本文對(duì)基于一致性的分布式魯棒凸優(yōu)化問(wèn)題進(jìn)行了學(xué)習(xí)研究.對(duì)于魯棒凸優(yōu)化問(wèn)題,由于其約束中的不確定性,使其難以進(jìn)行數(shù)值上的求解,而SA（Scenario Approach）的提出解決了這一問(wèn)題.SA通過(guò)從原問(wèn)題的約束中獨(dú)立同分布地抽取有限個(gè)約束的方法得到原問(wèn)題的概率近似問(wèn)題SP（Scenario Problem）,且SP是標(biāo)準(zhǔn)的可求解的凸優(yōu)化問(wèn)題.顯然,SA采樣數(shù)量越多,SP越能概率近似魯棒凸優(yōu)化,而采樣數(shù)量的增加對(duì)單一處理器的性能要求也增加.分布式學(xué)習(xí)就能解決大規(guī)模樣本的問(wèn)題,將采集的大規(guī)模樣本分配到多個(gè)節(jié)點(diǎn)上進(jìn)行處理,分配到各個(gè)節(jié)點(diǎn)間的樣本不存在交互,在處理的過(guò)程中通過(guò)節(jié)點(diǎn)構(gòu)成的網(wǎng)絡(luò)進(jìn)行信息的交互從而達(dá)到一致.基于上述背景的調(diào)查和分析,本文針對(duì)基于一致性的分布式魯棒凸優(yōu)化問(wèn)題展開(kāi)了研究與討論,研究?jī)?nèi)容包括基于DAC（Distributed Average Consensus）的分布式魯棒凸優(yōu)化,基于主節(jié)點(diǎn)的ADMM（Alternating Direction Method of Multipliers）求解分布式魯棒凸優(yōu)化和基于從節(jié)點(diǎn)的ADMM求解分布式魯棒凸優(yōu)化,具體如下:1.基于D... 

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 魯棒凸優(yōu)化
        1.1.2 分布式學(xué)習(xí)
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 魯棒凸優(yōu)化
        1.2.2 分布式學(xué)習(xí)
    1.3 本文內(nèi)容和結(jié)構(gòu)
2 基于SA(Scenario Approach)的魯棒凸優(yōu)化
    2.1 引言
    2.2 魯棒凸優(yōu)化模型
    2.3 SA
    2.4 分布式魯棒凸優(yōu)化
    2.5 本章小結(jié)
3 分布式學(xué)習(xí)算法
    3.1 引言
    3.2 分布式一致平均
    3.3 交替方向乘子法
        3.3.1 對(duì)偶上升法
        3.3.2 增廣拉格朗日乘子法
        3.3.3 交替方向乘子法
    3.4 本章小結(jié)
4 基于DAC的分布式魯棒凸優(yōu)化
    4.1 引言
    4.2 基于DAC的分布式學(xué)習(xí)
        4.2.1 原始對(duì)偶次梯度算法
        4.2.2 算法總體流程
    4.3 基于EDAC的分布式學(xué)習(xí)
    4.4 收斂性分析
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)
        4.5.2 實(shí)驗(yàn)結(jié)果
    4.6 本章小結(jié)
5 基于主節(jié)點(diǎn)的ADMM求解分布式魯棒凸優(yōu)化
    5.1 引言
    5.2 基于ADMM的分布式學(xué)習(xí)
    5.3 算法總體流程
    5.4 本章小結(jié)
6 基于從節(jié)點(diǎn)的ADMM求解分布式魯棒凸優(yōu)化
    6.1 引言
    6.2 基于ADMM的分布式學(xué)習(xí)
    6.3 算法總體流程
    6.4 收斂性分析
    6.5 實(shí)驗(yàn)結(jié)果與分析
        6.5.1 實(shí)驗(yàn)數(shù)據(jù)
        6.5.2 實(shí)驗(yàn)結(jié)果
    6.6 本章小結(jié)
7 結(jié)論與展望
    7.1 研究總結(jié)
    7.2 進(jìn)一步需要開(kāi)展的工作
參考文獻(xiàn)
作者簡(jiǎn)歷



本文編號(hào)：3692797