.png){kind=icon}
返回
Static and Dynamic Regrets for Online Distributed Composite Optimization: Edge-Based Dynamic Event-Triggered Algorithms
.png){kind=icon}
PRE
AI
DOI：10.1109/TAC.2025.3632693.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文针对带有限带宽的不平衡有向多智能体网络上的在线分布式凸约束复合优化问题进行了研究。其独特之处在于每个智能体的目标函数由两部分组成：一个随迭代变化的损失函数和一个正则项。为应对潜在的网络带宽约束，在智能体之间的链路边上采用了基于边的动态事件触发通信协议，并引入了控制因子。基于近端算子，我们提出了两种仅需权重矩阵为行随机矩阵的算法：一种基于边的动态事件触发的在线分布式近端梯度下降算法及其变体，后者为近端步骤提供近似解。此外，我们分析了两种算法对应的静态和动态后悔界。在合理假设和参数设置下，两种算法均达到静态后悔界$\mathcal {O}(\sqrt{T})$和动态后悔界$\mathcal {O}(\sqrt{T}(1+{\mathcal {D}_{T}}))$（其中$T$为时间范围，$\mathcal {D}_{T}$为路径变化水平）。进一步地，若$\mathcal {D}_{T}$可预先估计，两种算法可实现动态后悔界$\mathcal {O}(\sqrt{T(1+{\mathcal {D}_{T}})})$。最后，通过在线分布式最小绝对收缩与选择算子问题的仿真验证了所提出算法的有效性。
Keyword:
Distributed composite optimization
dynamic event-triggered communication
online optimization
proximal gradient descent
static and dynamic regrets
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
引用论文
.png){kind=icon}
分享收藏
Distributed Subgradient Method With Edge-Based Event-Triggered Communication基于边缘的事件触发通信的分布式次梯度方法
PREAI
分享收藏
查看更多内容