面向分布式约束优化的延迟感知 2-Opt 单调局部搜索
人工智能
2025-04-15 v1 分布式、并行与集群计算
摘要
研究人员最近将分布式约束优化问题(DCOP)扩展为具有通信感知能力的 DCOP，以适用于消息可任意延迟的场景。为常规 DCOP 设计的分布式异步局部搜索和推理算法对消息延迟更不容易受到影响。然而，与为常规 DCOP 设计的局部搜索算法不同，后者收敛于 k-opt 解(k > 1)，即收敛于无法被 k 个代理组改进的解；而具有通信感知 DCOP 局部搜索算法仅受限于 1-opt 解。本文引入了 Latency-Aware Monotonic Distributed Local Search-2 (LAMDLS-2)，其中代理成对协调双边赋值替换。LAMDLS-2 为单调、收敛至 2-opt 解，并且对消息延迟也具有鲁棒性，使其适用于 CA-DCOP。我们的结果表明，LAMDLS-2 在各种消息延迟情景下收敛速度快于基准算法 MGM-2，同时达到类似的 2-opt 解。
引用
@article{arxiv.2504.08737,
title = {Latency-Aware 2-Opt Monotonic Local Search for Distributed Constraint Optimization},
author = {Ben Rachmut and Roie Zivan and William Yeoh},
journal= {arXiv preprint arXiv:2504.08737},
year = {2025}
}