统计与数学学院郗强在特类期刊《IEEE Transactions on Neural Networks and Learning Systems》发表论文

统计与数学学院郗强副教授作为第一作者兼通讯作者的研究成果“Finite-time synchronization of complex dynamical networks via a novel hybrid controller”在期刊《IEEE Transactions on Neural Networks and Learning Systems》(2024年第351期)正式发表。该期刊是人工智能、机器学习、计算机科学领域的国际顶级期刊,IEEE计算智能学会的旗舰刊物,中科院SCI一区Top期刊,最新影响因子10.4,属我校特类期刊。

复杂网络的同步是一类非常重要的非线性现象,在物理、化学、生物、工程技术、经济及社会科学等领域普遍存在。网络同步可能是有益的,也可能是有害的。在工程实际中,人们往往希望有益的同步能尽可能快的实现,甚至是在有限的时间内实现,因此,在同步控制中引入有限时间同步的概念十分必要。本论文研究了具有内在非线性动力学的复杂动态网络的有限时间同步(FTS)问题,得到了创新的理论结果。文中提出了一种新颖的控制策略,即脉冲控制与弱有限时间控制相耦合的混合控制策略,去实现复杂网络的有限时间同步。在此框架下,论文建立了基于脉冲度的全局和局部FTS准则,并在最大脉冲间隔条件下设计出了最优的脉冲控制次数以获得最佳的同步时间估计。本文结果说明,即使是在非常弱的分数幂有限时间控制下,也能借助有限次脉冲控制实现网络的有限时间同步。最后的仿真实例直观验证了理论结果。