分布式在线 Frank-Wolfe 凸优化的动态遗憾
最优化与控制
2023-02-02 v1
摘要
本文研究分布式在线凸约束优化问题，其中多智能体系统中的各个智能体通过在时变网络上与邻居通信来协作最小化一个全局代价函数。当优化问题的约束集为高维且复杂时，投影运算的计算代价往往变得难以承受。为处理该问题，我们结合梯度跟踪技术提出了一种分布式在线 Frank-Wolfe 优化算法。我们严格建立了所提优化算法的动态遗憾界为 ，其显式依赖于迭代轮数 、函数变化量 和梯度变化量 。最后，在分布式在线岭回归问题的情形下对理论结果进行了验证与比较。
引用
@article{arxiv.2302.00663,
title = {Dynamic Regret of Distributed Online Frank-Wolfe Convex Optimization},
author = {Wentao Zhang and Yang Shi and Baoyong Zhang and Deming Yuan},
journal= {arXiv preprint arXiv:2302.00663},
year = {2023}
}