.png){kind=icon}
返回
Dual decomposition for multi-agent distributed optimization with coupling constraints*
.png){kind=icon}
OA
AI
DOI：10.1016/j.automatica.2017.07.003.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们在协作的多代理环境中研究分布式优化，在该环境中，代理必须就共享资源的使用达成一致，并且可以为此目的通过时变网络进行通信。每个代理都有自己的决策变量，应设置这些变量，以使受局部约束的单个目标函数最小化。资源共享是通过耦合约束来建模的，耦合约束涉及代理各个功能之和的非积极性，每个功能取决于单个代理的决策变量。我们提出了一种新颖的分布式算法，以最小化受局部和耦合约束的代理目标函数的总和，其中对偶分解和近端最小化在迭代方案中组合。值得注意的是，由于代理仅交换与耦合约束相关联的双重优化变量，因此保证了信息的保密性。在凸性假设下，结合通信网络的适当连通性，我们能够证明智能体对集中式对偶问题的某些最优解达成共识，而原始变量收敛到集中式原始问题的优化器集。在插电式电动汽车充电问题上证明了该方法的有效性。（C）2017 Elsevier Ltd.版权所有。
Keyword:
Distributed optimization
Consensus
Dual decomposition
Proximal minimization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.9
论文数:
1.2W
被引数:
5.2W
机构
引用论文
A decomposition method for large scale MILPs, with performance guarantees and a power system application.png)
AUTOMATICAOAAI
AUTOMATICAIF5.9
OAAI分享收藏分享收藏Mechanism of Site-Specific Psoralen Photoadducts Formation in Triplex DNA Directed by Psoralen-Conjugated OligonucleotidesBiochemistry
BiochemistryIF0
PREAI
分享收藏分享收藏
查看更多内容