基于确定性与随机扩散的迭代广义硬阈值算法（DiFIGHT）用于分布式稀疏信号恢复
信息论
2020-08-17 v2 分布式、并行与集群计算
数值分析
math.IT
摘要
本文提出一种构建于扩散机制之上的分布式迭代硬阈值算法，称为 DiFIGHT，并给出该算法的一种改进版本，称为 MoDiFIGHT，其在网络中的通信复杂度较低。我们还提出四种不同的策略，称为 RP、RNP、RGP 和 RGNP，用于随机选取随后被激活以参与分布式算法的节点子集，从而降低分布式算法运行期间的平均通信次数。我们给出了当这两种所提算法使用这些不同策略时，每单位时间长期通信量的理论估计。此外，我们对两种所提算法进行了分析，并给出了其在使用或不使用随机节点选择策略时恢复性能的可证明界。最后，我们通过数值研究说明，无论使用随机策略与否，所提算法的性能都远优于采用共识机制的分布式 IHT 算法。
引用
@article{arxiv.1804.08265,
title = {Deterministic and Randomized Diffusion based Iterative Generalized Hard Thresholding (DiFIGHT) for Distributed Sparse Signal Recovery},
author = {Samrat Mukhopadhyay and Mrityunjoy Chakraborty},
journal= {arXiv preprint arXiv:1804.08265},
year = {2020}
}
备注
11 pages, 4 figures, Updated some analysis, Added a few more explanations