具有分布约束的子模块最大化优化算法
亚历山大·罗比(Alexander Robey)、阿曼·阿迪比(Arman Adibi)、布伦特·施洛特费尔特(Brent Schlotfeldt)、哈米德·哈萨尼(Hamed Hassani)、乔治·帕帕斯(George J.Pappas)
第三届动力学和控制学习会议记录,PMLR 144:150-1622021年。
摘要
我们考虑一类离散优化问题,其目标是使子模块目标函数在分布式分区拟阵约束下最大化。更准确地说,我们考虑一个网络场景,其中多个代理从本地策略集中选择动作,目标是最大化所有可能动作集上定义的子模块目标函数。考虑到这种分布式设置,我们开发了约束-分布式连续贪婪(CDCG),这是一种消息传递算法,仅使用局部计算和通信即可收敛到最佳全局解决方案的紧(1-1/e)近似因子。众所周知,在分布式环境下,序列贪婪算法只能获得这类问题最优解的1/2乘法近似。我们的框架依赖于将离散问题提升到连续域,并开发一致性算法,一旦应用适当的舍入方案,该算法将实现全局离散解的紧(1-1/e)近似保证。我们还提供了一个多智能体区域覆盖问题的实证结果,表明所提出的方法明显优于最先进的顺序贪婪方法。
引用本文
相关材料