用于分布式优化的随机 Bregman 平行方向乘子法
最优化与控制
2019-03-05 v2
摘要
Bregman 平行方向乘子法（BPDMM）能高效求解网络上的分布式优化问题，这类问题广泛出现于协作式多智能体学习应用中。在本文中，我们将 BPDMM 推广为随机 BPDMM，其中每次迭代仅在随机选取的部分节点而非网络中所有节点上求解局部优化。这种推广降低了对计算资源的需求，并允许应用于更大规模的网络。我们建立了随机 BPDMM 的全局收敛性和 O(1/T) 迭代复杂度。我们通过数值算例展示了我们的结果。
引用
@article{arxiv.1902.09695,
title = {Stochastic Bregman Parallel Direction Method of Multipliers for Distributed Optimization},
author = {Yue Yu and Behçet Açıkmeşe},
journal= {arXiv preprint arXiv:1902.09695},
year = {2019}
}