快速在线分布式对偶平均优化算法

摘要：

为提高分布式在线优化算法的收敛速度,对底层网络拓扑依次添边,提出一种快速的一阶分布式在线对偶平均优化(FODD)算法.首先,对于分布式在线优化问题,运用添边方法使所选的边与网络模型快速混合,进而建立数学模型并设计FODD算法对其进行优化求解.其次,揭示了网络拓扑和在线分布式对偶平均收敛速度之间的关系,通过提高底层拓扑网络的代数连通度改进了Regret界,将在线分布式对偶平均(ODDA)算法从静态网络拓展到时变网络拓扑上,并证明了FODD算法的收敛性,同时解析地给出了收敛速度.最后的数值仿真表明:和ODDA算法相比,所提出的FODD算法具有更快的收敛速度.

关键词：分布式网络、在线分布式对偶平均、Regret界、代数连通度、拉普拉斯矩阵

所属期刊栏目：38

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61472003,11701007;安徽省高校学科专业拔尖人才学术资助重点项目gxbjZD2016049;安徽省学术和技术带头人及后备人选科研活动项目2016H076;安徽省自然科学基金资助项目KJ2017A087

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2337-2342