关键词distributed convex optimization
搜索结果 - 5
- 通过分布式平滑分位数估计进行快速网络数据选择
通过使用平滑技术,本文提出了一种加速方法,旨在解决网络规模的局部目标函数缺乏光滑性时导致的收敛速度慢和可扩展性差的问题,以实现具有分布式凸优化的多元集合下的前 k 个元素选择。
- 受限强凸性下的预条件 PI 一致性算法的线性收敛
该研究通过使用比例积分(PI)控制策略,在同步连接的点对点多智能体网络中解决分布式凸优化问题。它提出了 PI 共识算法,利用 Lyapunov 理论保证了限制强凸函数具有速率匹配离散化的 PI 共识算法的指数收敛性。为了加速 PI 共识算法 - 用于网络分布式优化的推拉梯度方法
本文介绍了一种新的分布式梯度方法,称为 “推 - 拉梯度方法”,利用两种不同的图形实现代理之间的信息交换,并在同步和异步随机传递的情况下,线性地收敛于重要的自治网络。
- 分布式优化网络中最优算法的双重方法
本研究旨在研究分布式凸优化问题的双重算法,提出一种基于适当形式化原始问题的对偶的方法,包括模拟通信限制的图,并提出分布式算法,其效率与中心化算法相同(差异不超过常数和对数因子),并且与网络的谱特性有关的最优成本。
- 自协调经验损失的通信高效分布式优化
本论文提出了基于省通信的分布式算法来最小化整体经验损失,算法的迭代复杂度和通信效率针对自共轭经验损失函数进行了分析。