【摘要】：多智能體網(wǎng)絡(luò)是一個大規(guī)模的網(wǎng)絡(luò)優(yōu)化系統(tǒng),它是由智能體之間通過局部信息交換與獨(dú)立工作能力而成。網(wǎng)絡(luò)中任意一個智能體出現(xiàn)問題時,對整個網(wǎng)絡(luò)均不會造成影響,并且有節(jié)約成本的優(yōu)勢,所以有著廣泛的應(yīng)用前景,比如:在無線傳感器網(wǎng)絡(luò)、網(wǎng)絡(luò)效用最大化和分布式調(diào)度響應(yīng)中。但對信息交換和時間的變化缺少集中的訪問。因此,多智能體網(wǎng)絡(luò)的分布式優(yōu)化方法應(yīng)在局部信息交換、計算和網(wǎng)絡(luò)拓?fù)渥兓幕A(chǔ)上進(jìn)行設(shè)計。常用的方法是分布式次梯度算法,如:primal分布式算法、dual分布式算法、primal-dual分布式算法等。而本文主要研究了分布式Push-Sum對偶平均優(yōu)化算法,主要工作如下:首先,介紹國內(nèi)外分布式優(yōu)化問題的現(xiàn)狀以及本文的動機(jī)目標(biāo)。然后,在時變有向圖中。討論了帶有約束集的分布式凸優(yōu)化問題,提出了分布式Push-Sum對偶平均優(yōu)化算法,分析了算法的收斂性,得到了收斂率為O((?)),并且用線性回歸問題的數(shù)值結(jié)果驗證了算法的有效性。對比現(xiàn)有的一些結(jié)果,去掉了網(wǎng)絡(luò)通訊權(quán)矩陣是雙隨機(jī)的限制。其次,由于網(wǎng)絡(luò)中的每個局部函數(shù)按照順序成為一個智能體且隨著時間可用,智能體之間必須相互交流建立一個在線的全局函數(shù),通過不斷地求解子問題來逐步求解全局解。因此,提出了在線的分布式Push-Sum對偶平均優(yōu)化算法。同時由于智能體接受的次梯度不一定的準(zhǔn)確的,從而提出了隨機(jī)的在線分布式Push-Sum對偶平均優(yōu)化算法。我們的結(jié)果表明,算法的Regret分析均有界,且為O((?)),呈次線性增長。接著,由于智能體接收的次梯度信息有可能不是當(dāng)前的次梯度信息,故提出了時滯多智能體網(wǎng)絡(luò)中的分布式Push-Sum對偶平均優(yōu)化算法,分析了算法的收斂性,得到算法的收斂率為O((?))。最后,總結(jié)本文的研究內(nèi)容,并對所研究的內(nèi)容作出展望�？傊�,在時變有向圖中或不平衡有向網(wǎng)絡(luò)中,以及時滯多智能體網(wǎng)絡(luò)條件下,所提出的算法是收斂的。從算法的理論分析數(shù)值實驗可知,時變有向圖的存在使得算法的收斂速度更快,收斂誤差變小。
【學(xué)位授予單位】：重慶師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 洪奕光;張艷瓊;;分布式優(yōu)化:算法設(shè)計和收斂性分析[J];控制理論與應(yīng)用;2014年07期

2 路亞;瞿芳;;無線傳感器網(wǎng)絡(luò)中協(xié)作干擾噪聲策略研究[J];西南師范大學(xué)學(xué)報(自然科學(xué)版);2014年03期

3 劉軍;李德權(quán);;具有通信時延的多個體分布式次梯度優(yōu)化算法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2013年05期

4 趙鋼;;基于分布式多引擎架構(gòu)的網(wǎng)格工作流管理系統(tǒng)[J];西南大學(xué)學(xué)報(自然科學(xué)版);2012年11期

，

本文編號：2643158