面向凸与非凸目标约束随机规划的原始对偶Frank-Wolfe算法
最优化与控制
2018-06-05 v1
摘要
我们研究约束随机规划,其中每个时隙的决策向量不能自由选取,而是与底层随机状态向量的实现相关联。目标是在线性约束下最小化一个一般目标函数。此类规划出现的典型场景是时变信道网络上的机会调度,其中随机状态向量是观察到的信道状态,控制向量是依赖于当前信道状态的传输决策。我们考虑一种原始对偶型Frank-Wolfe算法,该算法在每个时隙具有低复杂度更新,并在无随机状态向量概率分布先验知识的情况下学习做出高效决策。我们建立了凸和非凸目标函数情形下的收敛时间保证。我们还强调了该算法在非凸机会调度和连通图上分布式非凸随机优化中的应用。
引用
@article{arxiv.1806.00709,
title = {Primal-Dual Frank-Wolfe for Constrained Stochastic Programs with Convex and Non-convex Objectives},
author = {Xiaohan Wei and Michael J. Neely},
journal= {arXiv preprint arXiv:1806.00709},
year = {2018}
}
备注
25 pages, 1 figure