基于信任的有向图恶意攻击下快速分布式优化

本文提出了一种名为弹性投影推拉(RP3)的算法,用于多智能体信息物理系统中具有有向通信图且存在恶意智能体的分布式优化。该算法利用随机智能体间信任值和梯度跟踪,即使在对抗环境中也能实现几何收敛速率。我们引入增长约束集来限制恶意智能体的影响,同时不损害算法的几何收敛速率。我们证明,只要步长足够小且约束集选择得当,RP3几乎必然收敛到标称最优解,并且对于任意$r\geq 1$在$r$阶矩意义下收敛。我们通过平均共识和多机器人目标跟踪问题的数值研究验证了该方法,结果表明RP3能有效减轻恶意智能体的影响并实现期望的几何收敛。