基于提升函数逃离局部最优的多智能体系统分布式非凸优化：理论与应用
最优化与控制
2020-07-16 v6
摘要
我们研究协作多智能体优化问题中因非凸目标函数而产生的多个局部最优问题。为逃离此类局部最优，我们提出一种基于提升函数概念的系统性方法。其基本思想是将局部最优处的梯度临时转化为具有非零幅值的提升梯度。我们基于梯度优化算法并利用一种新颖的最优变步长机制，开发了分布式提升方案 (Distributed Boosting Scheme, DBS)，以保证收敛。尽管我们的动机源于覆盖控制问题设定，但我们的分析适用于广泛的一类多智能体问题。仿真结果用于比较不同提升函数族的性能，并展示提升函数方法在获得改进（仍一般为局部）最优值方面的有效性。
引用
@article{arxiv.1903.04133,
title = {Distributed Non-convex Optimization of Multi-agent Systems Using Boosting Functions to Escape Local Optima: Theory and Applications},
author = {Shirantha Welikala and Christos G. Cassandras},
journal= {arXiv preprint arXiv:1903.04133},
year = {2020}
}
备注
Submitted to IEEE Transactions on Automatic Control