基于相对状态符号信息的分布式优化算法

来源：南京信息工程大学学报·自然科学版杂志2018年第6期北京时间：

作者：张家绮

单位：张家绮,清华大学 自动化系, 北京, 100084;清华大学 北京信息科学与技术国家研究中心, 北京, 100084,游科友,清华大学 自动化系, 北京, 100084;清华大学 北京信息科学与技术国家研究中心, 北京, 100084,youky@tsinghua.edu.cnis_first_author:0,is_contact_author:,sequence:2,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：针对网络化多智能体的分布式优化问题，本文讨论一种只利用邻居相对状态的符号信息的分布式算法.该算法不要求与图相关的权重矩阵是双随机矩阵.首先利用优化理论中的惩罚函数法解释该算法，然后分析算法在静态图上的收敛性以及收敛速度.与现有使用邻居相对状态的完整信息的分布式梯度下降算法相比，所提算法的收敛速度并没有本质上降低.另一方面，将所提算法扩展到确定性和随机性的时变图上，并给出相应的收敛性结论.最后，通过数值仿真实验验证算法的有效性.

关键词：分布式优化;多智能体网络;相对状态符号;惩罚函数法;次梯度方法

基金资助：国家自然科学基金（61722308）；国家重点研发计划（2017YFC0805310）