.png){kind=icon}
返回
A Compressed Gradient Tracking Method for Distributed Aggregative Optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s11424-025-3438-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，作者们提出了一种具有压缩通信的分布式梯度跟踪算法，用于在通信约束下解决聚合优化问题。该问题涉及最小化局部成本函数的总和，其中每个成本函数依赖于局部和全局状态变量。作者们旨在通过网络中各智能体间的局部计算和高效通信来求解此优化问题，而无需中央协调器。所提出的算法结合了变量跟踪方法以估计全局状态变量，以及一种压缩通信方案以在优化过程中降低通信成本。其中，压缩方案可以包含有偏和无偏压缩器。尽管由于量化导致部分传输信息损失，所提出的算法仍能以线性收敛率实现精确最优解。作者们通过在最优选址问题上的仿真实验验证了理论结果。
Keyword:
Aggregative optimization
compression communication
distributed algorithm
gradient tracking
期刊
IF:
2.8
论文数:
212
被引数:
2.1K
机构
引用论文
Scaling-Up Distributed Processing of Data Streams for Machine Learning.png)
PROCEEDINGS OF THE IEEE
OAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏
查看更多内容