本文選題：加速對偶下降算法 + 隨機加速對偶下降(ADD)算法��； 參考：《重慶郵電大學(xué)學(xué)報(自然科學(xué)版)》2014年06期

【摘要】：傳統(tǒng)的分布式網(wǎng)絡(luò)流量優(yōu)化問題大都通過對偶梯度下降算法來解決,雖然該算法能夠以分布式方式來實現(xiàn),但其收斂速度較慢。加速對偶下降(accelerated dual descent,ADD)算法通過近似牛頓步長的分布式計算,提高了對偶梯度下降算法的收斂速率。但由于通信網(wǎng)絡(luò)的不確定性,在約束不確定時,該算法的收斂性難以保證�；诖�,提出了一種隨機形式的ADD算法來解決該網(wǎng)絡(luò)優(yōu)化問題。理論上證明了隨機ADD算法在不確定性的均方誤差有界時,能以較高概率收斂于最優(yōu)值的一個誤差鄰域;當(dāng)給出更嚴格的不確定性的約束條件時,算法則可以較高概率收斂于最優(yōu)值。實驗結(jié)果表明,隨機ADD算法的收斂速率比隨機梯度下降算法快2個數(shù)量級。
[Abstract]:The traditional distributed network traffic optimization problem is mostly solved by dual gradient descent algorithm. Although the algorithm can be implemented in a distributed way, its convergence rate is slow. The convergence rate of the dual gradient descent algorithm is improved by the distributed computation of the approximate Newtonian step size for the accelerated dual descent dual descented algorithm. However, due to the uncertainty of the communication network, the convergence of the algorithm is difficult to guarantee when the constraints are uncertain. Based on this, a stochastic ADD algorithm is proposed to solve the network optimization problem. It is theoretically proved that the stochastic ADD algorithm can converge to an error neighborhood of the optimal value with a higher probability when the mean square error of the uncertainty is bounded, and when the more strict constraint conditions of uncertainty are given, The algorithm can converge to the optimal value with higher probability. Experimental results show that the convergence rate of the stochastic ADD algorithm is two orders of magnitude faster than that of the stochastic gradient descent algorithm.
【作者單位】： 重慶電子工程職業(yè)學(xué)院計算機學(xué)院;
【分類號】：TN915.06

【參考文獻】

相關(guān)期刊論文 前2條

1 魏唯;歐陽丹彤;呂帥;馮宇軒;;動態(tài)不確定環(huán)境下多目標(biāo)路徑規(guī)劃方法[J];計算機學(xué)報;2011年05期

2 王振鋒;崔巖;王亮;謝敏;;不確定環(huán)境下的再制造閉環(huán)物流網(wǎng)絡(luò)優(yōu)化[J];計算機工程與應(yīng)用;2012年36期

【共引文獻】

相關(guān)期刊論文 前6條

1 阮群生;林宏康;;一種新的城市交通路徑搜索算法[J];計算機工程與應(yīng)用;2012年34期

2 韓松;陳琪;陳國良;;非戰(zhàn)爭軍事行動衛(wèi)生動員藥材征用方案擇優(yōu)模型的構(gòu)建[J];價值工程;2012年35期

3 劉曉峰;李欣;曾志勇;;基于順序多尺度的智能規(guī)劃問題模型及其求解方法[J];吉林大學(xué)學(xué)報(理學(xué)版);2013年04期

4 李冬梅;劉艷;;隨機ADD算法的不確定網(wǎng)絡(luò)優(yōu)化研究[J];計算機應(yīng)用研究;2014年12期

5 周愛民;張青富;張桂戌;;一種基于混合高斯模型的多目標(biāo)進化算法[J];軟件學(xué)報;2014年05期

6 劉洋;章衛(wèi)國;李廣文;史靜平;;一種三維環(huán)境中的無人機多路徑規(guī)劃方法[J];西北工業(yè)大學(xué)學(xué)報;2014年03期

相關(guān)博士學(xué)位論文 前1條

1 魏唯;智能規(guī)劃方法中啟發(fā)式搜索策略的研究[D];吉林大學(xué);2013年

【二級參考文獻】

相關(guān)期刊論文 前10條

1 徐濱士;價值巨大的再制造工程[J];表面工程資訊;2005年01期

2 毛海軍;芮維娜;李旭宏;;基于不確定條件的再制造物流網(wǎng)絡(luò)優(yōu)化設(shè)計[J];東南大學(xué)學(xué)報(自然科學(xué)版);2010年02期

3 馬祖軍,代穎,劉飛;再制造物流網(wǎng)絡(luò)的穩(wěn)健優(yōu)化設(shè)計[J];系統(tǒng)工程;2005年01期

4 馬祖軍,代穎;產(chǎn)品回收逆向物流網(wǎng)絡(luò)優(yōu)化設(shè)計模型[J];管理工程學(xué)報;2005年04期

5 房巧紅;陳功玉;;再制造逆向物流網(wǎng)絡(luò)的機會約束目標(biāo)規(guī)劃模型[J];工業(yè)工程與管理;2010年01期

6 魏唯;歐陽丹彤;呂帥;殷明浩;;一種多目標(biāo)增量啟發(fā)式搜索算法[J];吉林大學(xué)學(xué)報(理學(xué)版);2009年04期

7 伍星華;王旭;林云;;制造/再制造集成物流網(wǎng)絡(luò)的優(yōu)化設(shè)計研究[J];計算機工程與應(yīng)用;2010年15期

8 朱慶保;動態(tài)復(fù)雜環(huán)境下的機器人路徑規(guī)劃螞蟻預(yù)測算法[J];計算機學(xué)報;2005年11期

9 馬祖軍,張殿業(yè),代穎;再制造逆向物流網(wǎng)絡(luò)優(yōu)化設(shè)計模型研究[J];交通運輸工程與信息學(xué)報;2004年02期

10 馬祖軍;代穎;;再制造物流網(wǎng)絡(luò)優(yōu)化設(shè)計的擴展模型[J];交通運輸工程學(xué)報;2007年03期

【相似文獻】

相關(guān)期刊論文 前3條

1 章衛(wèi)平;;離散L_1逼近的一個新的下降算法[J];北京郵電學(xué)院學(xué)報;1992年02期

2 陶卿;羅強;朱燁雷;儲德軍;;大規(guī)模SVDD的坐標(biāo)下降算法[J];模式識別與人工智能;2012年06期

3 靳天玉;呂振肅;;基于LS的梯度迭代最陡下降算法GISDA[J];甘肅科學(xué)學(xué)報;2005年04期

相關(guān)會議論文 前1條

1 杜守強;陳元媛;田志遠;;一族含參數(shù)共軛下降算法的全局收斂性[A];中國運籌學(xué)會第八屆學(xué)術(shù)交流會論文集[C];2006年

相關(guān)碩士學(xué)位論文 前1條

1 周黨振;一種求解優(yōu)化問題和非線性方程組的下降算法[D];河南大學(xué);2010年

，

本文編號：1903255