.png){kind=icon}
返回
Resilient distributed online nonconvex optimization algorithm against randomly corrupted attacks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jfranklin.2026.108688.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文关注一个具有多个耦合约束的分布式非凸优化问题，该问题在时变（TV）不平衡有向图上进行。有向图中的智能体旨在与邻居合作处理该问题，其中局部成本函数可能是非凸的，而局部约束函数是凸的。此外，智能体之间连续的信息交互可能带来风险，即对手会发起随机污染攻击，即使有预定义的迭代规则，梯度信息也可能被任意信息替代。为了有效解决这些问题，我们提出了一种原始-对偶鲁棒双重聚合（PDRDA）算法，该算法分别引入了原始变量和对偶变量的时域和空域聚合方案。具体而言，我们利用自适应组合方案（ACS）来融合当前裁剪梯度以及用于更新原始变量的归一化历史梯度。同时，邻居的归一化累积空域梯度和当前裁剪梯度也通过ACS进行组合以更新对偶变量。此外，PDRDA采用辅助变量来克服有向图引起的不平衡。我们进行了严谨的理论分析，证明PDRDA能次线性收敛到平稳点并实现次线性约束违反。在数值仿真中，通过一个目标定位示例验证了所提出算法的有效性。
Keyword:
distributed optimization
nonconvex
resilient algorithm
randomly corrupted attacks
constraint violation
期刊
J
IF:
4.2
论文数:
925
被引数:
0
机构
引用论文
暂无论文信息