器在竞争型多臂赌博问题中的应用，实现协同决策、冲突避免、低碰撞率和高奖励，并展示了该系统的可扩展性以及在激光动力学领域中智能功能的新可能性。

Jul, 2023

本文主要探讨分布式机器学习算法的一种中间情况 ——“乐观并发控制” 范式，并在聚类、特征学习和在线设施定位三个问题领域展示了其方法。通过集群计算环境中的大规模实验评估了我们的的算法。

Jul, 2013

分析了同步对分布式随机梯度算法的影响。通过模拟生物群体感应模型，量化了同步如何显着减少分布式代理和它们的空间平均值感受到的噪声幅度，从而降低了随机梯度逼近所施加的损失函数的平滑性，并通过对模型非凸目标的模拟，证明耦合可以稳定更高的噪声水平并提高收敛性。

Dec, 2018

本研究提出了一种基于学习的方法，用于解决具有部分未知动力学的切换通信拓扑下的欧拉 - 拉格朗日多智能体系统的跟踪控制问题。该方法借助基于高斯过程回归的关联感知协同算法框架，巧妙地捕捉智能体间的相关性以进行不确定性预测。其显著特点是在避免了计算密集的后验方差计算的情况下，优化了汇聚权重的计算效率。通过李亚普诺夫稳定性分析，分布式控制律确保跟踪误差有很高的概率界限。仿真实验证实了该协议在有效管理复杂情况方面的功效，使其成为处理具有不确定动力学和动态通信结构的多智能体系统的鲁棒跟踪控制的有希望的解决方案。

Feb, 2024

在这篇文章中，作者研究了在 n 维球面（其中 d ≥ 2）上的 n 个点的动力学，这些点根据它们的内积之间的函数 φ 相互吸引。当 φ 为线性时，这些点在不同的连接情况下会收敛到一个共同的值（即同步），而当 φ 为指数形式时，这些动力学对应于理想化的变压器处理数据的极限情况。通过研究圆周（d=2）的情况，作者发现对 φ 的新条件（即 φ' 的 Taylor 系数是递减的），可以确保在圆周上实现同步。

May, 2024

研究了线性时不变系统组中的同步问题，其中每对系统之间的耦合由不同的输出矩阵描述。提出了简单的方法来为每一对系统产生（单独的）线性耦合增益，从而确保所有解收敛于一个公共轨迹。考虑了连续时间和离散时间两种情况。

Aug, 2014

研究了一种适用于多个水下舰艇的分布式鲁棒学习控制策略，考虑到完全不知道舰艇的系统参数以及建模误差、海洋干扰和噪声，通过图论合成具有稳定性保证的分布式控制器，并采用回步控制技术处理动态模型中的参数不确定性，提出了在线学习过程来处理时变和未知系统，并引入神经动力学模型来解决建模误差、环境干扰和测量噪声问题，通过稳定性分析确保了理论层面上的鲁棒自适应性能，最后通过大量的仿真实验验证了所提出的分布式控制策略的有效性。

Aug, 2023

分析了用于网络动力系统的分布式控制协议，提出了一类非线性共识控制器；并通过使用积分李雅普诺夫函数证明了所提出的控制协议的稳定性，同时明确表述了均衡集；之后又提出了分布式比例积分控制器，用于网络动力系统的稳定；通过在自主卫星，电源系统和建筑温度控制的实际模拟中突出了所提出的控制器的一些可能的应用。

Oct, 2013

本研究提出了一种异步、分散的共识优化算法，可在没有全局时序同步的情况下，利用本地计算和信息传递，在有限延迟和随机代理假设下收敛于精确解。

Dec, 2016