.png){kind=icon}
返回
Globally Constrained Decentralized Optimization With Variable Coupling
.png){kind=icon}
PRE
AI
DOI：10.1109/TAC.2025.3629001.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多网络化场景下的实际决策问题，例如编队控制和协作任务卸载，通常涉及复杂交织的局部决策，然而这些问题尚未得到充分研究。受此启发，我们研究了一类具有变量耦合结构的全局约束分布式优化问题，这类问题在文献中尚属新颖。具体而言，我们考虑一个由节点组成的网络，这些节点协作以最小化一个全局目标函数，该函数受一组全局不等式和等式约束的约束，这些约束由节点的局部目标函数和约束函数构成。此外，我们允许这些局部函数不仅依赖于对应节点的决策变量，还依赖于其邻居的决策。为解决此问题，我们提出了一种分布式投影原始-对偶算法，该算法将梯度投影和虚拟队列技术融入原始-对偶-原始框架。在温和条件下，我们推导出目标误差和约束违反的收敛速率均为$O(1/k)$。最后，两个数值实验验证了我们的理论结果，并展示了所提算法的优良性能。
Keyword:
Decentralized optimization
globally coupled constraint
primal–dual algorithm
variable coupling
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
引用论文
分享收藏Fenchel Dual Gradient Methods for Distributed Convex Optimization Over Time-Varying Networks时变网络上分布凸优化的Fenchel对偶梯度法
OAAI
OAAI分享收藏Distributed receding horizon control for multi-vehicle formation stabilization多车辆编队稳定的分布式滚动时域控制.png)
AUTOMATICAOAAI
AUTOMATICAIF5.9
OAAI分享收藏
查看更多内容