Fixed-time cooperative control is currently a hot research topic in multiagent systems since it can provide a guaranteed settling time, which does not depend on initial conditions. Compared with asymptotic cooperative control algorithms, fixed-time cooperative control algorithms can achieve better closed-loop performance and disturbance rejection properties. Different from finite-time control, fixed-time cooperative control produces the faster rate of convergence and provides an explicit estimation of the settling time independent of initial conditions, which is desirable for multiagent systems. This paper aims at presenting an overview of recent advances in fixed-time cooperative control of multiagent systems. Some fundamental concepts about finite- and fixed-time stability and stabilization are first recalled with insight understanding. Then, recent results in finite- and fixed-time cooperative control are reviewed in detail and categorized according to different agent dynamics. Finally, this paper raises several challenging issues that need to be addressed in the near future.

Distributed cooperative control of multi-agent systems has been one of the most active research topics in the fields of automatic control and robotics. This paper provides a survey on recent advances in distributed cooperative control under a sampled-data setting, with special emphasis on the published results since 2011. First, some typical sampling mechanisms related to this topic, such as uniform sampling, nonuniform sampling, random sampling, and event-triggered sampling, are summarized in both asynchronous and synchronous paradigms. Then, based on different coordinated tasks, recent results on distributed sampled-data cooperative control of multi-agent systems are categorized into four classes, i.e., sampled-data leaderless consensus, sampled-data leader-following consensus, sampled-data containment control, and sampled-data formation control. For each class, some explicit research lines are identified according to various sampling mechanisms. In particular, depending on definitions of event triggering conditions, some representative event-triggered sampling mechanisms are sorted out and discussed in detail. Finally, several challenging issues for future research are proposed.

This paper deals with the problem of distributed optimization for multiagent systems by using an edge-based fixed-time consensus approach. In the case of time-invariant cost functions, a new distributed protocol is proposed to achieve the state agreement in a fixed time while the sum of local convex functions known to individual agents is minimized. In the case of time-varying cost functions, based on the new distributed protocol in the case of time-invariant cost functions, a distributed protocol is provided by taking the Hessian matrix into account. In both cases, stability conditions are derived to ensure that the distributed optimization problem is solved under both fixed and switching communication topologies. A distinctive feature of the results in this paper is that an upper bound of settling time for consensus can be estimated without dependence on initial states of agents, and thus can be made arbitrarily small through adjusting system parameters. Therefore, the results in this paper can be applicable in an unknown environment such as drone rendezvous within a required time for military purpose while optimizing local objectives. Case studies of a power output agreement for battery packages are provided to demonstrate the effectiveness of the theoretical results.

This paper deals with the consensus tracking problem for a multiagent system with nonholonomic chained-form dynamics. A new distributed observer is first proposed for each follower to estimate the leader state and the leader input in a prescribed finite-time under both undirected and directed communication graphs. Then based on the observer and by adding a power integrator, a novel nonlinear protocol is designed such that the estimated leader state is tracked in a prescribed finite-time. Different from some existing finite-time consensus tracking approaches, an explicit bound without dependence on initial states is derived for the settling time. Therefore, in an unknown environment where initial conditions are unavailable, the proposed strategy is able to meet specific system requirements, e.g., a military target is tracked by a group of field robots in a prescribed time. Finally, numerical examples are provided to demonstrate the effectiveness of the proposed protocol.

This paper is concerned with the collective behaviors of robots beyond the nearest neighbor rules, i.e., dispersion and flocking, when robots interact with others by applying an acute angle test (AAT)-based interaction rule. Different from a conventional nearest neighbor rule or its variations, the AAT-based interaction rule allows interactions with some far-neighbors and excludes unnecessary nearest neighbors. The resulting dispersion and flocking hold the advantages of scalability, connectivity, robustness, and effective area coverage. For the dispersion, a spring-like controller is proposed to achieve collision-free coordination. With switching topology, a new fixed-time consensus-based energy function is developed to guarantee the system stability. An upper bound of settling time for energy consensus is obtained, and a uniform time interval is accordingly set so that energy distribution is conducted in a fair manner. For the flocking, based on a class of generalized potential functions taking nonsmooth switching into account, a new controller is proposed to ensure that the same velocity for all robots is eventually reached. A co-optimizing problem is further investigated to accomplish additional tasks, such as enhancing communication performance, while maintaining the collective behaviors of mobile robots. Simulation results are presented to show the effectiveness of the theoretical results.