加速分布式聚合优化
最优化与控制
2023-04-18 v1 机器学习
多智能体系统
摘要
在本文中，我们研究网络中的分布式聚合优化问题，其中每个智能体拥有自己的局部代价函数，该函数不仅依赖于局部状态变量，还依赖于所有智能体状态变量的聚合函数。为加速优化过程，我们将重球法和Nesterov加速法与分布式聚合梯度跟踪相结合，提出两种名为DAGT-HB和DAGT-NES的新算法来求解分布式聚合优化问题。我们分析了当目标函数光滑且强凸，且参数（例如步长和动量系数）在特定范围内选取时，DAGT-HB和DAGT-NES算法能以全局 R-线性收敛速率收敛到最优解。给出了一个关于最优放置问题的数值实验以验证我们所提算法的有效性和优越性。
引用
@article{arxiv.2304.08051,
title = {Accelerated Distributed Aggregative Optimization},
author = {Jiaxu Liu and Song Chen and Shengze Cai and Chao Xu},
journal= {arXiv preprint arXiv:2304.08051},
year = {2023}
}