该论文研究了异构多智能体系统的分布式弹性输出包含控制，针对复合攻击，包括拒绝服务攻击，虚假数据注入攻击、伪装攻击和行为攻击，并通过应用数字孪生的思想提出了二层协议，使问题可以分别在高保密度的数字孪生层和更容易利用的物理层上得以解决。该论文的研究成果展示了提出的控制协议的有效性，并证明了输出可以达到均匀最终有界收敛。

Mar, 2023

本论文研究了异构多智能体系统的合作控制问题，提出了一种基于数字孪生概念的分层协议，有效解决了 Byzantine 攻击问题并通过数值实验得到验证。

Mar, 2023

该研究提出可适应时间分布式控制的分层式体系结构，该设计模仿人脑的架构，在不同时间尺度上执行动作以适应环境的需求，通过两种不同的算法进行训练，并在连续控制任务中证明比现有方法具有优势。

Dec, 2022

该论文针对多智能体控制问题提出了分层方法，其中包括三个阶段：计算系统的高级计划、通过 SMT 公式处理组合问题，以及使用强化学习获得神经网络控制策略，由于其正确性具有构建性，但缺乏实时执行功能，因此使用 SWA-SMT 解决方案作为最后阶段的初始训练数据集

Jul, 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

我们提出了一种时间分层框架 (TLA)，以最小化能量消耗进行时间自适应控制。 TLAlayer 了一个快速和一个慢速策略以实现时间抽象，使每层专注于不同的时间尺度。我们的设计借鉴了人脑的节能机制，根据环境要求在不同的时间尺度下执行动作。我们在一套连续控制任务上评估了我们的方法，并展示了 TLA 在多个重要指标上的显着优势，包括持续探索，所需决策减少，抖动减少和操作重复增加。我们还引入了一个多目标评分，以定性评估连续控制策略，并展示了 TLA 的得分显着更高。我们的训练算法在慢速和快速层之间使用最少的通信来同时训练两个策略，使其适用于分布式控制的未来应用。

May, 2023

通过数字孪生技术和在线学习方法，该研究提出了一种智能分布式拒绝服务攻击检测机制，适用于互联网服务提供商（ISP）核心网络。研究实现了基于数字孪生的 DDoS 检测架构，并利用在线学习方法更新模型以实现准确预测。研究结果表明，所提出的解决方案能够在 DDoS 攻击开始后约 15 分钟内对攻击进行准确估计。

Oct, 2023

针对分布式发电带来的电网分散电压控制的挑战，本文提出了一种可扩展的网络感知框架，利用网络结构截断评论家的 Q 函数输入，提高可伸缩性并减少训练期间的通信成本，成功在一个拥有 114 个分布式发电源的系统中进行了演示，为日益复杂的电力系统中的分散电压控制提供了有希望的解决方案。

Dec, 2023

提出了一种新的可重构智能表面（RIS）辅助、用户为中心的无线接入系统，通过数字孪生管理。该文档设计了一个新的学习框架，通过联合优化接入点和用户关联、功率控制和 RIS 波束成形来最大化总和速率，以提高 UCCF 系统的性能，此框架优于其他方法。

Feb, 2023

本论文致力于通过研究攻击场景并评估其对系统性能的影响，来提高分布式车队控制器的安全性。使用模型预测控制 (MPC) 控制器模拟了各种攻击技术，包括中间人攻击和伪造数据注入，以识别车队控制器的漏洞和弱点。论文提供并测试了一些对策，其中包括使用机器学习技术进行攻击分析和加强通信协议。研究结果强调了将安全问题整合到设计和实施中的重要性，从而构建安全且具有弹性的分布式车队控制器。

Jan, 2024