异步多智能体原始-对偶优化

我们提出一个框架，用于在有中心云计算机增强的智能体网络上异步求解凸优化问题。该框架使用 Tikhonov 正则化的原始-对偶方法，其中智能体更新系统的原始变量，而云更新其对偶变量。为最小化系统所需的协调，允许智能体间的通信与计算时间任意，只要满足温和条件。从智能体到云的通信同样在任何时间协调下执行。然而，我们要求云保持对偶变量值在智能体间同步，并给出一个反例证明此种同步程度对收敛确有必要。给出了原始空间与对偶空间中的收敛速率估计，并给出了展示所提算法运行与收敛的仿真结果。