用于分布式约束耦合优化的 Tracking-ADMM 算法
最优化与控制
2019-07-26 v1 系统与控制
系统与控制
摘要
我们考虑约束耦合优化问题，其中网络中的智能体旨在合作最小化局部目标函数之和，且满足个体约束与一个公共线性耦合约束。我们提出一种新颖的优化算法，将动态平均一致性协议嵌入并行交替方向乘子法（ADMM）中，为所考虑的设置设计完全分布式方案。动态平均机制使智能体能够跟踪时变的耦合约束违反量（在当前解估计处）。随后，被跟踪的约束违反量用于在基于一致性的方案中更新局部对偶变量，模拟并行 ADMM 步。在凸性下，我们证明智能体原始解估计的所有极限点构成约束耦合（原始）问题的最优解。该结果通过基于 Lyapunov 的分析证明，同时显示对偶估计对偶最优解的一致性、跟踪方案的收敛性以及原始迭代的渐近最优性。关于插电式电动汽车最优充电调度的数值研究证实了理论结果。
引用
@article{arxiv.1907.10860,
title = {Tracking-ADMM for Distributed Constraint-Coupled Optimization},
author = {Alessandro Falsone and Ivano Notarnicola and Giuseppe Notarstefano and Maria Prandini},
journal= {arXiv preprint arXiv:1907.10860},
year = {2019}
}
备注
14 pages, 2 figures, submitted to Automatica