Mar, 2024

分布式噪声链路最大一致性

PDF
TL;DR我们介绍了一种分布式算法，称为噪声鲁棒的分布式最大共识（RD-MC），用于在存在噪声通信链路的多智能体网络中估计最大值。通过将最大共识问题重新定义为分布式优化问题，我们使用交替方向乘法器方法进行求解。与现有算法依赖多组受噪声干扰的估计不同，RD-MC 采用单组估计，提高了鲁棒性和效率。为了进一步减轻链路噪声的影响并提高鲁棒性，我们对局部估计应用移动平均。通过广泛的仿真，我们证明了 RD-MC 相比现有的最大共识算法对通信链路噪声更具鲁棒性。
发现论文，激发创造
  • 分布式强化学习中通信高效的多智能体 Actor-Critic 算法

    本文提出了一种基于随机化和多智能体系统 actor-critic 算法的分布式强化学习算法，旨在通过仅与本地邻居通信，协同优化全局平均回报。通过仅发送两个标量值变量，该算法可以解决强连通图的问题。

    Jul, 2019

  • 利用通信差异实现在噪声和速率受限的去中心化网络中的优化共识

    研究了分散优化问题中节点之间由于信号传输速率受限及接收到的噪声的影响导致信息交换受阻的情况下，提出了 Decentralized Lazy Mirror Descent with Differential Exchanges (DLMD-DiffEx) 算法，通过引入代理变量维护节点估计值的差异并建立共识来实现局部估计量的最优解收敛。DLMD-DiffEx 通过控制信号传输功率和共识速率的序列的设计，防止噪声累积，从理论上和数字评估的角度调查了该算法的性能。

    Oct, 2020

  • 受限共识

    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。

    Feb, 2008

  • 通过量化通信的流言共识算法

    本文研究基于成对 “流言” 通信和更新的数字链接网络上的平均共识问题，并提出一组算法。我们研究了这些算法的收敛性质，旨在回答两个设计问题：代理应该通过确定性或随机量化器编码其通信，以及他们应该如何使用自己状态的精确信息来更新。

    Jul, 2009

  • 随机交替方向乘子法异步分布式优化

    本文提出了一类新的随机异步分布式优化方法，将标准的交替方向乘子法推广到异步设置中，其中随机的高斯 - 塞德尔迭代用于找到两个单调算子求和的零点，最终收敛性在连接性条件下得到保证，数值结果证明了我们的理论。

    Mar, 2013

  • 异常值鲁棒估计：难度、最小调整算法和应用

    本文提出了两种统一的异常值稳健估计公式，并调查了最基本的极限、实用算法和应用。首先，我们证明了在最坏情况下，异常值稳健估计是不可近似的，即使使用慢于多项式时间的算法也无法找到异常值集合。 其次，我们扩展了两种通用算法，这些算法不需要先验知识，并且可以动态决定如何从激光提取稳健的信息，同时提供了对机器人感知问题的评估。

    Jul, 2020

  • 异步和延迟的去中心化一致性优化

    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

  • 由非线性耦合动态系统构成的传感器网络的分散极大似然估计

    本研究提出了一种分散式传感器网络方案，通过非线性耦合的动力系统的自同步，能够达到全局最优最大似然（ML）估计。

    Dec, 2006

  • 分布鲁棒贝叶斯优化

    本文通过使用最大平均偏差（MMD）来度量分布转移，研究了分布鲁棒优化的问题，在零阶、有噪音的优化设置下，提出了一种新颖的分布鲁棒贝叶斯优化算法（DRBO）。实验证明我们的算法在多个设置下能够获得次线性的稳健后悔的实现。

    Feb, 2020

  • 有噪声测量的拜占庭容错分布式状态估计的有限时间保证

    本文研究了多智能体网络中的有弹性、协作状态估计问题，在存在拜占庭故障的情况下，提出了一种计算效率高且能够抵御故障的算法，该算法通过坐标轴方向的修剪均值对消息进行聚合，并得出了在几乎一定的情况下，好的代理最终能够学习到真实参数这一结论。

    Oct, 2018