网络上全局耦合聚合优化的原始分解方法
系统与控制
2021-10-04 v2 系统与控制
最优化与控制
摘要
我们考虑一类多智能体优化问题，其中每个智能体具有一个依赖于自身决策变量及他人聚合量的局部目标函数，并愿意与其他智能体合作以最小化局部目标之和。在为每个智能体关联一个辅助变量及相关的局部估计后，我们对全局耦合问题进行原始分解并将其重构，使之可分布式求解。基于 Douglas-Rachford 方法，提出了一种算法，可确保精确收敛到原问题的一个解。所提方法具有良好的可扩展性，仅要求每个智能体保留数量随其邻居数线性增长的局部估计。我们通过运输网络上商品分配问题的数值仿真说明了所提算法。
引用
@article{arxiv.2109.12297,
title = {A Primal Decomposition Approach to Globally Coupled Aggregative Optimization over Networks},
author = {Yuanhanqing Huang and Jianghai Hu},
journal= {arXiv preprint arXiv:2109.12297},
year = {2021}
}