异步分散式连续凸近似
最优化与控制
2020-02-03 v2
摘要
我们研究网络上的分散式异步多智能体优化，建模为静态（可能有向）图。该优化问题由最小化一个（可能非凸的）光滑函数——各智能体局部代价之和——加上一个凸（可能非光滑）正则化项构成，并受凸约束限制。智能体可以在任意时刻执行局部计算并与直接邻居通信，无需任何协调或集中调度；此外，在求解局部子问题时，它们可以使用来自邻居的过时信息。我们提出了首个称为ASY-DSCA的分布式异步算法，该算法以R线性速率收敛到凸问题的最优解，其目标函数满足一般误差界条件；该条件弱于更常用的强凸性，并被若干非强凸的经验风险函数所满足，例如LASSO和逻辑回归问题。当目标函数非凸时，ASY-DSCA以次线性速率收敛到问题的平稳解。
引用
@article{arxiv.1909.10144,
title = {Asynchronous Decentralized Successive Convex Approximation},
author = {Ye Tian and Ying Sun and Gesualdo Scutari},
journal= {arXiv preprint arXiv:1909.10144},
year = {2020}
}