通过多智能体分布式 ADMM 框架中的增益自适应提高收敛速率
系统与控制
2020-02-26 v1 系统与控制
摘要
本文研究了网络多智能体系统中分布式优化问题的交替方向乘子法（ADMM）。具体而言，在标准凸性质下以闭式推导了一种新的自适应增益 ADMM 算法，以大幅加速基于 ADMM 的分布式优化收敛。利用李雅普诺夫直接法，所提方案将控制增益嵌入智能体间的加权网络矩阵，并将这些权重用作增广拉格朗日中的自适应惩罚增益。结果表明，所提闭环增益自适应方案显著改善了底层 ADMM 优化的收敛时间。文中给出了收敛性分析，并包含仿真结果以证明所提方案的有效性。
引用
@article{arxiv.2002.10515,
title = {Improving Rate of Convergence via Gain Adaptation in Multi-Agent Distributed ADMM Framework},
author = {Towfiq Rahman and Zhihua Qu and Toru Namerikawa},
journal= {arXiv preprint arXiv:2002.10515},
year = {2020}
}