分布式流言push-sum无梯度算法.doc

分布式流言push-sum无梯度算法.doc分布式流言push-sum无梯度算法李德权王孝梅马驰安徽理工大学数学与大数据学院摘要:研究多个体网络中所有个体目标函数之和最小值问题,其中每个个体仅知其自身目标函数且仅可与其邻居个体交互信息。鉴于个体0标函数通常非光滑,同吋个体间单变量信息通信有一定局限性,本文提出一种分布式流言push-sum无梯度算法求解此优化问题。假设每个个体都具有一个服从泊松分布的控制时钟,时钟的每次转动表示随机选择的个体之间进行信息更新。进一步地,在网络连通条件下证明了所提算法的收敛性。数值仿真结果表明,与现有的分布式流言无梯度优化算法相比,本文算法具有更快的收敛速度。关键词:多个体网络;网络优化;分布式优化;流言算法;push-sum算法;无梯度算法;作者简介:李徳权(1973-),男,安徽理工大学教授,~mai1:leedqcpp@收稿日期:2017-07-26基金:国家自然科学基金资助项FI(61472003)Distributedgossip-basedpush-sumgradient-freealgorithmLiDequanWangXiaomeiMaChiSchoolofMa/thematicsandBigData,AnhuiUniversityofScienceandTechnology;Abstract:work,"s1ocalobjectivefunctionisusual1ynon-municationamongagentshassomelimitations,adistributedgossip-basedpush-sumgradient-free(DGPSGF),andateachtickofitsclockrotation,,-basedgradient-freealgorithm,theproposedDG-:multi-work;nctworkoptimization;distributedoptimization;gossipalgorithm;push—sumalgorithm;gradient-freealgorithm;Received:2017-07-26近年来多个体网络分布式优化算法己成为研究热点。众多应用领域问题都可转化为多个体网络中的分布式优化问题,女口:分布式控制、分布式信号处理、大规模机器学习和无线网络分布式估计等。分布式优化的目的是通过个体间局部交互信息求解关于整个网络目标函数的最小值,目前解决此类问题的一种经典方法是