非凸函数之和的凸函数分布式优化
分布式、并行与集群计算
2016-08-19 v1 机器学习
最优化与控制
摘要
我们提出了一种分布式解决方案，用于优化由若干非凸函数组成的凸函数。每个非凸函数由单个智能体私有保存，智能体之间通过与邻居通信形成网络。我们证明，在梯度 Lipschitz 连续性的额外假设下，文献[1]中提出的耦合共识与投影梯度下降算法可以优化非凸函数之和的凸函数。我们进一步讨论了该分析在改善分布式优化隐私性方面的应用。
引用
@article{arxiv.1608.05401,
title = {Distributed Optimization of Convex Sum of Non-Convex Functions},
author = {Shripad Gade and Nitin H. Vaidya},
journal= {arXiv preprint arXiv:1608.05401},
year = {2016}
}