带约束的异步去中心化优化：有向图的可达收敛速度
最优化与控制
2024-01-09 v1
摘要
我们研究一个去中心化凸优化问题，其中每个智能体都有其独特的局部目标函数和约束集。智能体以不同速度计算，且它们的通信可能存在延迟和方向性。针对此设置，我们提出了一种异步双重平均与梯度投影（ASY-DAGP）算法。我们的算法通过使用局部缓冲区并利用传输消息中的时间相关性，来处理诸如消息失败等困难场景。我们利用性能估计问题（PEP）保证算法的收敛速度。特别地，我们引入了线性二次（LQ）PEP 的概念。该方法简化了光滑凸优化问题的分析，超越了李雅普诺夫函数分析，并避免了强凸性等限制性假设。数值实验验证了我们所提算法的有效性。
引用
@article{arxiv.2401.03136,
title = {Asynchronous Decentralized Optimization with Constraints: Achievable Speeds of Convergence for Directed Graphs},
author = {Firooz Shahriari-Mehr and Ashkan Panahi},
journal= {arXiv preprint arXiv:2401.03136},
year = {2024}
}