基于事件触发广播的资源感知精确分散优化
最优化与控制
2020-03-18 v2
摘要
本工作研究分散优化问题，其中一组具有耦合私有目标函数的智能体协同工作以精确优化局部利益之和。在将分散问题建模为等式约束的集中式问题后，我们利用线性化增广拉格朗日方法（LALM）设计了一种事件触发的分散算法，该算法仅在一般时刻需要轻量本地计算，并在零星触发时刻进行点对点通信。每个智能体的触发时刻通过比较真实与广播原始变量之间的偏差与特定触发阈值在本地确定。在阈值随时间可求和的前提下，我们建立了触发行为对原始-对偶残差影响的新上界。基于此，对于非光滑凸问题，获得了与周期算法相同的收敛速率 。对于强凸且光滑的问题，我们进一步建立了更强的收敛结果，即迭代在指数衰减触发阈值下线性收敛。我们在两个常见优化问题中检验了所开发的策略；对比结果说明了其在利用通信资源方面的性能与优越性。
引用
@article{arxiv.1907.10179,
title = {Resource-aware Exact Decentralized Optimization Using Event-triggered Broadcasting},
author = {Changxin Liu and Huiping Li and Yang Shi},
journal= {arXiv preprint arXiv:1907.10179},
year = {2020}
}