快速在线分布式对偶平均优化算法

作     者：李德权 王俊雅 马驰 周跃进 LI Dequan, WANG Junya, MA Chi, ZHOU Yuejin

作者机构：安徽理工大学数学与大数据学院安徽淮南232000 

基　　金：国家自然科学基金资助项目(61472003 11701007) 安徽省高校学科(专业)拔尖人才学术资助重点项目(gxbj ZD2016049) 安徽省学术和技术带头人及后备人选科研活动项目(2016H076) 安徽省自然科学基金资助项目(KJ2017A087)~~ 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2018年第38卷第8期

页      码：2337-2342页

摘      要：为提高分布式在线优化算法的收敛速度,对底层网络拓扑依次添边,提出一种快速的一阶分布式在线对偶平均优化(FODD)算法。首先,对于分布式在线优化问题,运用添边方法使所选的边与网络模型快速混合,进而建立数学模型并设计FODD算法对其进行优化求解。其次,揭示了网络拓扑和在线分布式对偶平均收敛速度之间的关系,通过提高底层拓扑网络的代数连通度改进了Regret界,将在线分布式对偶平均(ODDA)算法从静态网络拓展到时变网络拓扑上,并证明了FODD算法的收敛性,同时解析地给出了收敛速度。最后的数值仿真表明:和ODDA算法相比,所提出的FODD算法具有更快的收敛速度。

主 题 词：分布式网络 在线分布式对偶平均 Regret界 代数连通度 拉普拉斯矩阵 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.11772/j.issn.1001-9081.2018010189

馆 藏 号：203321338...