.png){kind=icon}
返回
Nabla fractional distributed aggregative optimization algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jfranklin.2026.108522.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
工业物联网（IIoT）中存在大量具有并行性和隐私要求的挑战，这些挑战通过在多智能体网络中将它们表述为分布式优化问题加以解决。研究了IIoT中带有聚合项的 nabla 分数阶分布式优化问题。为处理本地代价函数对本地和全局信息的依赖性，引入两个辅助变量以估计聚合函数和全局梯度。为应对分数阶微积分的非局部性和记忆特性给收敛证明带来的挑战，从系统域和频域两个角度分析了算法的最优性和收敛性能。借助基于李雅普诺夫函数和时间-频域分析的方法，证明了其以 Mittag-Leffler 速率收敛。受现有算法共性的总结与归纳启发，提出了一种分数阶分布式聚合优化算法框架。通过对多无人机目标防护和仓库选址的数值仿真，验证了所提算法的性能。
Keyword:
fractional calculus
distributed optimization
multi-agent networks
aggregative function
convergence analysis
期刊
J
IF:
4.2
论文数:
925
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏Achieving Linear Convergence in Distributed Aggregative Optimization Over Directed Graphs在有向图上的分布式聚合优化中实现线性收敛
PREAI
分享收藏
查看更多内容