时变网络上的分散式凸优化及其在 Wasserstein 重心中的应用
最优化与控制
2023-07-26 v3
摘要
受分布式近似 Wasserstein 重心算法近期进展的启发，我们针对该问题提出了一种新颖的分布式算法。主要创新点在于我们考虑了时变计算网络，其动机来源于某些场景下每时刻仅有部分传感器能进行观测，但仍需通过近似其重心来平均信号（例如某区域的卫星图像）。我们将此问题嵌入一类时变网络上的非光滑对偶友好型分布式优化问题，并为该类问题开发了首阶方法。我们证明了在 Nesterov 意义下的非渐近加速收敛速率，并明确刻画了它们对网络参数及其动态特性的依赖关系。在实验中，我们展示了所提算法应用于 Wasserstein 重心问题时的效率。
引用
@article{arxiv.2205.15669,
title = {Decentralized Convex Optimization on Time-Varying Networks with Application to Wasserstein Barycenters},
author = {Olga Yufereva and Michael Persiianov and Pavel Dvurechensky and Alexander Gasnikov and Dmitry Kovalev},
journal= {arXiv preprint arXiv:2205.15669},
year = {2023}
}