关键词decentralized online convex optimization
搜索结果 - 2
- 分散式在线凸优化的近优遗憾
我们在分散的在线凸优化中(D-OCO),通过仅使用本地计算和通信来最小化一系列全局损失函数的一组本地学习器。我们首先开发了一种新颖的 D-OCO 算法,将凸函数和强凸函数的遗憾边界分别降低到 O (nρ^{−1/4}√T) 和 O (nρ^ - 网络中的增强学习分散式在线凸优化
本文讨论了基于网络化多智能体系统的分散在线凸优化,并提出了一种新的算法 —— 学习增强的分散式在线优化(LADO),使个体代理人仅基于本地在线信息选择动作。与现有的集中式学习增强在线算法形成鲜明对比,LADO 实现了分散式设置下的强大的鲁棒