基于自适应同步的加速分布式原始对偶动力学
最优化与控制
2019-05-03 v1
摘要
本文提出一种用于多智能体系统分布式优化的自适应原始对偶动力学。所提动力学引入一种自适应同步律,增强耦合智能体原始变量间的互联强度,该给定律加速了所提动力学到鞍点解的收敛。所得动力学表示为一个反馈互联的网络系统,并被证明是无源的。所提动力学的无源性质结合混合系统的 LaSalle 不变原理被用于确立鞍点解的渐近收敛与稳定性。进一步,分析了原始动力学的收敛速率并建立了更强的收敛界,证明了原始动力学在自适应同步下实现加速收敛。使用 L2 增益分析量化了所提动力学的鲁棒性,并给出了其收敛速率与鲁棒性之间的关联。通过将所提动力学应用于求解分布式最小二乘与分布式支持向量机问题,证明了其有效性。
引用
@article{arxiv.1905.00837,
title = {Accelerated Distributed Primal-Dual Dynamics using Adaptive Synchronization},
author = {P. A. Bansode and K. C. Kosaraju and S. R. Wagh and R. Pasumarthy and N. M. Singh},
journal= {arXiv preprint arXiv:1905.00837},
year = {2019}
}