带仿射约束的分散强凸优化：原始与对偶方法
最优化与控制
2023-01-12 v2
摘要
分散优化是分布式信号处理与感知以及隐私保护和大规模机器学习中常用的范式。假设若干计算实体在本地持有目标函数并通过网络连接。这些智能体旨在通过梯度更新并与直接邻居交换信息，共同最小化本地目标之和。分散优化的理论在文献中已相当成熟，具体包括下界和最优算法。在本文中，我们假设除目标外，每个节点还持有仿射约束。我们讨论处理带仿射约束的分散优化问题的若干原始与对偶方法。
引用
@article{arxiv.2207.04555,
title = {Decentralized Strongly-Convex Optimization with Affine Constraints: Primal and Dual Approaches},
author = {Alexander Rogozin and Demyan Yarmoshik and Ksenia Kopylova and Alexander Gasnikov},
journal= {arXiv preprint arXiv:2207.04555},
year = {2023}
}