Feb, 2008
受限共识
Constrained Consensus
Angelia Nedić, Asuman Ozdaglar, Pablo A. Parrilo
TL;DR本研究提出分布式算法,可用于在具有时间变化连接性的网络上,将多个代理的估计与特定值对齐,并着重研究约束问题的实现与收敛性分析。该算法可用于处理一致性问题或优化问题,其中全局目标函数为局部客体函数的组合。最终,该算法表现出了良好的收敛率与收敛效果。
Abstract
We present distributed algorithms that can be used by multiple agents to
align their estimates with a particular value over a network with time-varying
connectivity. Our framework is general in that this value can represent a
→
distributed algorithmsconsensus valueconstrained problemsprojected consensus algorithmprojected subgradient algorithm
发现论文,激发创造
在线多智能体优化的不需要共识的临近性
本文提出一种基于随机鞍点算法的分布式算法,以解决多智能体环境下的随机优化问题,该算法包括在线共识优化作为特例,并应用于传感器网络中的相关随机场顺序估计问题和在线源定位问题。
Jun, 2016
分布式随机次梯度投影算法用于凸优化
本文考虑了一个分布式的多智能体网络系统,旨在最小化代理的凸目标函数之和,并遵守共同的凸约束集。本文探讨了随机阶梯下降法的收敛性,并提出了一些保证收敛性的条件。
Nov, 2008
非凸优化的多智能体投影随机梯度算法收敛性
本文介绍了一种新的框架用于多智能体系统中分布式约束非凸优化算法的收敛分析,该算法由局部随机梯度下降和 GOSSIP 步骤组成,不需要 GOSSIP 矩阵双随机性,证明了算法收敛于 Karush-Kuhn-Tucker 点集,并适用于在自然广播场景中节省网络能量。
Jul, 2011
分布式次梯度方法与量化效应
针对在代理网络中要通过本地计算和通信协作优化个体目标函数和的求和,我们使用平均算法开发了分布式次梯度方法,同时也考虑了时间变化和量化信息的影响并给出了收敛率的保证。
Mar, 2008
ADMM 在分散式一致优化中的线性收敛性
本文研究了具有强凸局部目标函数的去中心化一致性优化问题,并建立了其线性收敛速率及加速的指导原则,其中采用了交替方向乘子方法 (ADMM) 来解决该问题,该方法可在单个代理处进行迭代计算并在邻居之间进行信息交换。
Jul, 2013
固定图上线性时间平均一致性及对去中心化优化和多智能体控制的影响
提出了一种完全分布式的平均一致性问题协议,收敛时间与节点总数呈线性比例,在多智能体控制、无法区分的凸函数的平均最小化等方面得到了应用。
Nov, 2014