快速在线分布式对偶平均优化算法

• 作者: 周跃进 李德权 王俊雅 马驰
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 网络与通信
• 页码范围: 2337-2342
• 页数: 6页
• 分类号: TP301.6
• 字数: 6621字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018010189

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马驰	安徽理工大学数学与大数据学院	12	16	2.0	3.0
2	周跃进	安徽理工大学数学与大数据学院	19	9	2.0	2.0
3	李德权	安徽理工大学数学与大数据学院	44	111	6.0	9.0
4	王俊雅	安徽理工大学数学与大数据学院	6	3	1.0	1.0