分布式贝叶斯：一种连续分布式约束优化问题求解器
最优化与控制
2020-02-11 v1
摘要
本文提出了一种新颖的分布式贝叶斯（D-Bay）算法，用于在连续分布式约束优化问题（DCOP）框架下求解多智能体问题。该框架将经典 DCOP 框架扩展至具有连续域的效用函数。传统的 DCOP 求解器对连续域进行离散化，使问题规模呈指数增长。D-Bay 利用贝叶斯优化对变量进行自适应采样，从而完全避免离散化，克服了这一问题。我们从理论上证明，对于 Lipschitz 连续效用函数，D-Bay 收敛到 DCOP 的全局最优解。基于采样效率对该算法的性能进行了实证评估。针对传感器协调问题，将所提算法与采用连续域等距离散化的集中式方法进行比较。我们发现，我们的算法在所需样本更少的同时给出了更优的解。
引用
@article{arxiv.2002.03252,
title = {Distributed Bayesian: a continuous Distributed Constraint Optimization Problem solver},
author = {Jeroen Fransman and Joris Sijs and Henry Dol and Erik Theunissen and Bart De Schutter},
journal= {arXiv preprint arXiv:2002.03252},
year = {2020}
}
备注
31 pages, 7 figures